gexgd0419/NaturalVoiceSAPIAdapter

Make Azure natural TTS voices accessible to any SAPI 5-compatible application.

NaturalVoiceSAPIAdapter – Microsoft의 자연 음성 서비스를 활용하는 Windows SAPI 5 TTS 엔진

개요

  • SAPI 5 텍스트 음성 변환(TTS) 엔진으로 드롭인 방식으로 작동하여, SAPI 5 음성을 사용하는 모든 프로그램이 Microsoft가 제공하는 고품질 자연 (신경) 음성으로 말할 수 있게 합니다.
  • 세 가지 음성 소스를 지원합니다:
    1. Windows 11에 포함된 로컬 내레이터 음성 (해킹을 통해 이전 Windows 버전에서도 실행 가능).
    2. Microsoft Edge의 소리내어 읽기 기능에서 사용되는 온라인 음성.
    3. Azure AI Speech Service 음성 – 사용자 고유의 Azure 구독 키가 필요합니다.

중요성

  • 대부분의 Windows TTS 엔진은 오래되고 로봇 같은 시스템 음성에 제한됩니다. 이 어댑터는 SAPI 호환 애플리케이션(예: 화면 읽기 프로그램, 음성 도구, 사용자 지정 소프트웨어)을 위해 현대적이고 인간적인 신경 음성을 잠금 해제합니다.
  • 데스크톱 애플리케이션과 클라우드 기반 음성 서비스 간의 격차를 메우며, 각 앱이 자체 Azure 클라이언트를 구현할 필요가 없습니다.

주요 기능

  • 32비트 및 64비트 버전 (64비트 OS에서는 모든 프로그램을 지원하기 위해 둘 다 설치).
  • 간단한 GUI 설치 프로그램(Installer.exe)을 통한 엔진 자동 등록.
  • 선택적 토글:
    • Edge 온라인 음성 활성화/비활성화.
    • Azure 온라인 음성 활성화/비활성화 (API 키 및 지역 필요).
  • 언어 필터 – 기본적으로 설치 프로그램에서 설정한 언어만 노출되어 음성 목록이 복잡해지지 않습니다.
  • 고급 조정을 위한 레지스트리 기반 구성 (값 목록은 wiki 링크 참조).
  • 테스트 유틸리티(TtsApplication.exe)로 음소/비즈 이벤트를 표시하고 중국어 UI를 지원합니다.

시스템 요구 사항

  • Windows XP SP3(32비트)부터 Windows 11까지 테스트됨.
  • 로컬 내레이터 자연 음성은 최소 Windows 7 필요; 제공된 MSIX 패키지를 통해 Windows 10(빌드 17763+)에 설치 가능.
  • 온라인 음성 소스에는 인터넷 연결이 필요합니다.
  • Azure 음성에는 유효한 Azure Speech Service 구독 키가 필요합니다.

설치 단계

  1. Releases 페이지에서 zip을 다운로드합니다.
  2. 파일을 이동하거나 이름을 바꾸지 않고 압축을 풉니다.
  3. Installer.exe를 실행합니다 (관리자 권한 필요).
  4. 활성화할 음성 소스를 선택하고, Azure를 사용하는 경우 키/지역을 입력합니다.
  5. 설치를 클릭합니다. 설치 프로그램이 적절한 32/64비트 DLL을 등록합니다.
  6. (선택 사항) regsvr32로 DLL을 수동 등록합니다.

엔진 사용

  • 설치 후 SAPI 5 음성을 선택할 수 있는 모든 Windows 프로그램에 새 "NaturalVoice" 항목이 표시됩니다.
  • 클래식 제어판 → 음성 대화 상자(Vista+에서는 음성 인식 → 텍스트 음성 변환)도 열 수 있습니다. 설치된 음성이 여기에 나타납니다.
  • 빠른 테스트를 위해 x86\TtsApplication.exe 또는 x64\TtsApplication.exe를 실행합니다.

기술 참고 사항

  • 엔진은 시스템 파일에서 암호화 키를 추출하여 내레이터/Edge 음성을 잠금 해제합니다 – 본질적으로 해킹이므로 향후 Windows 업데이트로 인해 작동이 중단될 수 있습니다.
  • 여러 오픈 소스 라이브러리에 의존합니다: websocketpp, 독립형 ASIO, OpenSSL, nlohmann/json, YY-Thunks(XP 호환용), 로깅용 spdlog.
  • 핵심 음성 합성은 Microsoft의 Microsoft.CognitiveServices.Speech.Extension.Embedded.TTS 라이브러리로 구동됩니다.

추가 정보

  • 자세한 기술 정보, 레지스트리 옵션 및 음성 다운로드 링크는 저장소의 wiki에 있습니다.
  • 중국어 README(README.zh.md)는 중국어 사용자를 위해 동일한 정보를 제공합니다.

NaturalVoiceSAPIAdapter는 Azure 또는 Edge API용으로 애플리케이션을 다시 작성하지 않고 Windows에서 고품질 신경 TTS가 필요한 개발자와 고급 사용자를 위한 실용적인 도구입니다.

관련

  • 프로젝트
    dimastatz/whisper-flow

    Whisper Flow는 OpenAI의 Whisper 모델을 실시간 스트리밍 음성‑텍스트 엔진으로 변환하는 FastAPI 기반 서비스입니다. 클라이언트는 WebSocket을 통해 16 kHz 모노 PCM 오디오를 스트리밍합니다. 서버는 오디오를 tumbling windows로 버퍼링하고, Whisper를 실행하고, 부분 및 최종 JSON 전사를 1초 미만의 지연 시간(≈275 ms)과 M1 Mac에서 약 7 %의 WER로 다시 푸시합니다. 로컬, Docker를 통해 실행하거나 Python 패키지로 설치하여 통합할 수 있습니다.

  • 프로젝트
    espressif/esp-skainet

    ESP‑Skainet은 ESP32 칩을 위한 Espressif의 온디바이스 음성 어시스턴트 SDK입니다. 초소형 웨이크 워드 엔진(WakeNet), 최대 200개 언어를 지원하는 오프라인 명령어 인식기(MultiNet), 그리고 완전한 오디오 프론트엔드(AEC, VAD, NS)를 번들로 제공합니다. 이 스택은 최소한의 RAM/Flash를 사용하여 ESP32‑S3(또는 기타 ESP32 보드)에서 실행되며, 스마트 홈, 웨어러블 또는 로봇을 위한 개인정보 보호형 음성 제어를 가능하게 합니다. 저장소에는 즉시 플래시 가능한 예제, 상세 문서, 사용자 정의 웨이크 워드 및 명령어에 대한 지원이 포함되어 있습니다.

  • 프로젝트
    QwenAudio/Fun-Audio-Chat

    Fun-Audio-Chat은 자연스럽고 지연 시간이 짧은 음성 상호 작용을 위해 설계된 대규모 오디오 언어 모델로, 이중 해상도 음성 표현을 활용하여 컴퓨팅 비용을 절감합니다.

  • 프로젝트
    Azure-Samples/Cognitive-Speech-TTS

    Azure Cognitive Services Speech(텍스트 음성 변환) 사용 방법을 보여주는 Microsoft 관리 SDK 및 REST 코드 샘플 저장소입니다. 고객 사례, 블로그 게시물 및 연구 자료 링크를 포함합니다. 사실적인 다국어 합성 음성, 사용자 지정 신경망 음성 및 관련 Azure Speech 기능을 위한 즉시 실행 가능한 예제가 필요한 개발자에게 이상적입니다.