AI 텍스트 음성 변환

텍스트 음성 변환(TTS)은 글을 음성 오디오로 바꿔 주는 기술이에요. 예전 TTS는 단어를 하나씩 단조로운 목소리로 읽었어요. 요즘의 AI 텍스트 음성 변환은 문장 전체를 먼저 읽고 어떤 단어를 강조할지, 어디서 질문으로 바뀌는지, 언제 쉬어야 의미가 살아나는지 파악해서 사람처럼 호흡과 리듬을 담아 말해요.

Mage의 텍스트 음성 변환은 ElevenLabs의 최신 모델인 Eleven v4 기반의 Eleven Speech로 작동해요. 최대 5,000자를 붙여 넣고 16가지 음성 중 하나를 고르면, 읽는 시간과 똑같은 길이의 MP3를 받을 수 있어요. [whispers], [laughs], [excited]처럼 대괄호로 쓴 오디오 태그는 소리 내어 읽지 않고 말투만 조절해요.

Mage의 이미지, 영상 모델과 같은 계정에서 쓸 수 있어요. 만든 내레이션을 바로 영상에 입히거나, 캐릭터의 목소리로 지정하거나, Lipsync 앱에서 인물 사진이 말하게 만들 수 있어요.

텍스트 음성 변환은 입력한 내용을 그대로 읽으니, 귀로 들을 글을 쓰세요. 소리 나는 대로 풀어 쓰는 게 좋아요. 예를 들어 "12h" 대신 "열두 시간", 연도로 읽어야 하는 숫자는 "이천이십육 년"처럼 쓰고, 글자 그대로 읽지 않아야 할 약어는 전체 단어로 적어 주세요. 긴 문장은 짧게 나누세요. 듣는 사람은 앞으로 스크롤해서 다시 볼 수 없으니까요.

구두점은 속도를 조절하는 가장 쉬운 방법이에요. 쉼표는 짧은 호흡, 마침표는 더 긴 호흡, 말줄임표는 망설임, 대시는 갑작스러운 끊김을 만들어요. 물음표는 문장 전체의 억양을 바꾸니, 질문 끝에 물음표가 제대로 있는지 확인하세요.

• 읽는 방식이 중요하면 숫자를 글자로 쓰기
• 문장은 짧고 입말로 쓰기
• 쉴 때는 말줄임표, 끊을 때는 대시 사용하기
• 생성하기 전에 스크립트를 한 번 소리 내어 읽어 보기
• 아주 긴 텍스트는 챕터별로 나누기

16가지 음성은 가장 흔한 용도를 모두 아우르고 있어요. 긴 내레이션이나 오디오북에는 Darian, Florence, Sawyer처럼 안정적인 이야기꾼 스타일을, 뉴스·교육·설명 영상에는 Alicia나 Eldrin처럼 또렷한 앵커 스타일을 추천해요. 광고와 소셜 영상에는 Elowen, Jade, Lawrence처럼 경쾌하고 세련된 음성이, 게임에는 Kaelen 같은 캐릭터 음성이 잘 어울려요.

모든 음성이 지원하는 모든 언어를 말할 수 있어서, 스페인어나 일본어 스크립트도 어떤 음성으로든 쓸 수 있어요. 처음 두세 문장을 여러 음성으로 생성해 비교해 보고, 가장 잘 맞는 음성으로 전체 스크립트를 생성하세요.

Eleven v4는 대괄호 안의 태그를 연출 지시로 인식해요. [excited], [nervous], [sarcastic], [softly]는 감정을, [whispers]와 [shouting]은 볼륨을 바꾸고, [sighs], [laughs], [gulps]는 반응을 더해요. [door creaks]나 [applause]는 낭독 중간에 효과음을 넣어요. 태그는 바꾸려는 문장 바로 앞에 넣고, 문장당 한두 개만 사용하세요.

태그를 쓰면 대사와 캐릭터 라인이 훨씬 생생해지고, 일반 내레이션에는 대개 필요 없어요. 모든 영상에서 똑같이 유지해야 하는 캐릭터 음성은 AI 음성 생성기 가이드를, 노래와 배경 음악은 AI 음악 생성기를 참고하세요.

같은 음성을 Mage API로도 사용할 수 있어요. 텍스트와 음성을 POST /v1/eleven_speech/generate로 보내면 MP3를 받을 수 있고, 요금은 250자 단위로 계산돼요. Mage API 페이지에서 키와 요금을 확인하세요. Mage MCP 서버를 연결하면 Claude, ChatGPT 등의 어시스턴트가 필요한 Gem을 먼저 안내한 뒤 채팅에서 스크립트를 대신 읽어 줄 수 있어요.