Eloquens는 일반적으로 Er Finestra라는 별명으로 알려져 있으며, 1993년 이탈리아 연구 센터인 CSELT에서 첫 버전이 출시된 텍스트 음성 변환 소프트웨어이다. 이 소프트웨어는 이탈리아어를 구사할 수 있는 최초의 상업용 음성 합성 소프트웨어라는 구별을 지니며, Machine learning 및 Neural network 기술을 음성 생성에 적용한 중요한 이정표를 세웠다.
이 소프트웨어는 높은 계산 효율성과 이해 가능한 음성을 생성하도록 설계된 접근 방식인 디폰 기술을 기반으로 구축되었다. 결과적으로 생성된 음성은 다소 "로봇 같은" 품질을 유지했지만, CSELT의 이전 MUSA 시스템에 구현된 이전 세대 음성 합성보다 눈에 띄게 더 자연스러웠다. 이러한 기술적 발전은 Eloquens를 오디오에 적용된 Generative AI 분야의 선구적인 도구로 자리매김하게 했다.
개발 및 기술
Eloquens는 CSELT가 음성 기술 분야에서 개발한 최초의 상용 제품으로, 음성 처리 및 합성에 대한 수년간의 연구에서 비롯되었다. 디폰 기반 방법은 연결된 음성 단위를 사용하여 발화를 생성함으로써 품질과 처리 요구 사항 간의 균형을 가능하게 했다. 이 접근 방식은 1993년 제3차 유럽 음성 통신 기술 컨퍼런스에서 발표된 논문에서 자세히 설명되었으며, CSELT 연구원인 Marcello Balestri, Stefano Lazzaretto, Pier Luigi Salza 및 Stefano Sandri가 "The CSELT system for Italian text-to-speech synthesis"라는 제목으로 작성했다. 기반 기술은 이후 현대 Large language model 응용 프로그램에 사용되는 Sequence-to-Sequence (Seq2Seq) 모델 및 Cross-Attention 메커니즘의 발전에 영향을 주었다.
공공 서비스 응용
초기 몇 년 동안 Eloquens는 이탈리아 전역의 여러 실용적인 응용 프로그램에 배포되었다. 이 소프트웨어는 이탈리아 기차역의 시간표를 자동으로 읽는 데 사용되어 합성 음성 안내를 통해 승객에게 실시간 일정 정보를 제공했다. 이 소프트웨어는 또한 Telecom Italia가 운영하는 전화 서비스에 전력을 공급했으며, 여기에는 사용자가 음성 상호 작용을 통해 연락처 정보를 검색할 수 있는 자동 주소록 서비스가 포함되었다. Paolo Baggia와 동료들이 2000년 논문 "Field trials of the Italian Arise train timetable system"에서 문서화한 이러한 배포는 실제 고사용 환경에서 음성 합성의 실행 가능성을 입증했다.
1997년까지 Eloquens는 더 복잡한 대화 시스템에서 구성 요소, 특히 합성기 모듈로 진화했다. 이러한 통합은 음성 출력과 상호 작용 음성 응답 기술을 결합한 초기 사례로, 현대 Reinforcement Learning from AI Feedback (RLAIF)-훈련 대화 에이전트의 전신이었다.
Er Finestra 및 Radio DeeJay
이 소프트웨어는 2001년 여름 이탈리아 라디오 방송국인 Radio DeeJay에 채택되면서 널리 대중적 인지도를 얻었다. 이 방송국은 Eloquens를 Er Finestra라는 캐릭터의 음성으로 사용했으며, 이는 프로그램의 필수 요소가 된 코미디 페르소나였다. 이 캐릭터의 인기로 인해 2002년 DaNieLz라는 사용자가 Windows용으로 수정된 버전의 소프트웨어를 출시했으며, Er Finestra라는 이름으로 배포했다.
이 업데이트된 버전은 Radio DeeJay 로고aine를 통합한 사용자 지정 사용자 인터페이스 테마를 특징으로 하며 내부 발음 파일에 새로운 단어와 기호를 추가했다. 그러나 핵심 음성 엔진과 기능은 원래 Eloquens와 동일하게 유지되었다. Er Finestra 릴리스는 합병증 없이 Windows 운영 체제에 설치할 수 있어 광범위한 사용자에게 접근 가능했기 때문에 프로그램의 가장 유명한 버전이 되었다.
유산 및 현대적 사용
Eloquens와 그 Er Finestra 변형은 현재 프리웨어로 배포되어 애호가와 창작자에게 접근성을 보존하고 있다. 현대적 사용에서 이 소프트웨어는 일반적으로 많은 YouTube 비디오에서 음성 댓글을 생성하고 가상 캐릭터의 공연에 목소리를 제공하는 데 사용된다. 이러한 풀뿌리 채택은 초기 개발 후 수년 동안 소프트웨어의 관련성을 유지했으며, 가벼운 Text-to-speech 도구에 대한 지속적인 틈새 시장을 강조한다.
Eloquens의 개발은 또한 음성 기술의 광범위한 진화에 기여하여 Loquendo와 같은 후속 프로젝트 및 스핀오프에 영향을 주었으며, 이 회사는 이후 고급 합성 제품을 상업화했다. Roberto Billi와 동료들이 1995년 논문 "Interactive voice technology at work: The CSELT experience"와 같은 출판물에 문서화된 CSELT 경험은 이후 Speech synthesis 및 대화형 시스템 작업에 정보를 제공한 기초적인 통찰력을 제공했다.
기술 및 연구 맥락
Eloquens의 설계 원칙, 특히 Data Augmentation 및 효율적인 음향 모델링에 대한 초점은 당시 혁신적이었다. 제한된 하드웨어에서 이해성을 희생하지 않고 작동하는 이 소프트웨어의 능력은 상업적 실행 가능성의 핵심 요소였다. CSELT 연구원들은 또한 Luciano Nebbia, Silvia Quazza 및 Pier Luigi Salza가 작성한 1998년 IEEE 논문에 설명된 자동 역방향 디렉토리 서비스와 같은 전문 응용 프로그램을 탐구했으며, 이는 음성 합성을 사용하여 전화 번호와 가입자 정보를 소리내어 읽었다.
이탈리아 음성 합성의 이러한 선구적인 작업은 Residual Network (ResNet) 아키텍처 및 Batch Normalization과 같은 딥 러닝 기술의 광범위한 채택보다 앞서 있었으며, 대신 확립된 음성학 및 연결 방법에 의존했다. 더 고급 시스템에 의해 대체되었음에도 불구하고 Eloquens는 소비자 대면 기술에 배포된 초기 Artificial intelligence의 주목할 만한 예로 남아 있으며, 연구 실험실과 일상적인 사용 사이의 격차를 메우고 있다.