Google 공식 로고
발행 2026-09-24
Google 공식 로고
구글은 글을 음성으로 바꾸는 Gemini 3.8 Flash TTS와 대량 제작용 Flash-Lite TTS를 출시했다. 목소리 설계와 복제, 대사별 감정·속도 조절, 두 사람의 대화 생성까지 지원해 팟캐스트와 더빙, 음성 상담 서비스의 제작 과정을 세밀하게 자동화할 수 있다.
배경부터 이해하기 TTS는 입력한 글을 사람이 말하는 것 같은 음성으로 바꾸는 기술이다. 오디오북이나 영상 더빙뿐 아니라 사용자의 질문을 음성으로 듣고 답하는 서비스에도 쓰인다. 구글은 이번 발표에서 기존에 제공하던 30개 기본 음성에서 벗어나, 사용자가 원하는 목소리를 직접 설계하는 방식으로 범위를 넓혔다.
두 모델의 역할은 다르다. Flash TTS는 캐릭터와 연기를 세밀하게 만드는 데 초점을 맞췄다. Flash-Lite TTS는 많은 분량의 더빙이나 음성 콘텐츠를 비용 효율적으로 처리하도록 설계됐다. API는 개발자가 자신의 앱에서 구글 모델을 호출하도록 연결하는 통로를 뜻한다.
무엇이 바뀌었나 Flash TTS에서는 역할, 억양, 음색 등의 설명을 일상 언어로 입력해 새로운 목소리를 만들 수 있다. 100개가 넘는 언어와 방언을 지원하며, 제작에 바로 쓸 수 있다고 구글이 설명한 음성도 2,000개 이상 제공한다. 권리를 보유한 목소리의 30초 녹음과 본인의 음성 동의 녹음을 제출하면 같은 특성을 지닌 목소리를 재현할 수도 있다.
두 모델 모두 대사마다 속도와 감정, 방언, 웃음이나 한숨 같은 반응을 지정할 수 있다. 하나의 대본에서 두 화자의 목소리를 구분해 대화를 만들고, 긴 오디오에서도 목소리 특성을 유지하도록 설계됐다. 모든 생성 음성에는 사람이 듣기 어려운 SynthID 표시가 삽입된다. 구글은 Flash TTS가 Hume AI의 목소리 설계 평가에서 종합 71.4점, 억양 재현 평가에서 60.8점을 얻어 각각 1위를 기록했다고 주장했다. 다만 점수의 척도와 세부 평가 방식은 출처에 설명되지 않았다.
왜 중요한가 제작자는 성우 후보를 정한 뒤 모든 대사를 같은 방식으로 녹음하는 대신, 목소리를 먼저 설계하고 장면마다 연기를 수정할 수 있다. 대사 한 줄의 속도나 감정만 바꿔 다시 만들 수 있어 전체 녹음을 반복할 필요가 줄어들 수 있다.
개발자는 같은 기술을 실시간 음성 안내나 상담 서비스에 연결할 수 있다. 대량 처리를 목표로 한 Flash-Lite와 세밀한 표현을 목표로 한 Flash를 작업 성격에 따라 선택할 수 있다는 점도 달라진 부분이다. 음성 복제에는 동의 확인과 생성물 표시가 함께 적용돼 무단 모방 위험을 줄이려는 장치도 포함됐다.
실제로 어떤 의미인가 활용 예시: 두 명이 진행하는 여행 팟캐스트를 만든다고 가정하자. 이전 방식에서는 두 목소리를 고르고 각각의 대사를 녹음한 뒤 웃음과 말의 간격을 편집해야 했다. 새 모델을 이용하면 대본 하나에 진행자별 목소리를 지정하고, 특정 문장에는 ‘천천히 설명’, ‘놀란 말투’, ‘짧게 웃음’ 같은 지시를 붙일 수 있다. 결과를 들은 뒤 어색한 한 줄만 다시 생성하는 흐름이다. 이는 기능을 설명하기 위한 가정한 예시이며, 해당 제작 과정의 시간이나 비용 절감 효과가 실제로 측정됐다는 뜻은 아니다.
사용·공개 범위 두 모델은 발표일부터 개발자가 Gemini API와 Google AI Studio에서 사용할 수 있도록 순차 출시됐다. Flash TTS는 일반 사용자를 위한 Gemini Notebook에도, Flash-Lite TTS는 Google Vids에도 순차 적용된다. Gemini Enterprise용 API 제공은 ‘곧’으로만 예고됐으며 정확한 날짜는 공개되지 않았다. 기존 음성의 음색·높이·속도·억양을 다시 조절하는 기능도 추후 제공 예정이다. 가격과 국가별 이용 범위는 출처에서 확인되지 않았다.
확인할 점 성능 수치와 순위는 구글이 인용한 외부 평가 결과에 근거한 회사 측 주장이다. 실제 품질은 언어, 억양, 대본 길이와 연출 지시에 따라 달라질 수 있다. 장시간 생성에서 음질과 목소리를 유지한다는 설명도 구글의 발표이며, 구체적인 지속 시간이나 오류율은 제시되지 않았다. SynthID가 생성 음성의 식별을 돕더라도 모든 오용을 막는다는 근거는 제공되지 않았다. 음성 복제는 본인 목소리나 사용 권리를 가진 목소리로 범위가 제한된다.
용어 풀이 TTS: 글로 입력한 문장을 사람이 말하는 것 같은 음성으로 바꾸는 기술. API: 개발자가 자신의 앱이나 서비스에서 외부 기능을 호출하도록 마련된 연결 방식. SynthID: AI가 만든 콘텐츠임을 나중에 확인할 수 있도록 결과물에 넣는 구글의 디지털 표시 기술.
[출처: Google Blog · Gemini Models (blog.google) · 발행 2026-09-24T00:15:00+09:00](https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-8-text-to-speech)