2010년대 중반 이후, 딥러닝 기반 TTS 모델, 즉 딥러닝 기법의 TTS 분야 도입은 큰 변화를 가져왔다. 구글의 ‘타코트론(Tacotron)’ 시리즈와 딥마인드(DeepMind)의 ‘웨이브넷(WaveNet)’은 대표적인 모델로 꼽힌다. 타코트론 계열은 텍스트 입력을 멜스펙트로그램(Mel spectrogram: 소리의 높낮이, 음색, 강도 등이 시간에 따라 변화하는 양상을 시각화하며 음성 인식, 음악 정보 검색, 오디오 분석 등 다양한 분야에 활용) 등 중간 표현으로 변환한 후, 이를 음성으로 복원하는 엔드투엔드(End to End) 모델 시스템을 구현하여, 보다 자연스럽고 유연한 음성 합성이 가능케 한다.
--- 「04_AI와 보컬, 음성 합성 기술」 중에서

AI를 활용한 음악 교육은 개인 맞춤형 학습, 학습 효율성 향상, 음악 창작 지원, 실시간 피드백 제공 등의 장점을 통해 기존 음악 교육 방식을 혁신하고 있는 것은 분명 사실이다. 또한 AI 도구들은 경제적이고 접근성이 높아 음악 교육의 보편화를 촉진하는 긍정적 역할을 한다. 그러나 AI 기반 음악 교육은 감성적 피드백에서는 부족함이 있으며, 즉흥 연주 및 창의적 표현 지도에는 여전히 한계가 있다. 아울러 기술적 오류 가능성이 크며, 인간 교사의 역할 대체 불가능한 측면이 존재한다.