TTS 합성 및 전송 방식

SELVAS TTS 솔루션은 버퍼 방식과 스트리밍 방식, 두 가지 전송 방식을 지원한다. 용도와 요구사항에 따라 적절한 방식을 선택한다.

버퍼 방식 (Buffer)

엔진이 모든 합성음을 완전히 생성한 뒤 한꺼번에 전송한다.

[텍스트 입력] → [엔진: 전체 합성 완료] → [전체 음원 전송] → [클라이언트 수신]
                    ← 대기 →              ← 전송 →

특징

• 전체 합성이 끝나야 응답이 시작되므로 초기 응답 시간(TTFB)이 느리다
• 텍스트가 길수록 대기 시간이 길어진다
• 전체 음원 크기를 미리 알 수 있다
• WAV 포맷 사용 가능 (헤더에 전체 크기 기록 필요)

지원 포맷

적합한 경우

• 완성된 음성 파일을 저장해야 할 때
• WAV 포맷이 필요할 때
• 오디오 재생 라이브러리에 완성 파일을 넘겨야 할 때
• 초기 응답 지연이 허용되는 배치 작업

스트리밍 방식 (Streaming)

엔진이 합성한 음성을 chunk 단위로 즉시 전송한다.

[텍스트 입력] → [엔진: 합성 시작]
                  ├─ chunk 1 전송 → [클라이언트: 즉시 재생 시작]
                  ├─ chunk 2 전송 → [재생 계속]
                  ├─ chunk 3 전송 → [재생 계속]
                  └─ chunk N 전송 → [재생 완료]

특징

• 합성이 시작되면 바로 첫 chunk가 전송되므로 초기 응답 시간(TTFB)이 빠르고 일관적
• 입력 텍스트 길이와 무관하게 비슷한 최초 응답 시간을 보장한다
• 전체 합성 완료 시간은 버퍼 방식과 유사하지만, 합성과 재생이 동시에 진행된다
• 전체 크기는 마지막 chunk를 수신한 후에야 알 수 있다
• WAV 포맷 사용 불가 (전체 크기를 헤더에 미리 기록할 수 없음)

지원 포맷

WAV는 파일 헤더에 전체 데이터 크기를 기록해야 하므로 스트리밍 방식에서 지원하지 않는다.

적합한 경우

• 빠른 응답이 중요한 실시간 서비스 (대화형 AI, 콜센터 등)
• 긴 텍스트를 합성하면서 바로 재생해야 할 때
• 사용자 체감 지연을 최소화해야 할 때

비교 요약

선택 가이드

WAV 파일이 필요한가?
  ├─ YES → 버퍼 방식
  └─ NO
        초기 응답 속도가 중요한가?
          ├─ YES → 스트리밍 방식
          └─ NO
                파일로 저장할 것인가?
                  ├─ YES → 버퍼 방식
                  └─ NO → 스트리밍 방식