Touchizen
Touchizen시간을 선물합니다
블로그로 돌아가기
Gemini 3.8 TTS음성 복제TTSAI 목소리

구글 AI에 내 목소리 넣었다가 큰일 났습니다 — Gemini 3.8 TTS 음성 복제 실험

Touchizen·

21초 녹음, 7초 대기, 그리고 제 목소리

2026년 9월 23일, 구글이 새 AI 목소리 모델 Gemini 3.8 TTS를 공개했습니다. 글자를 목소리로 바꿔 주는 TTS인데, 이번 버전은 짧은 녹음만으로 내 목소리를 복제할 수 있습니다. 그래서 제 목소리를 넣어 봤습니다 — 그리고 큰일이 한두 개가 아니었습니다.

📌 영상 속 "셋 중 진짜는?" 블라인드 퀴즈를 직접 풀어 보고 싶다면, 영상을 먼저 보세요. 이 글의 "큰일 ③"에는 스포일러가 있습니다.

Gemini 3.8 TTS가 뭔가요

모델은 두 가지입니다.

  • Gemini 3.8 Flash TTS — 연기에 강한 모델. 캐릭터, 오디오북, 내레이션용
  • Gemini 3.8 Flash-Lite TTS — 싸고 빠른 모델. 대량 더빙, 음성 에이전트용

한국어를 포함해 Flash는 130개, Flash-Lite는 101개 언어를 지원하고, 준비된 목소리만 2,000개가 넘습니다. 새 기능의 핵심은 두 가지입니다. 글로 설명해서 목소리를 새로 만드는 목소리 디자인, 그리고 짧은 녹음으로 목소리를 복제하는 음성 복제입니다.

큰일 ① 가격이 말이 안 됩니다

가격표대로 계산하면 1시간 분량 음성이 약 81센트, 우리 돈 약 1,100원입니다(Flash 기준, 환율 1달러≈1,366원). Flash-Lite는 약 54센트입니다.

100만 글자당 가격 비교 — Gemini 3.8 Flash TTS $16.5, Cartesia Sonic 3.6 $49, ElevenLabs v3 Conversational $50, Eleven v3 $100

Artificial Analysis가 정리한 100만 글자당 가격(영어 기준)으로 비교하면 차이가 더 분명합니다.

모델 100만 글자당
Gemini 3.8 Flash TTS $16.5
Cartesia Sonic 3.6 (기본 목소리 1위) $49
ElevenLabs v3 Conversational $50
ElevenLabs Eleven v3 $100

1위 모델의 3분의 1, ElevenLabs 최신 모델들의 3분의 1에서 6분의 1 수준입니다. 게다가 무료로 쓸 수 있는 구간도 있습니다 — 이 "무료"가 뒤에서 진짜 큰일이 됩니다.

큰일 ② 비싼 구독을 끊게 됩니다

싸기만 한 게 아닙니다. 사람들이 블라인드로 듣고 투표하는 Artificial Analysis 순위(영어, 기본 목소리)에서 Gemini 3.8 Flash TTS는 2위입니다. 1위 Cartesia Sonic 3.6(1,279점)과의 차이는 14점으로, 오차 범위(±17)보다 작습니다. 사실상 같은 줄에 서 있는 셈이고, ElevenLabs 최신 모델 둘(1,196점·1,169점)은 그보다 아래입니다.

Artificial Analysis 기본 목소리 순위 — 1위 Cartesia Sonic 3.6, 2위 Gemini 3.8 Flash TTS

그런데 목소리 복제 순위는 다릅니다. 같은 복제 목소리 8개로 겨루는 순위(Controlled Voice, 영어)에서는 Gemini 3.8 Flash TTS가 12위로 내려가고, ElevenLabs Eleven v3가 6위로 더 위입니다. 기본 목소리만 쓸 거라면 비싼 구독을 다시 생각해 볼 만하지만, 복제 품질은 따로 봐야 합니다.

그럼 한국어로, 제 목소리로 하면 어떨까요? 그래서 직접 해 봤습니다.

셋 중 진짜는? — 블라인드 퀴즈

같은 문장을 세 가지 목소리로 준비했습니다.

  • 진짜 제가 녹음한 것
  • Gemini로 복제한 제 목소리
  • ElevenLabs v3로 복제한 제 목소리

블라인드 퀴즈 — 진짜 녹음, Gemini 복제, ElevenLabs v3 복제

영상에서는 A·B·C로 섞어 두 라운드를 들려드립니다(1:47부터). 한 가지 밝혀 둘 점: 퀴즈 문장은 Gemini 복제에 넣은 원본 녹음에 들어 있던 문장이라, Gemini에 조금 유리한 시험입니다. 몇 개나 맞히셨는지 영상 댓글로 알려 주세요.

큰일 ③ 제 목소리가 필요 없어졌습니다

⚠️ 스포일러: 영상의 반전입니다.

영상에서 들으신 내레이션은, 진짜 녹음이라고 밝힌 부분을 빼면 처음부터 끝까지 전부 Gemini로 복제한 제 목소리입니다. 대본을 글자로 입력했을 뿐입니다.

음성 복제에 필요한 것 — 내 목소리 녹음 21초와 본인이 읽은 동의 문장 녹음

복제에 필요한 건 두 가지였습니다.

  1. 내 목소리 녹음 — 10~30초. 저는 21초를 넣었습니다.
  2. 동의 문장 녹음 — 본인이 직접 읽어야 합니다. 한국어 문장은 이렇습니다. "나는 이 음성의 소유자이며 구글이 이 음성을 사용하여 음성 합성 모델을 생성할 것을 허용합니다."

본인이 읽은 동의 녹음이 없으면 복제가 막혀 있습니다. 두 파일을 올리고 7초 남짓 지나자 제 목소리가 만들어져 있었습니다.

재미있는 건 목소리의 나이입니다. 예전에 ElevenLabs로 만든 복제는 몇 년 전 녹음으로 만들어서 제가 듣기엔 조금 더 젊게 들리고, Gemini 쪽은 최근 녹음으로 만들었습니다. AI가 목소리의 나이까지 따라 하는 셈입니다.

큰일 ④ 대본에 연기까지 적게 됩니다

이제 목소리를 고르는 게 아니라 글로 설명해서 만듭니다. "따뜻하고 허스키한 60대 이야기꾼", "흥분 잘하는 20대 스포츠 캐스터"처럼 한두 문장이면 됩니다.

대본 안에 연기 지시도 넣을 수 있습니다. <short pause>, <sigh>, <laugh>처럼 꺾쇠 괄호로 한숨·웃음·멈춤을 적고, 스타일에 "속삭이듯"이라고 쓰면 속삭입니다. 두 사람 대화도 한 번에 만들어집니다(기본 목소리일 때). 성우 캐스팅을 글로 하는 시대가 온 셈입니다.

직접 써보는 법 — Google AI Studio

코드 없이 Google AI Studio의 음성 생성 화면에서 바로 써 볼 수 있습니다.

Google AI Studio 음성 생성 화면 — 복제한 목소리로 읽히는 모습

  1. AI Studio에서 음성 생성(Generate speech) 화면을 열고, 모델을 Gemini 3.8 Flash TTS로 고릅니다.
  2. 읽힐 문장을 적고 Run을 누르면 바로 읽어 줍니다.
  3. 목소리 버튼에서 준비된 목소리(2,000개 이상)를 고르거나, 복제·디자인으로 새 목소리를 만듭니다. 둘 다 결제를 연결한 API 키가 있어야 열립니다. 복제에 필요한 녹음 두 개도 여기서 직접 녹음할 수 있습니다.
  4. 말투는 Style 칸에 글로 적습니다(예: "황당하고 억울한 말투로"). 입력한 뒤 Enter로 확정해야 실제로 적용됩니다 — 창을 그냥 닫으면 적용되지 않습니다.
  5. 연기 태그는 외울 필요 없이 Expression 목록에서 누르면 커서 자리에 들어갑니다.
  6. 목소리 디자인은 설명을 적고 Generate를 누르면 후보가 세 개 나오고, 들어 보고 고르면 됩니다.

💡 Get code 주의: 오른쪽 위 Get code로 파이썬 코드를 받을 수 있지만, Style에 적은 말투는 빠지고, 복제 목소리는 ID가 아니라 표시 이름만 들어갑니다. 그대로 실행하면 오류(HTTP 400)가 나니, 목소리 ID와 말투는 직접 고쳐 넣어야 합니다.

진짜 큰일 ① 무료로 쓰면

여기까지의 "큰일"은 사실 전부 자랑이었습니다. 이제 진짜 큰일 세 가지입니다.

앞에서 제 목소리가 필요 없어졌다고 했죠. 그런데 무료로 쓰면, 구글에는 필요할 수 있습니다.

  • Gemini API 가격표에는 무료 사용분을 제품 개선에 쓴다고 적혀 있습니다(유료는 쓰지 않음).
  • 약관을 보면 무료로 보낸 내용과 결과를 구글이 제품·AI 개선에 쓰고, 사람 검토자가 읽을 수도 있습니다. 검토 전에 계정과 분리한다고 하지만, 목소리는 그 자체로 누군지 드러냅니다. 약관은 개인 정보를 보내지 말라고도 합니다.
  • 그런데 음성 복제는 내 목소리를 보내야 만들어지는 기능입니다. AI Studio에서는 복제가 유료 키에서만 열리지만, API 무료 키로도 막혀 있는지는 문서에 없습니다.
  • 사용량 기록을 보면, 복제 목소리로 말할 때마다 원본 녹음 분량이 입력으로 잡혀 있습니다.

사실 저도 복제를 끝낸 뒤에야 이걸 읽었습니다. 다행히 제 키는 결제가 연결된 유료였습니다. 결제 계정을 연결한 유료 사용량은 제품 개선에 쓰지 않는다고 적혀 있고, 다만 악용 감시용 기록은 일정 기간 남습니다. 유럽 경제 지역·영국·스위스는 무료여도 이 조항의 예외지만, 한국은 해당되지 않습니다.

진짜 큰일 ② 생각보다 덜 쌀 수 있습니다

  • 한국어에선 격차가 줄어듭니다. 앞의 가격 비교는 영어 글자 기준이었습니다. Gemini는 시간(오디오 길이)으로 값을 매기는데, 한국어는 1초에 읽는 글자가 영어보다 적습니다(이 영상 내레이션 기준 약 8.3자/초, 영어는 약 13.6자/초로 추정). 그래서 글자 수로 값을 매기는 서비스와 비교하면 한국어에선 차이가 좀 줄어듭니다.
  • 지금 가격은 기간 한정입니다. 2027년 1월 1일부터 Flash와 Flash-Lite 모두 가격이 두 배로 오릅니다. 시간당 81센트가 1달러 62센트가 됩니다.

진짜 큰일 ③ 아직 안 되는 것들

  • 한국어 점수가 없습니다. 제가 찾아본 주요 공개 순위에는 한국어 점수가 아예 없습니다. 그래서 영상에서 직접 들려드렸습니다.
  • 해외 리뷰에서는 기본 목소리들이 다 비슷비슷하다는 평도 있었습니다.
  • 한 번에 대화할 수 있는 건 두 명까지, 그것도 기본 목소리일 때만입니다. 복제 목소리끼리는 따로 만들어 붙여야 합니다.
  • 응답 속도는 공개된 수치가 없습니다. 실시간 상담용이라면 따져 봐야 합니다.
  • 일부 지역(AI Studio 기준 영국·유럽 경제 지역·스위스·인도·미국 텍사스·일리노이)에서는 복제가 막혀 있습니다.

악용이 걱정될 수 있는데, 구글은 본인 동의 녹음을 요구하고 모든 음성에 SynthID 워터마크를 넣습니다. 다만 이 워터마크는 귀로는 들리지 않습니다.

그래서, 써도 될까?

결론 — 용도별 추천

용도 추천
유튜브 내레이션·오디오북 Gemini 3.8 Flash TTS — 충분히 쓸 만합니다. 단, 결제를 연결한 유료로
대량 더빙·저예산 Flash-Lite 또는 절반 가격인 Batch
실시간 상담 봇 응답 속도가 공개된 서비스와 먼저 비교(Voice Arena 미국 영어 중앙값: Sonic 3.6 341ms · Inworld TTS-2 169ms · Simba 3.2 123ms, Gemini 3.8은 미측정)
캐릭터 개성·복제 품질 아직은 ElevenLabs도 좋은 선택

진짜 조심할 건 세 가지입니다. 무료 약관, 2027년 가격, 그리고 한국어는 직접 들어 보고 고를 것.

이 영상은 이렇게 만들었습니다

이 영상 내레이션을 만드는 동안 제가 마이크 앞에서 말한 건 1분이 안 됩니다 — 복제용 원본과 동의 문장, 블라인드 퀴즈용 진짜 녹음이 전부입니다. 나머지는 전부 글자였습니다.

영상 자체도 AI 코딩 도구 Claude Code에게 준 몇 줄에서 시작했습니다. 첫 프롬프트는 구글 발표 글 주소와 이 두 줄이었습니다.

gemini 3.8 tts 가 매우 좋다고 하는데, 장단점과 타사와 비교등을 해서 가장 중요한 것을 궁금한 것으로(훅) 만들어서,
영상을 제작했으면 해. 먼저 관련 정보를 조사를 해도 되고, 해줄 수 있어?

이후 대화로 롱폼 형식, "손해 낚시형" 훅, 제 목소리 복제, 대본 검토 같은 방향을 정했습니다. 조사부터 대본, 내레이션 생성, 영상 조립까지 이 흐름 위에서 만들어졌습니다.

출처

2026년 9월 23~26일에 확인한 내용이며, 수치는 바뀔 수 있습니다.