구글, 목소리 2000종 갖춘 신형 TTS 모델 공개

ai.euno.news 자동 뉴스 요약

구글이 23일 새로운 텍스트 음성 변환(TTS) 모델 두 종을 공개했다. gemini-3.8-flash-tts와 더 가벼운 gemini-3.8-flash-lite-tts로, 두 모델 모두 2000개가 넘는 목소리 라이브러리를 갖췄다고 개발자 사이먼 윌리슨이 자신의 블로그에서 전했다.¹

윌리슨에 따르면 이번 모델의 특징은 목소리 개수만이 아니다. 사용자가 30초 분량의 음성 샘플만 있으면 본인 목소리나 사용 권한이 있는 목소리를 커스텀 보이스로 등록해 쓸 수 있다. API 차원에서는 여러 등장인물이 각자 다른 목소리와 말투 지시(voice style instruction)를 받아 대화를 나누는 시나리오를 한 번에 구성할 수 있는 기능도 눈에 띈다고 그는 설명했다.

윌리슨은 이 API를 써서 별도 키를 입력해 쓰는 플레이그라운드 웹 도구를 직접 만들어 공개했다. GPT-6 Astra로 이 인터페이스를 “바이브 코딩(vibe coded)“했으며, 기반이 되는 Gemini API가 CORS 정책을 열어둔 덕분에 별도 서버 없이 브라우저에서 바로 호출하는 구조로 만들 수 있었다고 밝혔다. 이는 구글의 공식 제품이 아니라 윌리슨 개인이 API 공개 직후 만든 도구다.

그가 공개한 데모는 퍼시피카 부두(Pacifica Pier)로 이사할지를 놓고 다투는 펠리컨 두 마리의 대화 클립이다. 대사는 Claude 4.5 Opus가 작성했고, 이를 재생하는 URL을 생성해 렌더링했다. 1분 18초 분량의 오디오를 만드는 데 걸린 시간은 약 20초, 비용은 2.74센트였다. 이 수치는 더 저렴한 Flash-Lite가 아니라 상위 모델인 Gemini 3.8 Flash TTS를 썼을 때 나온 값이다.

이 글은 구글의 공식 발표 내용을 상세히 전하기보다 윌리슨이 API를 직접 써본 소감과 도구 제작 과정에 가깝다. 가격 체계나 각 모델의 세부 기술 사양, 2000개 목소리의 언어·화자 구성 같은 정보는 담겨 있지 않다.

읽기 목록은 이 브라우저에 저장됩니다.