AI 세부 실습 01 - 이미지 생성과 TTS

이미지 생성과 TTS

이 글은 다음 원본 실습 파일을 기준으로 정리합니다.

09_multi_modal_image.py
09_multi_modal_tts.py

09번 실습의 핵심은 텍스트를 다른 형태의 결과물로 바꾸는 것입니다.

텍스트 프롬프트 -> 이미지
텍스트 문장 -> 음성 파일

이미지 생성 흐름

이미지 생성은 사용자가 작성한 문장을 바탕으로 AI가 이미지를 만드는 작업입니다.

from openai import OpenAI

client = OpenAI()

response = client.images.generate(
    model="dall-e-3",
    prompt="a white siamese cat",
    size="1024x1024",
    quality="standard",
    n=1,
)

여기서 가장 중요한 값은 prompt입니다. 프롬프트는 AI에게 어떤 이미지를 만들지 설명하는 문장입니다.

이미지 저장

이미지 생성 API는 보통 이미지 URL을 돌려줍니다. 이미지를 내 컴퓨터에 저장하려면 URL에서 파일을 다운로드해야 합니다.

import requests

image_url = response.data[0].url
image_data = requests.get(image_url).content

with open("genimage.jpg", "wb") as fp:
    fp.write(image_data)

wb는 바이너리 쓰기 모드입니다. 이미지는 텍스트가 아니라 바이너리 데이터이기 때문에 w가 아니라 wb를 사용합니다.

좋은 이미지 프롬프트

짧은 프롬프트도 동작하지만 결과를 예측하기 어렵습니다.

고양이

다음처럼 구체적으로 쓰는 편이 좋습니다.

햇빛이 들어오는 창가에 앉아 있는 흰색 샴고양이, 사실적인 사진 스타일, 따뜻한 분위기

프롬프트에는 대상, 장소, 분위기, 스타일, 구도를 넣으면 좋습니다.

TTS란?

TTS는 Text To Speech의 약자입니다. 텍스트를 음성으로 변환하는 기술입니다.

from openai import OpenAI

client = OpenAI()

response = client.audio.speech.create(
    model="tts-1",
    voice="alloy",
    input="안녕하세요. 오늘은 AI 음성 생성을 실습합니다.",
)

response.stream_to_file("out.mp3")

이 코드는 문장을 읽어 주는 음성 파일을 생성합니다.

활용 예시

이미지 생성과 TTS는 다음과 같은 서비스로 확장할 수 있습니다.

• 블로그 썸네일 자동 생성
• 상품 소개 이미지 생성
• 안내 방송 음성 생성
• 교육 콘텐츠 내레이션 생성
• 영상 자막을 음성으로 변환

실습 체크리스트

실행 전에 다음을 확인합니다.

openapi_key.env 파일이 있는가?
OPENAI_API_KEY 값이 들어 있는가?
openai, requests, python-dotenv 패키지를 설치했는가?
결과 파일을 저장할 권한이 있는가?

정리

09번 실습은 멀티모달 AI의 가장 쉬운 입문 예제입니다. 텍스트가 이미지와 음성으로 바뀌는 과정을 직접 확인할 수 있어 API 호출 구조를 이해하기 좋습니다.