몬스터 텍스트 음성 변환·음성 복제 강좌를 시작합니다

⏱ 00:26이 강좌는 기계가 텍스트와 음소를 사실적이고 표현력 있는 음성으로 바꾸는 원리를 이해하고, 텍스트 음성 변환과 음성 복제 시스템을 만들 수 있는 토대를 제공한다. 강연자는 음성이 사람과 LLM을 연결하는 인터페이스로 성장하는 반면 전문가는 부족하다고 설명하며, 흩어진 최신 논문과 직접 구축한 경험을 하나의 학습 경로로 모으려 한다.

⏱ 12:22학습은 인간의 발성과 텍스트·음소 처리에서 시작해 연결 합성, 신경망 보코더, 코덱, 자기지도 음성 표현, 코덱 기반 생성으로 이어진다. 코덱은 파형을 낮은 차원의 토큰으로 압축하고, 생성 모델이 만든 토큰을 디코더로 다시 파형으로 바꾼다. 음색·감정·운율·억양의 표현은 음성 인식과 향상 등에도 재사용된다. 음성의 운율은 말에 담긴 리듬과 선율로 설명한다. 인코덱·사운드스트림과 하이파이갠 같은 구체적인 시스템을 통해 큰 그림에서 세부 구조로 들어간다. 후반에는 제로샷·퓨샷·미세조정, 감정과 운율, 노래 목소리, 음성 간 생성, 음성 에이전트를 살펴본다.

⏱ 10:48복잡한 최신 시스템을 처음부터 구현하는 데 큰 시간이 들기 때문에 강좌는 코딩 실습 없이 직관과 이론을 먼저 익히며, 머신러닝·트랜스포머·GAN·오디오 신호 처리의 기초를 전제로 한다. 논문과 오픈소스 모델을 직접 읽고 실험하며, 영상 순서를 따라 구조를 그려 보는 능동적 학습을 권한다. 자료는 깃허브에 무료로 공개하고 질문은 슬랙과 유튜브 댓글에서 받는다. 주 1~2편씩 3~5개월에 걸쳐 게시할 계획이며, 수강자는 주 3~5시간을 꾸준히 투자해야 한다.

⏱ 00:00여러분, 안녕하세요. 유튜브 채널 ‘더 사운드 오브 AI(The Sound of AI)’의 새로운 대형 강좌에 오신 것을 환영합니다. 이번에는 이 채널에서 아직 다루지 않았던 음성 합성을 공부합니다. 강좌 이름은 ‘몬스터 텍스트 음성 변환·음성 복제 강좌’입니다. 목표는 기계가 음소와 텍스트에서 출발해 실감 나는 목소리와 표현력 있는 AI 음성을 내기까지, 말하는 법을 어떻게 배우는지 깊이 이해하는 것입니다. 강좌를 마치면 시스템을 이루는 여러 요소를 이해하고, 텍스트 음성 변환과 음성 복제 시스템을 직접 만들 수 있는 도구를 갖추게 될 것입니다.

⏱ 00:54텍스트 음성 변환과 음성 복제에 관심을 가져야 하는 이유는 무엇일까요? 여러 이유가 있지만, 가장 큰 이유는 음성 AI가 폭발적으로 성장하고 있기 때문입니다. 일레븐랩스(ElevenLabs)나 플레이에이치티(PlayHT) 같은 음성 합성·음성 복제 기업을 들어 보셨을 것입니다. 생성형 음악 분야에도 킷츠 AI(Kits AI)처럼 노래 목소리를 복제하는 기업들이 있습니다. 음성은 사람과 대규모 언어 모델(LLM)을 연결하는 주요 인터페이스가 되고 있습니다. 저도 챗GPT와 대화하는 데 많은 시간을 씁니다. 단지 원하는 일을 시키는 명령만 내리는 것이 아니라, 프랑스어 연습을 위해 프랑스어로 계속 대화를 나누기도 합니다.

⏱ 01:59이처럼 음성 AI, 특히 음성 합성 시장은 매우 빠르게 성장하고 있습니다. 따라서 텍스트 음성 변환과 음성 복제의 전문가가 되는 것은 전략적으로도 좋은 선택입니다. 제가 지난 2~3년 동안 지켜보니 음성 머신러닝 전문가를 찾는 일자리는 크게 늘었지만, 실제로 이런 일을 할 수 있는 사람은 많지 않습니다. 텍스트 음성 변환을 배우고 음성 복제를 능숙하게 다룰 수 있게 되면, 시장에서 매우 유리한 위치에 설 수 있을 것입니다.

⏱ 02:43그런데 지금 텍스트 음성 변환이나 음성 합성을 배우려 하면, 공부할 만한 자료를 찾기가 어렵습니다. 물론 최신 정보를 담은 논문은 있습니다. 다만 이미 해당 분야의 전문가인 독자를 대상으로 쓰였기 때문에 수준이 매우 높습니다. 음성 복제와 음성 합성에 관한 정보는 여기저기 흩어져 있어 하나로 모으기도 어렵습니다. 제가 알기로는 최신 기법과 개념을 한꺼번에 전수받을 수 있도록 모아 둔 중심 공간이나 강좌도 아직 마땅히 없습니다.

⏱ 03:31제가 만들고 싶은 것이 바로 그런 학습 자료입니다. 음성 합성의 최신 정보를 모으고 텍스트 음성 변환과 음성 복제를 모두 다루는 방대한 강좌를 만들려는 것입니다. 구체적으로 무엇을 공부할지는 잠시 뒤 더 자세히 살펴보겠습니다. 여기서 강조하고 싶은 점은 흩어진 정보를 종합하되, 이 분야의 전문가가 아니어도 내용을 받아들이고 공부를 시작하기 쉬운 형태로 제공하겠다는 것입니다.

⏱ 04:21여기에 제가 이런 모델들을 직접 만들어 온 경험도 더하려고 합니다. 단지 흩어진 최신 정보를 모으는 데서 그치지 않고, 실제로 모델을 구축하며 얻은 경험을 함께 전달하겠다는 뜻입니다. 이것이 이 강좌를 기획한 기본 생각이며, 강좌 이름을 ‘몬스터 텍스트 음성 변환·음성 복제 강좌’라고 붙인 이유이기도 합니다.

⏱ 04:36누구를 위한 강좌일까요? 이 강좌는 기술적인 내용을 다룹니다. 주요 대상은 머신러닝 엔지니어와 연구자, 그리고 머신러닝에 관심과 약간의 배경지식이 있는 오디오 프로그래머입니다. 특히 오디오 머신러닝 지식이 있으면 큰 도움이 됩니다. 오디오와 머신러닝에 관심이 있는 개발자도 대상입니다. 엔지니어링 관리자나 제품 관리자에게도 열려 있습니다. 반드시 기술 분야 출신일 필요는 없지만, 어느 정도 기술을 이해하고 기술적인 주제를 편하게 받아들일 수 있어야 합니다.

⏱ 05:20이것은 입문 강좌가 아니므로 일정한 배경지식이 필요합니다. 예를 들어 임베딩이나 학습 같은 머신러닝의 기본 개념은 처음부터 설명하지 않습니다. 다른 영상에서 이미 다루었기 때문에 여기서는 알고 있다고 가정합니다. 트랜스포머나 생성적 적대 신경망(GAN) 같은 딥러닝 아키텍처도 세세한 부분까지 다시 설명하지 않습니다. 많은 음성 복제·음성 합성 시스템이 이를 사용하므로 강좌에서도 다루지만, 기본적인 구조는 이미 이해하고 있다고 보고 진행합니다.

⏱ 06:13아직 그런 내용을 모른다고 걱정할 필요는 없습니다. 특히 트랜스포머는 다른 강좌와 시리즈에서 상당히 자세히 설명했습니다. 더 깊이 알아야 할 만큼 중요하지만 시간 제약 때문에 이 강좌에서 충분히 설명할 수 없는 내용이 나올 때마다, 해당 주제를 다룬 제 기존 영상으로 안내하겠습니다. 적어도 다른 곳에서 관련 내용을 더 배울 수 있는 자료는 제공할 것입니다.

⏱ 06:51또 하나의 선수지식은 기초적인 오디오 디지털 신호 처리입니다. 파워 스펙트럼, 스펙트로그램, 파형 같은 개념과 표현에 익숙해야 합니다. 그 이면의 수학을 아주 세세한 부분까지 모두 알아야 하는 것은 아니지만, 무엇을 의미하는지 이해하는 일은 매우 중요합니다. 이것들도 다른 강좌에서 모두 다루었습니다. 본격적인 주제로 깊이 들어가기 전에 기초를 배우고 싶다면 해당 영상들로 안내하겠습니다.

⏱ 07:30이 강좌를 듣기 위해 코딩 경험이 필요한 것은 아닙니다. 하지만 반드시 필요한 것은 아주 많은 내용을 배우려는 의지입니다. 강좌에서 다룰 내용도 많고 주제도 다양하기 때문에, 호기심을 가지고 더 배우고자 하는 마음으로 참여해야 합니다.

⏱ 07:54더 사운드 오브 AI 채널을 오래 보셨거나 다른 강좌를 수강하셨다면 제 수업 방식을 아실 것입니다. 먼저 직관을 전달하고, 그다음 이론으로 깊이 들어가는 방식입니다. 저는 이론을 자세하게 설명하는 것을 좋아하지만, 동시에 각 주제를 큰 틀에서 이해하고 직관을 얻는 일이 매우 중요하다고 생각합니다. 채널에서 가르칠 때나 대학에서 강의할 때나 늘 지켜 온 교육 철학이며, 이번 강좌도 같은 방식으로 진행합니다.

⏱ 08:42구체적으로는 먼저 큰 그림을 보여 주는 개념 영상을 제공합니다. 신경망 오디오 압축이나 코덱을 소개하는 영상이라면, 그것이 무엇이고 어떻게 작동하며 어디에 쓰이는지 개괄적으로 설명합니다. 그다음 특정 시스템에 초점을 맞춰 더 깊이 다루는 영상을 한두 편 제공할 수 있습니다. 신경망 코덱의 경우 인코덱(EnCodec)이나 사운드스트림(SoundStream)을 살펴볼 수 있겠지요. 한 영상에서 상위 개념을 익힌 뒤, 별도의 영상에서 특정 시스템의 아키텍처를 자세히 분석하는 구성입니다.

⏱ 09:41스스로 더 깊이 탐구할 수 있도록 논문, 오픈소스 모델, 구현 코드, 데모도 소개하겠습니다. 이것은 매우 중요합니다. 음성 합성처럼 복잡한 주제든, 그 밖의 큰 AI 응용 분야나 주제든, 강좌 하나만으로 모든 내용을 빠짐없이 배워 숙달하기는 어렵기 때문입니다. 이 강좌처럼 지식을 종합해 주는 곳에서 시작한 다음, 자신의 길을 찾아 더 깊이 파고들어야 합니다. 텍스트 음성 변환처럼 어려운 분야의 전문가가 되는 과정은 바로 그렇습니다.

⏱ 10:36이번 강좌에서는 코드를 다루지 않습니다. 이유는 간단합니다. 모두 최신 시스템이고, 어느 하나라도 처음부터 코드로 구현하려면 엄청난 시간이 걸려 강좌 범위를 벗어나기 때문입니다. 나중에 별도의 재생목록이나 시리즈에서 특정 활용 사례를 골라 구현 코드까지 제공할 수는 있겠지만, 이번 강좌의 목적은 시스템을 만드는 방법을 이해하는 데 필요한 이론과 직관을 전달하는 것입니다. 이론과 직관이 분명해진 뒤 기존 구현 몇 가지를 살펴보면 실제 시스템을 만드는 일이 훨씬 쉬워질 것입니다.

⏱ 11:40제가 이끌거나 자문했던 팀들에서도 이런 모습을 여러 번 보았습니다. 사람들이 이론과 직관을 깊이 이해하는 일은 매우 중요합니다. 그것을 갖추면 코딩 부분은 단순하고 기계적인 작업이 됩니다. 정작 어려운 것은 그 이면에 있는 사고방식을 이해하는 일입니다. 그래서 이번 강좌에서는 코딩 없이 그 이해를 갖추는 데 집중합니다.

⏱ 12:04지금까지 추상적인 이야기를 오래 했는데, 실제로 무엇을 배우고 얻게 될까요? 강좌는 세 부분으로 구성했습니다. 첫 번째는 기초입니다. 우선 인간이 어떻게 말하는지, 즉 우리가 어떻게 음성을 만들어 내는지 공부합니다. 이것은 그동안 개발된 수많은 텍스트 음성 변환 시스템의 토대이므로 매우 중요합니다. 또한 사람이 서로 대화할 때 만들어 내는 결과물을 기술로 모방하거나 재현하기 위해 무엇을 하는지도 이해하게 될 것입니다.

⏱ 12:59다음으로 기계가 텍스트와 음소를 어떻게 처리하는지 살펴봅니다. 이것이 중요한 이유는 무엇일까요? 우리는 음성을 생성하고 있습니다. 물론 오디오를 만드는 과정도 중요하지만, 텍스트와 동떨어진 추상적인 소리나 음악을 아무렇게나 만드는 것은 아닙니다. 음성 합성에서는 글로 작성한 대본을 바탕으로 음성을 만들기 때문에 텍스트가 모든 것의 중심에 있습니다. 따라서 기계가 그 정보를 처리하는 방식을 반드시 이해해야 합니다.

⏱ 13:36그런 기초를 다지고 나면 핵심 기술로 넘어가 폭넓고 자세하게 다룹니다. 연결 합성(concatenative synthesis) 같은 전통적인 텍스트 음성 변환 기법에서 시작해, 하이파이갠(HiFi-GAN) 같은 신경망 보코더까지 살펴볼 것입니다. 이 분야를 조금이라도 접해 보셨다면 그 아키텍처 이름을 이미 들어 보셨을 가능성이 큽니다. 상당히 유명한 구조이기 때문입니다.

⏱ 14:05보코더 다음에는 신경망 코덱으로 넘어갑니다. 신경망 오디오 압축을 통해 이산적인 오디오 토큰을 얻는 기술입니다. 인코덱은 잘 알려진 인기 있는 신경망 코덱 아키텍처이며, 앞에서 언급한 두 코덱을 아마 모두 다루게 될 것입니다. 왜 중요할까요? 신경망 코덱은 파형을 입력받아 압축하고, 원래 파형의 차원을 훨씬 낮은 차원의 토큰 공간으로 줄여 주기 때문입니다.

⏱ 14:53이렇게 차원이 낮은 공간으로 옮겨 가면 그 토큰 표현 안에서 원하는 생성 작업을 할 수 있습니다. 그다음 인코딩의 역과정인 디코딩을 수행해 다시 파형 공간으로 돌아옵니다. 디코딩은 인코덱이나 사운드스트림, 또는 다른 신경망 코덱의 디코더가 담당합니다. 이것은 오늘날 최신 텍스트 음성 변환·음성 복제 시스템을 이루는 매우 중요한 구성 요소입니다.

⏱ 15:32신경망 코덱을 마치면 또 하나의 매우 중요한 주제인 자기지도 음성 표현으로 넘어갑니다. 웨이브엘엠(WavLM) 같은 시스템이 여기에 해당합니다. 이런 시스템은 표현 학습을 이용해 특정 사람의 음색이나 말에 담긴 감정, 운율, 억양 등을 표현하는 정보를 얻도록 해 줍니다. 말하자면 음성의 이런 고차원적인 특성을 나타내는 일종의 지문을 만드는 데 사용할 수 있습니다.

⏱ 16:26이러한 자기지도 음성 표현 모델은 음성 합성에만 쓰이지 않습니다. 자동 음성 인식이나 음성 향상에도 사용됩니다. 강좌 내내 반복해서 만나게 될 특징입니다. 여러 구성 요소와 도구를 배우겠지만, 그것들은 음성 합성에만 묶여 있지 않습니다. 생성형 음악, 음성 향상, 잡음 제거, 화자 분리(speaker diarization) 같은 다른 음성·음악 응용에도 사용할 수 있는 동일한 기본 구성 요소입니다. 여기서 한 번 배운 도구를 다른 곳에서 재사용할 수 있다는 점에서 매우 강력합니다.

⏱ 17:34자기지도 모델을 마치고 나면 오늘날 음성 복제와 텍스트 음성 변환의 최신 방식인 코덱 기반 생성으로 넘어갑니다. 발리(VALL-E) 같은 시스템이 그 예입니다. 큰 틀에서는 앞서 신경망 코덱을 설명할 때 이야기한 방식대로 작동합니다. 신경망 코덱이 오디오를 낮은 차원의 토큰 공간으로 압축하고, 트랜스포머나 다른 복잡한 아키텍처가 그 토큰 공간에서 생성 작업을 수행합니다. 그리고 생성이 끝나면

⏱ 18:18이 새로운 토큰 시퀀스를 신경망 코덱에 넣어 다시 파형 공간으로 돌아올 수 있습니다. 이때 사용하는 것은 인코더가 아니라 디코더입니다.

⏱ 18:30이 부분을 마치면 음성 복제와 텍스트 음성 변환의 최신 기술을 탄탄하게 이해하게 될 것입니다. 음성 복제를 위한 제로샷 학습과 퓨샷 학습, 미세조정도 다룹니다. 이처럼 음성 합성이라는 하나의 주제에서 파생되는 여러 방식과 변형을 함께 살펴볼 예정입니다.

⏱ 19:00그다음 세 번째 부분에서는 무엇을 할까요? 연구의 최전선을 살펴봅니다. 요즘 활발하게 연구되는 주제가 무엇인지 알아보는 것입니다. 구체적으로는 감정이나 운율처럼 음성의 더 복잡한 측면을 반영할 수 있는 모델을 다룹니다. 앞으로 살펴보겠지만, 운율(prosody)은 말 속의 음악입니다. 우리가 리듬과 선율을 담아 말을 표현하는 방식을 뜻합니다.

⏱ 19:32또한 대체로 비슷한 기법을 사용해 억양을 모델링하는 방법도 살펴봅니다. 그다음에는 노래하는 목소리로 잠시 들어갑니다. 더 사운드 오브 AI는 기본적으로 AI 음악 채널이기도 하므로, 음성 복제를 노래 목소리에 적용하는 방법을 간단히 다룰 것입니다. 음성을 입력받아 다른 화자의 음성으로 직접 바꾸는 음성 간 생성(speech-to-speech generation)도 살펴봅니다.

⏱ 20:17마지막으로 대화형 에이전트와 음성 에이전트를 다룹니다. 음성 에이전트가 왜 그렇게 화제가 되는지 알아보고, 어떤 응용 분야와 미래의 기회, 가능성이 있는지 살펴볼 것입니다. 이것이 전체 계획입니다. 보시다시피 매우 폭넓고 규모도 큽니다. 이 모든 내용을 차례로 공부하려면 상당한 시간이 필요할 것입니다.

⏱ 20:44이 영상은 제가 직접 제공하는 영상입니다. AI 음악·음성·오디오 제품을 만들다가 중요한 기술적 난관에 부딪혔다면 제가 도울 수 있습니다. 저는 15년 동안 AI 오디오 기업과 제품을 만들어 왔습니다. 현재는 아키텍처, 연구개발(R&D), 제품 전략, 채용에 관한 자문을 제공하며, 비용이 큰 실수와 수개월의 시간 낭비를 피하도록 돕고 있습니다. 전략 상담 예약은 영상 설명의 링크를 이용하시면 됩니다. 자막에 표기된 주소는 ‘valeriaadvisor.com’입니다. 이제 다시 강좌 이야기로 돌아가겠습니다.

⏱ 21:22학습 자료는 어디에서 구할 수 있을까요? 읽기 목록과 지금 보시는 것 같은 슬라이드 발표 자료를 제공할 예정이며, 모두 깃허브(GitHub)에서 무료로 공개합니다. 전용 저장소가 마련되어 있습니다. 지금은 비어 있지만 새 영상을 게시할 때마다 해당 영상과 관련된 학습 자료를 추가하겠습니다. 저장소를 방문하셨다면 제가 하는 작업을 응원한다는 뜻으로 별표를 눌러 주시면 감사하겠습니다.

⏱ 22:08강좌의 주제에 관해 토론할 수도 있습니다. 더 사운드 오브 AI 슬랙(Slack) 커뮤니티가 그 공간입니다. 아직 가입하지 않으셨다면 많은 것을 놓치고 계신 셈입니다. AI 음악, AI 음성, 오디오와 음악이 만나는 여러 주제를 다루는 친근한 커뮤니티입니다. 강좌를 위해 ‘TTS course’라는 채널도 만들었습니다. 기존 슬랙 회원은 새 채널에 직접 참여해야 합니다. 처음 가입하는 분은 커뮤니티에 들어오는 순간 이 채널에도 참여되어 있을 것입니다.

⏱ 22:59가입하려면 여기 보이는 더 사운드 오브 AI 슬랙 커뮤니티 링크로 가시면 됩니다. 그 링크를 통해 커뮤니티로 들어올 수 있습니다. 화면에서 보시듯 1만 1천 명 이상이 함께하는 매우 좋은 곳이고 분위기도 친근합니다. 이번 강좌에 관한 피드백을 얻는 목적뿐 아니라, 그 밖의 여러 이유로도 참여해 보시기를 권합니다.

⏱ 23:27슬랙 커뮤니티 외에 유튜브 영상 바로 아래에도 댓글을 남겨 주세요. 여러분의 질문에 최대한 많이 답하려고 합니다. 응원의 댓글도 남겨 주시면 감사하겠습니다. 댓글은 알고리즘에도 큰 도움이 되기 때문입니다. 궁금한 점이 있다면 질문을 댓글로 남겨 주시고, 저는 그 질문들에 답하도록 노력하겠습니다.

⏱ 23:58이 강좌를 최대한 활용하려면 어떻게 해야 할까요? 먼저 능동적으로 시청하시기를 강력히 권합니다. 영상을 수동적으로 따라 보기만 하고 끝내지 마세요. 그러면 배우고 있다는 느낌은 들겠지만 실제로 제대로 배우지는 못할 수 있습니다. 영상을 멈추고 제가 말하는 내용을 곰곰이 생각해 보세요. 논리의 흐름과 아키텍처의 구조를 직접 그려 보는 것도 좋습니다.

⏱ 24:31그다음에는 강좌에서 소개하는 논문과 아키텍처 가운데 적어도 일부를 직접 공부해 보세요. 음성 합성의 복잡성을 이해하고 숙달하는 데 중요한 또 다른 관점을 얻을 수 있습니다. 깃허브나 허깅페이스(Hugging Face)에 있는 모델과 오픈소스 구현도 안내할 것입니다. 직접 찾아보고 이것저것 실행하며 실험해 보세요. 실제로 작업하고 가지고 놀아 보아야 배울 수 있습니다. 그것이 여러분이 할 수 있는 가장 중요한 일입니다.

⏱ 25:12모든 영상은 게시되는 순서대로 보시기를 권합니다. 이 영상을 제가 올린 뒤 1~2년이 지나서 보고 계신다면 강좌는 이미 완성되어 있을 테니 자신의 속도에 맞춰 전체를 공부할 수 있겠지요. 어느 경우든 순서는 지키는 것이 좋습니다. 그 안에는 의미 있는 구조가 있기 때문입니다. 이 복잡한 주제에 최대한 편안하게 입문한 뒤, 점차 더 높은 수준의 복잡성으로 나아갈 수 있도록 구성하고 있습니다.

⏱ 25:50하지만 무엇보다 중요한 것은 시간을 들이는 일입니다. 쉬운 강의들이 되지는 않을 것입니다. 큰 틀의 직관을 설명하는 영상은 비교적 쉬울 수 있지만, 나머지는 깊이 들어갑니다. 이를 피해 갈 방법은 없습니다. 강의를 따라가는 데 시간을 쓰고, 논문을 공부하는 데 시간을 쓰고, 따로 코드를 직접 실행하고 실험하는 데 시간을 쓰셔야 합니다. 매우 복잡한 주제이므로 지름길은 없습니다. 결국 시간을 투자해야 합니다.

⏱ 26:30마지막으로 강좌의 진행 속도, 즉 제가 영상을 올리는 속도와 여러분에게 권하는 학습 속도를 말씀드리겠습니다. 특히 새 영상이 올라오는 대로 수강하는 분들에게 해당하는 이야기입니다. 목표는 일주일에 영상 1~2편을 게시하는 것입니다. 물론 업무나 다른 외부 조건과 제약에 따라 달라질 수 있습니다. 이 속도를 유지하면 전체 시리즈의 모든 영상을 게시하는 데 약 3~5개월이 걸릴 것입니다.

⏱ 27:04여러분께는 매주 적어도 3~5시간을 공부에 투자하시기를 권합니다. 꾸준히 그렇게 하면서 제가 공유하는 자료들을 따라 공부한다면, 텍스트 음성 변환과 음성 복제에 대한 이해가 매우 탄탄해질 것이라고 약속드립니다. 이 일을 하는 사람들의 95%보다 더 잘 이해하는 수준에 이르게 될 것입니다.

⏱ 27:41이번 강좌 소개에서 보셨듯 저는 많은 시간과 노력을 들이고 있습니다. 이런 일을 하고 더 사운드 오브 AI를 운영하는 이유는 훌륭한 교육을 무료로 제공하는 것이 제 사명이기 때문입니다. 저는 그 가치를 굳게 믿으며, 그것은 저에게 가장 큰 동기를 주는 일 가운데 하나입니다. 여러분도 이 사명과 가치에 공감하신다면 채널을 구독해 주시면 감사하겠습니다. 강좌를 널리 알리는 데 큰 도움이 되고 여러분에게는 비용이 들지 않습니다. 이번 소개에서 하고 싶었던 말은 여기까지입니다. 이제 시작할 준비가 되었습니다. 다음 영상에서 곧 만나겠습니다. 이제 본격적인 축제가 시작됩니다.