동화책 리더

아이에게 동화책을 읽어주고 싶은데 목이 아플 때, 기계가 대신 읽어주면 어떨까 — 그런 질문에서 시작했습니다.

사진에서 음성까지

카메라로 동화책 페이지를 찍으면 GPT-4o Vision이 텍스트를 추출합니다. 추출된 텍스트는 Qwen3-TTS가 음성으로 변환합니다. 4가지 음성 스타일 중 고를 수 있고 속도도 조절됩니다. 한국어와 영어 모두 지원합니다.

백엔드는 FastAPI로, 모바일 앱은 React Native Expo로 만들었습니다. OCR과 TTS라는 서로 다른 AI 모델을 하나의 파이프라인으로 엮는 과정에서 응답 시간 관리와 에러 처리가 핵심 과제였습니다.

실용과 실험 사이

육아 맥락에서 출발했지만, 넓게 보면 접근성 도구이기도 합니다. 시각적 텍스트를 음성으로 변환하는 흐름은 동화책 외에도 다양한 장면에 적용할 수 있습니다. 모바일과 백엔드를 동시에 다루면서 멀티모달 AI 파이프라인의 실제 구현 감각을 익힌 프로젝트였습니다.