본문으로 건너뛰기
ReviewRamble

주간 브리프

AI 리뷰를 받은편지함으로.

  • 도구, 모델, MCP 서버, 저장소의 새 리뷰(결론부터)
  • 변경이 있을 때 다시 확인한 가격과 평점
  • 새로 발행된 분석 글

모델, 에이전트, MCP 서버, 그리고 정말 시간을 들일 만한 도구.

일주일에 한 통입니다. 각 브리프의 링크로 구독을 해지할 수 있습니다. 이메일 사용 방식

음성 합성(Text-to-speech)

음성 합성(text-to-speech, TTS)은 글로 쓴 텍스트를 말소리 오디오로 바꾸는 소프트웨어입니다. 현대 TTS는 텍스트로부터 말소리를 예측하는 신경망을 쓰고, 이를 파형으로 렌더링합니다.

다른 이름: TTS, speech synthesis, AI voice generator

작성 Divya Sharma · 2026년 11월 15일 확인 · 리뷰 방식

TTS는 화면 낭독기, 내비게이션 앱, 오디오북, 음성 에이전트의 목소리입니다. 예전 시스템은 녹음한 말소리 조각을 이어 붙였습니다. 신경망 TTS는 대신 몇 시간 분량의 녹음된 목소리로부터 텍스트가 어떻게 소리 나야 하는지 배웁니다.

작동 방식

Google의 Tacotron 2는 고전적인 2단계 설계를 보여 줍니다. 한 네트워크가 문자를 시간에 따른 소리 에너지 변화를 그린 그림인 멜 스펙트로그램으로 대응시킵니다. 두 번째 네트워크인 보코더가 그 그림을 오디오로 바꿉니다. 많은 새 모델은 스펙트로그램을 건너뛰고, 언어 모델이 단어를 예측하는 것과 같은 방식으로 오디오 토큰을 직접 예측합니다.

TTS 모델 고르기

개발자에게 중요한 것은 자연스러움, 첫 오디오까지의 지연, 언어 범위, 속도와 감정 제어, 문자당 가격입니다. ElevenLabs 같은 호스팅 서비스가 노트북에서 돌아가는 Kokoro 82M 같은 작은 오픈 모델과 경쟁합니다.

관련 용어

TTS는 음성 인식의 반대입니다. TTS가 특정한 한 사람처럼 들리게 하는 것은 보이스 클로닝입니다. 실시간 대화에서는 음성 대 음성 모델이 텍스트 단계를 아예 대체할 수 있습니다.

한계

TTS는 이름, 숫자, 약어를 잘못 발음할 수 있고, 긴 구절에서는 어조가 흐트러질 수 있습니다. 사람처럼 들리는 출력은 다른 사람을 사칭하는 데 악용될 수 있습니다.

관련 용어

음성 인식(Speech-to-text)
음성 인식(speech-to-text)은 자동 음성 인식(ASR)이라고도 하며, 말소리 오디오를 글로 바꾸는 소프트웨어입니다. 전사, 자막, 음성 명령, 그리고 음성 에이전트의 듣는 쪽을 맡습니다.
보이스 클로닝(Voice cloning)
보이스 클로닝(voice cloning)은 AI를 써서 음성 합성 시스템이 특정인의 녹음으로부터 배운 그 사람의 목소리로 말하게 하는 것입니다. 일부 시스템은 짧은 샘플만 있으면 됩니다.
음성 대 음성 모델(Speech-to-speech model)
음성 대 음성 모델(speech-to-speech model)은 음성을 먼저 텍스트로 바꿨다가 되돌리지 않고, 말소리 오디오를 받아 말소리 오디오를 직접 내놓는 모델입니다. 실시간 음성 대화와 통역에 쓰입니다.
음성 에이전트(Voice agent)
음성 에이전트(voice agent)는 실시간으로 음성 대화를 나누는 AI 에이전트로, 사람의 말을 듣고, 무엇을 말하거나 할지 정하고, 합성 음성으로 답하며, 흔히 전화선이나 앱을 통해 작동합니다.
텍스트 투 뮤직(Text-to-music)
텍스트 투 뮤직(text-to-music)은 장르, 분위기, 악기, 템포 같은 글 설명으로부터 음악 오디오를 생성하는 작업입니다. 일부 시스템은 가사를 쓰고 노래까지 부릅니다.

출처