TTS 목소리, 음질보다 이걸 먼저 들어봐야 한다
TTS의 어색함은 음질이 아니라 언어별 품질, 억양, 끊어읽기, 감정 표현에서 갈리며 영어 데모가 좋아도 한국어는 다를 수 있다. 그래서 서비스를 고를 때는 실제 내 대본을 넣어 한국어 발음과 감정 제어부터 확인하는 것이 순서다. 상업적으로 쓴다면 무료 플랜의 출처 표기 의무와 유튜브의 AI 공시 규정까지 함께 챙겨야 한다.
어색함은 음질이 아니라 다른 데서 나온다
TTS를 처음 써보면 대부분 '목소리가 진짜 사람 같다'는 데 감탄한다. 그런데 몇 문장을 넘기면 어딘가 어색한 지점이 걸린다. 이 어색함은 음질이 나빠서가 아니다.
타입캐스트가 서비스별 발음을 비교한 자료를 보면, 자연스러움을 실제로 가르는 건 네 가지다. 언어별 품질, 억양, 끊어읽기, 그리고 감정 표현이다. 영어에서 가장 자연스럽다고 평가받는 서비스가 한국어에서는 어색하게 들리는 경우가 흔하다. 학습 데이터가 언어마다 다르기 때문이다.
특히 한국어는 조사와 어미가 붙는 구조라 끊어읽기와 억양이 조금만 어긋나도 티가 난다. 숫자, 영어 단어, 고유명사가 섞인 문장에서 발음이 뭉개지는 것도 자주 나오는 문제다. 그래서 데모 음성이 좋다고 바로 결정하면 정작 내 대본에서 어색함이 드러난다.
비교는 이 순서로 들어본다
cottonbro studio
여러 서비스를 무작정 다 써보는 건 비효율적이다. 확인 항목에 순서를 두면 시간을 아낄 수 있다.
- 한국어 품질: 데모 대신 실제 쓸 대본, 그중에서도 숫자와 영어가 섞인 문장을 넣어 발음과 끊어읽기를 듣는다.
- 감정과 억양 제어: 밋밋하게 읽기만 하는지, 아니면 태그나 프리셋으로 톤을 조절할 수 있는지 본다. 뉴스, 광고, 캐릭터 대사는 필요한 톤이 다르다.
- 용도 적합성: 오디오북처럼 긴 낭독인지, 짧은 광고 내레이션인지에 따라 강한 서비스가 갈린다.
- 워크플로우: 영상 편집기, 자막, 아바타와 얼마나 매끄럽게 연결되는지도 실제 작업 속도를 좌우한다.
- 무료 플랜의 제약: 글자 수 제한, 워터마크, 상업적 이용 가능 여부를 미리 확인한다.
한국어 콘텐츠라면 ElevenLabs, 타입캐스트, 네이버 클로바더빙이 자주 후보에 오른다. ElevenLabs는 감정 표현이 강점이고 한국어도 최신 모델에서 개선됐다. 타입캐스트는 한국어 교육·기업 내레이션에서 다루기 편하다는 평가가 많고, 클로바더빙은 네이버가 만든 한국어 보이스라 발음이 안정적인 편이다. 다만 이 평가도 참고일 뿐, 결정은 내 대본으로 직접 비교한 뒤에 내리는 게 맞다.
상업적으로 쓴다면 라이선스가 진짜 관문
목소리가 마음에 들어도, 그 음성을 수익 나는 콘텐츠에 써도 되는지는 별개 문제다. 여기서 실수하면 나중에 콘텐츠를 내려야 할 수도 있다.
핵심은 무료 플랜과 유료 플랜의 권리가 다르다는 점이다. 예를 들어 ElevenLabs는 무료 플랜으로 만든 음성은 상업적으로 쓸 수 없고, 공개할 때 제목에 'elevenlabs.io' 같은 출처를 표기해야 한다. 유료 플랜을 써야 상업 라이선스가 포함되고, 이 권리는 구독을 해지한 뒤에도 유지된다. 대신 생성한 음성과 콘텐츠를 자사 모델 학습에 쓸 권리는 회사가 보유한다. 서비스마다 조건이 다르니 상업 이용 전에는 해당 서비스의 약관을 직접 확인하는 게 안전하다.
유튜브 정책도 짚어둘 필요가 있다. 2025년 'TTS를 쓰면 수익 창출이 금지된다'는 소문이 돌았지만, ZDNet 등의 확인 결과 이는 사실이 아니었다. 유튜브가 규제를 강화한 대상은 TTS 같은 도구가 아니라, 사람의 기획과 편집 없이 기계적으로 찍어낸 저품질·반복 콘텐츠다. 기획과 편집이 들어가 시청자에게 가치를 준다면 생성형 AI로 만든 영상도 수익화가 가능하다. 다만 생성형 AI를 사용한 영상에는 시청자에게 이를 알리는 공시 표시를 다는 것이 원칙이다.
정리하면 TTS 선택은 두 단계다. 먼저 내 대본으로 한국어 자연스러움을 검증하고, 그다음 그 음성을 쓸 플랜의 상업 라이선스와 공시 규정을 확인한다. 목소리가 아무리 좋아도 이 두 번째 단계를 건너뛰면 안심하고 쓸 수 없다.