AI 뉴스 SVIL Google Gemini 3.8 TTS Flash-Lite

Google Gemini 3.8 TTS 공개 — 목소리 설계와 대사별 연기를 나눕니다

SVIL - Singularity Visual Intelligence Lab 2026. 09. 24 12 min read

문장을 읽는 속도는 같아도 질문처럼 들릴 수도, 안내처럼 들릴 수도 있습니다. Google의 Gemini 3.8 TTS 발표는 이런 전달 방식을 대사와 분리해 조절하는 방향을 보여줍니다.

2026년 9월24일 확인한 공식 발표와 개발 문서를 바탕으로 작성했습니다. 회사의 품질 주장을 자체 실측 결과로 제시하지 않았으며, 가상 제작 예시와 SVIL의 평가 제안을 따로 표시했습니다. 삽화는 개념 이미지입니다.

같은 문장도 다르게 들립니다

음성 제작에서 문장 내용과 전달 방식은 함께 결과를 만듭니다. 안내문에서는 명료함이, 이야기에서는 인물의 구별이 중요할 수 있습니다. 이번 소식을 읽을 때도 자연스럽다는 한마디보다 어떤 요소를 지정하고 다시 쓸 수 있는지 살펴보는 편이 구체적입니다.

두 가지 TTS 모델이 나왔습니다

Google은 9월23일 Gemini 3.8 Flash TTS와 Flash-Lite TTS를 발표했습니다. 창작 표현과 대량 처리라는 서로 다른 사용 상황을 설명합니다. 발표 당일의 제공 정보와 향후 예고를 구분해 보면, 현재 사용할 기능의 범위가 더 선명해집니다. [1]

Live 음성과 이번 TTS의 차이

9월15일 공개된 Live 계열은 실시간 음성 대화에 관한 모델입니다. 이번 TTS는 작성된 텍스트를 음성으로 만드는 흐름입니다. 같은 Gemini Audio 가족이라도 입력과 사용 목적이 다르므로, 지난 Live 발표의 가격이나 지연 수치를 이번 모델에 그대로 적용할 수 없습니다. [2]

Flash와 Flash-Lite의 선택 기준

개발 문서는 Flash를 표현 제어 중심, Flash-Lite를 빠른 대량 제작 중심으로 설명합니다. 두 모델의 요청 형식은 같습니다. 실제 선택에서는 같은 대본으로 청취 품질과 재생성 횟수를 비교해야 합니다. 특정 모델이 모든 용도에서 더 낫다고 단정할 근거는 부족합니다. [3]

문장과 연기 지시를 나눕니다

새 API 안내는 발화할 텍스트와 지속적인 전달 지시를 구분합니다. 말투는 speech_metadata에 넣는 방식입니다. 대본에 지시문을 섞어 읽히는 위험을 줄이는 설계로 해석할 수 있습니다. 기존 프롬프트를 그대로 복사하기보다 이 구분을 반영하는 것이 중요합니다. [3]

대사별 스타일이 필요한 이유

질문하는 인물과 설명하는 인물의 속도를 같게 만들 필요는 없습니다. 대사마다 전달 의도를 지정하면 장면을 더 세밀하게 다룰 수 있습니다. 제작 관점에서는 매번 긴 설명을 붙이는 것보다 공통 스타일과 문장별 예외를 나누는 편이 수정 내용을 추적하기 쉽겠습니다.

짧은 발성 태그의 역할

공식 안내는 웃음·한숨 같은 순간 발성과 문장 전체의 스타일을 구별합니다. 앞의 것은 짧은 인라인 태그, 뒤의 것은 메타데이터의 역할입니다. 이 구분을 이해하면 대본의 내용과 소리 연출이 뒤섞여 수정 범위가 커지는 일을 줄일 수 있습니다. [3]

두 화자의 대화를 구성합니다

발표문은 한 대본에서 두 화자의 장면을 구성하는 기능을 소개합니다. 이를 활용한 제작에서는 목소리가 다른 것뿐 아니라 질문과 답변의 간격도 중요합니다. 샘플 한 문장이 자연스럽더라도 실제 대화에서 역할이 유지되는지는 긴 구간을 들어봐야 판단할 수 있습니다. [1]

목소리를 새로 설계합니다

Voice design 문서는 설명으로 새 목소리를 만드는 경로를 제공합니다. 실제 인물의 음성을 복제하는 절차와는 구별됩니다. 창작자에게는 원하는 인물의 성격을 소리의 특징으로 정리하는 작업이 새 제작 단계가 될 수 있습니다. [4]

목소리 식별자를 재사용합니다

문서는 만든 목소리를 식별자로 이어 사용하는 흐름을 안내합니다. 제작 관리 측면에서는 작품·등장인물과 식별자를 연결해 두면 반복 작업이 쉬워집니다. 다만 식별자를 재사용한다는 사실만으로 모든 문장의 높낮이와 감정까지 동일해지는 것은 아닙니다. [4]

음성 복제와 동의 확인

Voice replication 문서는 같은 성인 화자의 참조 음성과 동의 녹음을 요구합니다. 파일을 구할 수 있다는 것과 복제 권한이 있다는 것은 다른 조건입니다. 이 기능을 설명할 때도 음성을 얼마나 짧게 확보하는지보다 어떤 동의 절차를 거치는지 함께 전달해야 합니다. [5]

30초 샘플을 읽는 방법

발표문은 30초 샘플을 강조하지만 개발 문서는 참조 음성 10~30초와 별도 동의 녹음을 구분합니다. 단일 파일 하나로 절차 전체가 끝난다고 읽으면 정확하지 않습니다. 녹음의 길이, 품질, 동의 확인은 각각 다른 입력 조건입니다. [5]

출처 표식을 함께 남깁니다

Google은 생성 음성에 SynthID를 적용하고, 음성 복제에 동의 확인과 C2PA 자격정보를 포함한다고 설명합니다. 이런 표식과 제작자가 청중에게 제공하는 설명은 함께 사용할 수 있습니다. 표식의 존재를 모든 오용이 원천 차단됐다는 보장으로 읽지는 않아야 합니다. [1]

긴 음성의 일관성은 별도 평가합니다

공식 모델 카드는 지연이나 타임아웃 같은 제한 가능성을 명시합니다. 긴 제작물에서는 처음과 끝의 음색뿐 아니라 중간 실패 뒤 재시작한 연결부도 확인할 대상입니다. 짧은 샘플 청취와 한 편을 완성하는 운영 품질을 별도 평가하는 편이 현실적입니다. [6]

한국어 발음은 직접 검증할 대상입니다

숫자, 단위, 영문 약어, 고유명사가 섞인 문장은 평범한 대화문과 다른 난도를 가질 수 있습니다. 이 글에서는 한국어 낭독 품질을 직접 비교하지 않았습니다. 실제 원고의 어려운 문장들을 별도 평가 묶음으로 남기면 모델 변경 뒤에도 같은 기준을 유지할 수 있습니다.

실제 공개된 통합 사례

발표문에는 HeyGen·Wondercraft·Ollang 등의 통합 협력이 소개됩니다. 이는 제품 사용 경로가 넓어지고 있다는 사례입니다. 다만 협력사의 이름만으로 개별 고객의 비용 절감이나 품질 향상 수치를 추정할 수는 없으며, 그런 결과는 별도 자료가 필요합니다. [1]

음성 에이전트의 연결 구조

LiveKit의 Gemini TTS 안내는 표현 모드에서 말투·속도·짧은 발성을 전달하고 상태를 프런트엔드에 알리는 구성을 설명합니다. 음성 모델만 교체하는 것과 대화 시스템 전체를 바꾸는 것은 다릅니다. 사용자 인터페이스와 재생 처리도 함께 맞춰야 합니다. [7]

스트리밍과 파일 생성을 구분합니다

개발 문서의 기본 출력은 일반 요청에서 WAV, 스트리밍에서 헤더 없는 PCM 조각입니다. 같은 오디오라도 포장 방식이 다릅니다. 생성된 바이트를 어떤 재생기에 전달할지에 따라 저장 방식과 결합 방식이 달라질 수 있습니다. [3]

WAV 전환에서 생기는 이중 헤더

공식 이관 안내는 기존 코드가 수동으로 WAV 헤더를 붙였다면 새 일반 요청에서는 그 처리를 제거하도록 설명합니다. 이미 포장된 파일에 다시 포장을 씌우는 셈이기 때문입니다. 모델의 음질과 무관하게 파일 처리 단계에서 생길 수 있는 호환성 문제입니다. [3]

기존 대본을 옮기는 순서

SVIL의 평가 제안은 간단합니다. 짧은 단일 화자 문장으로 출력 형식을 확인하고, 두 화자 구간에서 역할을 확인한 다음, 긴 원고로 연결부를 살펴보는 순서입니다. 한 번에 모든 변수를 바꾸지 않으면 실패 원인이 대본인지 형식인지 구별하기 쉽습니다.

가상 사례인 두 화자 해설

과학 뉴스를 질문자와 해설자가 나누어 읽는 상황을 가정해 보겠습니다. 질문은 짧게, 설명은 핵심 용어 앞에서 여유를 두는 식으로 대사를 설계할 수 있습니다. 이 사례는 기능을 이해하기 위한 예시이며 실제 완성 오디오나 품질 검증 결과를 뜻하지 않습니다.

가격보다 먼저 셀 제작 비용

분당 생성 비용만으로 완성본 비용을 알 수는 없습니다. 재생성 횟수, 발음 교정, 연결부 편집, 검수 시간도 함께 들어갑니다. 같은 원고의 최종 채택 음성 1분을 만드는 데 든 총비용을 비교하면 제작 현장에서의 차이를 더 정확히 볼 수 있습니다.

핵심 정리

이번 변화는 목소리의 정체성, 문장 내용, 전달 방식을 각각 관리하는 방향입니다. 활용 여부를 판단할 때는 표현 기능뿐 아니라 동의 절차, 출력 형식, 긴 작업의 복구 가능성도 살펴야 합니다. 출시 발표의 품질 표현을 자신의 원고에 대한 보장으로 바꾸어 읽지 않는 것이 중요합니다.

다음 제작에서 비교할 것

다음 검증에서는 한국어 고유명사와 숫자 낭독, 두 화자의 역할 유지, 수정한 한 구간의 재연결이 특히 궁금합니다. 독자 여러분은 음성 제작에서 발음과 연기 중 어느 부분을 더 자주 고치시나요. 실제 수정이 잦은 구간이 비교 평가의 좋은 출발점이 될 수 있습니다.

출처

협업문의 : kuroicode@gmail.com
블로그 : https://blog.svil.dev/
홈페이지 : https://svil.dev/