인간은 소음이 심한 환경이나 청각 장애가 있는 청자를 대상으로 말할 때와 같이 어려운 환경에서 더 크고 명확하게 말하는 경향이 있으며, 이를 롬바드 효과 (Lombard effect)라고 합니다. 음성 합성 (Speech synthesis) 시스템에서 이러한 행동을 시뮬레이션하기 위해, 우리는 발성 노력 (vocal effort) 및 조음 (articulation) 의사 라벨 (pseudo-labels)로 학습된 플로우 매칭 (flow-matching) 기반 텍스트 음성 변환 (TTS) 모델을 소개합니다. 제안된 모델은 발성 노력과 조음의 연속적이고 분리된 (disentangled) 제어를 달성하는 동시에, 발화의 특정 구간을 명확하게 하기 위한 단어 수준의 강조 (word-level emphasis)를 가능하게 합니다. 실험 결과, 이러한 제어 메커니즘이 명료도 관련 음향 특징들을 효과적으로 개선함을 보여줍니다. 나아가, 소음 속 음성 (speech-in-noise) 실험을 통해 우리 모델이 소음 조건에서 인간의 명확한 음성 (clear speech)이 제공하는 명료도 이득을 성공적으로 시뮬레이션함을 입증합니다.