AI를 활용한 손쉬운 음성 테스트 데이터 생성

SSunny 24.04.19

4,753 16 5

facebook twitter kakao link

16 5

facebook twitter kakao link

DEVOTEE 요약: Python과 gTTS(Google Text-to-Speech) 라이브러리를 사용해 텍스트를 음성으로 변환하고 MP3 파일로 저장하는 방법을 소개합니다. 이 과정은 텍스트를 입력하여 음성 파일을 만들고, 필요 시 'playsound' 모듈을 이용해 직접 재생할 수 있습니다. 또한, OpenAI API를 활용해 특정 내용의 스크립트를 자동 생성한 후 이를 음성 파일로 변환하는 고급 사용 예도 제공됩니다.

Python에서 음성 파일을 만들고 작성하는 것은 재미있고 유용한 기술이 될 수 있습니다.

특히 오디오 피드백이 필요한 앱을 구축하거나 프로젝트의 접근성을 높이는 데 더욱 그렇습니다.

이를 달성하는 가장 쉬운 방법 중 하나는 gTTS(Google Text-to-Speech) 라이브러리를 사용하는 것입니다.

수행 방법에 대한 초보자 친화적인 가이드는 다음과 같습니다.

1단계: gTTS 설치

파이썬이 설치되어 있다는 가정하에, 먼저 gTTS 라이브러리를 설치해야 합니다. 터미널이나 명령 프롬프트를 열고 다음 명령을 입력하십시오.

pip install gtts

2단계: Python 스크립트 작성

이제 텍스트를 음성으로 변환하고 MP3 파일로 저장하는 간단한 스크립트를 작성해 보겠습니다.

from gtts import gTTS

tts=gTTS(text="안녕하세요, Python 음성 변환 테스트입니다.", lang="ko")
tts.save("output.mp3")

함수를 이용하려면 아래와 같이 작성합니다.

from gtts import gTTS

def text_to_speech(text, filename):
    tts = gTTS(text, lang="ko")  # Create a gTTS object
    tts.save(filename)  # Save the speech to an MP3 file

# Example usage
input_text = "안녕하세요, Python 음성 변환 테스트입니다."
output_file = 'output.mp3'
text_to_speech(input_text, output_file)

설명:

gTTS 가져오기: gtts 모듈에서 gTTS 클래스를 가져오는 것부터 시작합니다.
lang="ko" 을 넣지 않으면 외국인이 한국말을 하는 것처럼 들리니 반드시 추가해야 합니다.
함수 정의: text_to_speech 함수는 **text**와 **filename**을 인수로 사용합니다. 입력된 텍스트는 음성으로 변환됩니다.
음성 생성 및 저장: 함수 내에서 텍스트를 전달하여 gTTS 인스턴스를 생성합니다. 그런 다음 save 메소드를 사용하여 **filename**으로 지정된 MP3 파일로 음성을 출력합니다.

3단계: 스크립트 실행

IDE를 통해 또는 터미널에서 다음을 입력하여 Python 스크립트를 실행합니다.

python gTTSOutput.py

이렇게 하면 스크립트에 작성한 텍스트를 재생하는 MP3 파일이 디렉토리에 생성됩니다.

이러한 단계를 통해 Python 및 gTTS를 사용하여 간단한 텍스트 음성 변환 애플리케이션을 만들었습니다.

이는 텍스트 파일 읽기 또는 다른 응용 프로그램과의 통합과 같은 더 복잡한 기능으로 확장될 수 있습니다.

ChatGPT로 스크립트 만들기

다음에는 5분이상 길이의 스크립트를 음성으로 만든다면 어떻게 해야 할까요?

기존에는 웹스크랩핑으로 텍스트를 긁어와서 파일을 만들었다면 이제는 ChatGPT에게 요청하여 만들 수 있습니다.

ChatGPT를 이용하면 스크립트의 주제나 내용을 구체적으로 요청할 수 있는 장점이 있습니다.

5 분 정도 회사 과장님과 거래처 사장님의 대화를 아래 처럼 만들어줘. 한국어로 하고 내용은 
샴푸관련 광고에 대한 사업이야기로 만들어줘. txt 파일로 만들어서 다운받을 수 있도록 만들어줘 
---
회사 과장님: 
거래처 사장님:

요청에 결과는 아래처럼 파일로 작성되었습니다. (버전 4로 만든내용입니다.)

텍스트 파일로 mp3 만들기

이제 만들어진 'Shampoo_Advertisement_Conversation.txt' 파일을 읽어서 mp3로 만들어봅니다.

from gtts import gTTS

def create_voice_from_file(text_file, output_file):
    # Open and read the text file
    with open(text_file, 'r', encoding='utf-8') as file:
        text = file.read()

    # Convert text to speech
    tts = gTTS(text, lang="ko")
    tts.save(output_file)

# Specify your text file and output file
text_file_path = 'Shampoo_Advertisement_Conversation.txt'
output_file_path = 'output.mp3'

# Generate the voice file
create_voice_from_file(text_file_path, output_file_path)

Mp3 파일 실행하기

Python에서 MP3 파일을 재생하려면 'playsound' 모듈을 사용하면 됩니다.

이는 오디오 재생을 처리하는 간단하고 직접적인 방법입니다. 방법은 다음과 같습니다.

우선 playsound를 설치합니다.

pip install playsound

만약 설치할때 오류가 발생한다면 아래 2개도 함께 설치합니다.

pip install --upgrade wheel

pip3 install PyObjC

위의 코드에 playsound를 추가합니다.

from gtts import gTTS
from playsound import playsound
def create_voice_from_file(text_file, output_file):
    # Open and read the text file
    with open(text_file, 'r', encoding='utf-8') as file:
        text = file.read()

    # Convert text to speech
    tts = gTTS(text, lang="ko")
    tts.save(output_file)

# Specify your text file and output file
text_file_path = 'Shampoo_Advertisement_Conversation.txt'
output_file_path = 'output4.mp3'

# Generate the voice file
create_voice_from_file(text_file_path, output_file_path)

# Play the mp3 file
playsound(output_file_path)

이렇게 하면 음성파일을 만들어서 매번 만들어졌는지 실행할 필요없이 바로 확인이 가능합니다.

play를 종료하고자 한다면 실행 터미널에서 crtl +C 를 누릅니다.

OpenAI Api 사용하기

chatGPT를 이용하여 다시 코드로 복귀하는 불편함은 바로 api key를 이용하여 openai api 를 사용할 수 있습니다.

그런데 chatgpt 비용과 platform 비용이 별도라 비용이 두배로 든다는 것은 참고해야 합니다.

from gtts import gTTS
from playsound import playsound
import openai
import os

# Set your API key for OpenAI
os.environ['OPENAI_API_KEY'] = "sk-" #사용자키 입력

def create_and_play_audio_from_prompt(prompt):
    client = openai.OpenAI()
    response = client.completions.create(
        model="gpt-3.5-turbo-instruct",  # Text generation model
        prompt=prompt,  # Input prompt
        temperature=0.7,  # Creativity level
        max_tokens=500,
        seed=8673
    )
    output = response.choices[0].text
    print(output)  # Print output for verification

    # Convert text to speech and save to an MP3 file
    tts = gTTS(output, lang="ko")
    output_file_path = 'script_work.mp3'
    tts.save(output_file_path)

    # Play the mp3 file
    playsound(output_file_path)

# Example prompt
prompt = '''
5 분 정도 회사 과장님과 거래처 사장님의 대화를 아래 처럼 만들어줘. 한국어로 하고 내용은 
샴푸관련 광고에 대한 사업이야기로 만들어줘. txt 파일로 만들어서 다운받을 수 있도록 만들어줘 
---
회사 과장님: 
거래처 사장님:
'''
create_and_play_audio_from_prompt(prompt)

이렇게 하면 바로 mp3 파일이 생성되고 실행도 됩니다. 여기에 스크립트 파일도 따로 갖고 싶다면 아래처럼 합니다.

from gtts import gTTS
from playsound import playsound
import openai
import os

# Set your API key for OpenAI
os.environ['OPENAI_API_KEY'] ="sk-" #사용자키 입력

def create_and_play_audio_from_prompt(prompt):
    client = openai.OpenAI()
    response = client.completions.create(
        model="gpt-3.5-turbo-instruct",  # Text generation model
        prompt=prompt,  # Input prompt
        temperature=0.7,  # Creativity level
        max_tokens=500,
        seed=8673
    )
    output = response.choices[0].text
    print(output)  # Print output for verification

    # Save the generated text to a file
    text_file_path = 'output_text.txt'
    with open(text_file_path, 'w', encoding='utf-8') as file:
        file.write(output)

    # Convert text to speech and save to an MP3 file
    tts = gTTS(output, lang="ko")
    output_file_path = 'script_work.mp3'
    tts.save(output_file_path)

    # Play the mp3 file
    playsound(output_file_path)

# Example prompt
prompt = '''
5 분 정도 회사 과장님과 거래처 사장님의 대화를 아래 처럼 만들어줘. 한국어로 하고 내용은 
샴푸관련 광고에 대한 사업이야기로 만들어줘. txt 파일로 만들어서 다운받을 수 있도록 만들어줘 
---
회사 과장님: 
거래처 사장님:
'''
create_and_play_audio_from_prompt(prompt)

마무리

QA 업무를 할때 다양한 테스트 데이터가 필요합니다.

오늘은 그 중 음성 데이터를 만드는 방법을 ChatGPT와 파이썬 모듈인 gTTS와 playsound를 이용해서 알아보았습니다.

업무에 많은 도움 되길 바래봅니다.

#Python #Quality Assurance #A.(에이닷)

등록

DEVOTEE를 활성화 시키면
지금 작성한 댓글에 AI가 댓글을 달아줍니다.

익명

SSunny 님의 최신 블로그

Eval for Agents와 Google Stax, QA가 주목해야 할 LLM 평가 도구 비교

QA라는 역할 때문인지, OpenAI가 2025년 추석때 발표한 AgentKit에서 가장 먼저 눈에 들어온 건 단연 Eval for Agents였습니다. AI 에이전트가 점점 더 복잡하고 다단계적인 구조로 진화하는 가운데, 이를 어떻게 정량적으로 평가하고 개선할 수 있을까 하는 질문에 답을 주는 기능이기 때문입니다. 특히 플랫폼 기반으로 에이전트를 개발하고 검증하는 Eval for Agents는 에이닷 에이전트 검증을 위해 만든 SPeCTRA와 비교를 안할 수가 없네요 - LLM Testing 위한 새로운 품질 기준 SPeCTRA 1.0 SPeCTRA 2.0 이번 글에서는 OpenAI의 AgentKit이 어떤 구조로 설계되었고, 그중에서도 에이전트 평가 기능이 어...
[에이닷 4.0 QE 여정2] AI 에이전트 테스트 기준 SPeCTRA 2.0

AI가 급속도로 발전하면서, 이제는 단순히 “잘 답하는 AI”를 넘어 Responsible AI(책임 있는 AI)가 중요한 화두가 되었습니다. AI는 보편적 기준을 따르면서도, 동시에 문화적 다양성과 개별적 맥락을 존중해야 합니다. SPeCTRA는 이런 책임 있는 AI 검증을 위해 출발했고, AI의 발전 단계마다 함께 진화해왔습니다. 그 과정에서 새롭게 등장한 축이 바로 Memory, 즉 제 5원소입니다. Memory는 단순한 Agent의 기능 추가가 아닙니다. 기억이 있다는 것은 곧 AI가 사용자와 맥락을 지속적으로 이어가며, 경험을 학습해 나간다는 것을 의미합니다. 이를 통해 더 큰 편의성과 개인화 기능을 만족하지만, 동시에 보안, 편향, 책임성 같은 새로운 ...
AI 시대, 요즘 테스트 – UI 에서 API Test 중심으로

과거에도 지금도 소프트웨어 테스트 하면 떠오르는 말은 “결함 발견”, “품질 보증”입니다. 소프트웨어 테스트의 목적은 기능이 잘 동작하는지 확인하고, 문제가 있으면 개발자에게 전달하는 것이 일반적인 역할입니다. 하지만 AI 시대에 테스트는 그 의미와 방법이 달라져야 합니다. 올해 EuroSTAR, STARWEST 같은 컨퍼런스에서 “AI Test”, “Self-healing Test Automation”, “Model-based Testing”이 주된 주제로 자리잡고 있습니다. Gartner 보고서에서 따르면 “테스트 자동화의 70% 이상이 AI/ML 도움을 받게 될 것”이라고 전망한다고 합니다. https://conference.eurostarsoftwarete...
앱 성능 측정 방법: 웹과 앱 지표 통합 분석 가이드

앱의 품질을 말할 때 기능성 외에 사용자들이 체감할 수 있는 가장 중요한 품질은 바로 반응 속도입니다. 이는 앱의 비기능적 품질 속성 중에서도 사용자의 만족도에 직접적인 영향을 주는 요소입니다. ‘반응 속도’라는 표현에는 앱 실행 속도, 페이지 로딩 속도, 콘텐츠 다운로드 시간, 화면 렌더링 속도 등 다양한 요소가 포함됩니다. 이 글에서는 이러한 성능 품질에 대해 살펴보려 합니다. 그럼 앱 성능 측정을 할 때 제일 먼저 고려해야 할 사항은 무엇일까요? 테스트 대상, 환경, 범위, 테스트 시나리오, 품질 기준, 테스트 수행 방법 등은 모든 테스트의 기본 항목이며, 성능 테스트에서도 예외가 아닙니다. 테스트 대상이 되는 앱이 네이티브 앱인지 하이브리드 앱인지에 따라 ...

목록으로

DEVOCEAN

로그인 선택

미리보기

커뮤니티

글 등록

임시저장함

데보션 블로그 게재 요청