음성과 이미지 다루기

이 장에서 배우는 것 음성·이미지 경로를 어떻게 쓰는지, 그리고 여기서만 되는 것 하나.

왜 따로 다루나

앞 장의 대화·임베딩은 결과가 글입니다. 음성과 이미지는 결과가 파일이라 다루는 방식이 다릅니다.

• 응답이 큽니다 (wav, png)
• 시간이 오래 걸립니다
• 결과를 어디에 저장할지를 정해야 합니다

글 → 음성

--output을 빠뜨리면 터미널에 이진 데이터가 쏟아집니다. 흔한 실수입니다.

긴 글은 나눠서

한 번에 긴 글을 넣으면 오래 걸리고 중간에 실패하면 처음부터입니다. 문단 단위로 나눠 만들고 이어붙이는 쪽이 안정적입니다.

이어붙이는 것은 터미널에서 오디오 도구로 하면 됩니다.

음성 → 글

회의 녹음을 회의록으로 만드는 파이프라인의 첫 단계입니다.

graph TD
  A["녹음 파일"] --> B["음성 → 글"]
  B --> C["원문 텍스트"]
  C --> D["업무로 넘김<br/>'실행 항목 표로 정리'"]
  D --> E["회의록"]

두 번째 단계는 REST로 업무를 만들면 됩니다. 이렇게 모델 API와 업무 API를 잇는 것이 실무에서 가장 자주 쓰는 형태입니다.

복제 목소리 — 여기서만 됩니다

OpenAI 규격에는 없는 기능이라 경로도 /v1/ 아래가 아닙니다.

내 목소리나 정해둔 목소리를 등록해두고 voice로 지정합니다. 같은 화자로 여러 편을 일관되게 만들 수 있습니다.

⚠ 목소리는 개인정보입니다. 다른 사람의 목소리를 복제하려면 그 사람의 동의가 필요합니다. 내부 자료라도 마찬가지이고, 대외로 나가는 콘텐츠라면 더 그렇습니다. 동의 없이 만들지 마세요.

이미지 생성

응답에 이미지 주소가 담겨 옵니다. 그걸 내려받아 저장하는 단계가 따로 필요합니다.

배치로 만들 때

여러 장을 만들 때는 프롬프트를 파일로 관리하세요.

이렇게 두면 얻는 게 셋입니다.

프롬프트를 코드에 박아두면 이 셋을 다 잃습니다.

이미지 편집·확대

생성은 낮은 해상도로 여러 장, 고른 것만 확대하는 순서가 시간과 비용에 유리합니다.

결과 파일을 어디에 두나

실무에서 파일 경로와 버전 관리가 가장 혼란스러워지기 쉬운 부분입니다.

시간이 오래 걸립니다

그래서 이런 작업은 예약으로 돌리고 결과만 확인하는 편이 낫습니다. 화면 앞에서 기다릴 일이 아닙니다.

자주 하는 실수

실패한 항목을 처음부터 다시 만듭니다

50장 중 3장이 실패했는데 전체를 다시 돌립니다. 이미 있는 파일은 건너뛰도록 만드세요. 파일명이 예측 가능해야 이게 됩니다.

프롬프트를 기록 안 합니다

마음에 드는 이미지가 나왔는데 어떤 프롬프트였는지 모릅니다. 입력 파일을 같이 남기세요.

목소리 동의를 안 받습니다

앞에서 적었지만 다시 씁니다. 복제 목소리는 동의가 전제입니다.

확인

1. 긴 원고를 음성으로 만들 때 왜 나눠야 합니까?

2. 이미지 프롬프트를 파일로 관리하면 무엇이 좋습니까?

3. 복제 목소리를 쓸 때 반드시 확인할 것은?

이제 이것들을 자동으로 돌게 만듭니다 → 예약으로 파이프라인 만들기