AI for Everyone
모델·서비스

TTS

티티에스

음성 AI 분야에서 쓰이는 Text-to-Speech(텍스트 음성 변환)의 약자로, 글로 된 문장을 사람 목소리 같은 음성으로 바꿔 주는 기술입니다. 음성을 텍스트로 옮기는 STT의 반대 방향입니다. 2016년 DeepMind의 WaveNet이 파형을 직접 생성하는 딥러닝 방식으로 품질을 크게 끌어올린 뒤, 지금은 몇 초 분량 샘플로 특정인의 목소리를 재현하는 수준까지 왔습니다. 내레이션·더빙·AI 상담·음성 에이전트에서 '입' 역할을 맡습니다.

쉽게 말하면?

티티에스(TTS, Text-to-Speech)는 컴퓨터가 글을 소리 내어 읽어 주는 기술입니다. 지하철 안내방송, 내비게이션 음성, 유튜브 AI 더빙이 모두 TTS예요. 예전에는 녹음된 음절을 이어 붙여 어색했지만, 지금은 AI가 파형을 통째로 생성해 사람 목소리와 구분이 어려운 수준입니다. 음성을 글로 바꾸는 STT가 AI의 귀라면, TTS는 입에 해당합니다.

한 줄로 비유하면?

글자를 건네면 그 자리에서 읽어 주는 전속 성우를 컴퓨터 안에 두는 기술입니다.

어디에 쓰이나?

케이스 1DeepMind — WaveNet, 사람과의 격차를 절반으로

DeepMind는 2016년 오디오 파형을 샘플 단위로 직접 생성하는 WaveNet을 공개했습니다 [1]. 청취 평가에서 기존 연결식·파라메트릭 방식을 모두 앞섰습니다 [1]. 영어·중국어 모두에서 검증했고, 이후 Google의 상용 TTS 음성으로 이어졌습니다 [1].
도입효과: 음성 자연스러움 MOS 4.21(5점 만점, 미국 영어) — 기존 최고 방식 대비 사람 음성(4.55)과의 격차 51% 축소(2016년 논문 기준) [1]

케이스 2ElevenLabs — 1년 만에 기업가치 3배

음성 AI 기업 ElevenLabs는 2025년 1월 시리즈C에서 기업가치 33억 달러를 인정받았습니다 [4]. 2026년 2월 시리즈D에서는 110억 달러로 올랐습니다 [4]. 2025년 연환산 매출(ARR) 3억 3,000만 달러를 넘겼습니다 [4].
도입효과: 기업가치 33억 달러(2025년 1월)→110억 달러(2026년 2월, 1년 만에 3배 이상)·ARR 3억 3,000만 달러 초과(2025년 마감 기준) [4]

케이스 3수퍼톤·하이브(한국) — 450억 원 인수와 6개 언어 동시 발매

하이브는 2023년 1월 음성 AI 기업 수퍼톤에 450억 원을 투자해 지분 56.1%를 확보했습니다 [5]. 같은 해 5월 소속 가수 이현의 프로젝트 MIDNATT가 수퍼톤 기술로 싱글을 6개 언어로 동시 발매했습니다 [6]. 한국어·영어·일본어·중국어·스페인어·베트남어 버전입니다 [6].
도입효과: 인수 투자액 450억 원·지분 56.1%(2023년 1월), 단일곡 발매 언어 수 6개(통상 1개 언어 발매 대비) [5][6]

케이스 4네이버(한국) — 클로바더빙 가입자 2년 만에 10배

네이버의 클로바더빙은 텍스트만 입력하면 영상에 AI 목소리를 입혀 주는 서비스입니다 [7]. 2022년 9월 가입자 100만 명을 넘었습니다 [7]. 2020년 6월 10만 명에서 2년여 만에 10배가 된 수치입니다 [7].
도입효과: 누적 가입자 100만 명(2022년 9월, 2020년 6월 10만 명 대비 10배)·제공 AI 보이스 193개 [7]

주의할 점은?

오늘 바로 해보기
01. Google Cloud TTS 제품 페이지의 데모에서 한국어 문장을 입력해 합성 음성을 바로 들어 봅니다 [3].
02. 네이버 클로바더빙 무료 버전으로 30초짜리 안내 영상에 목소리를 입혀 봅니다(출처 표기 조건) [7].
03. ElevenLabs 무료 플랜으로 같은 문장을 여러 목소리로 생성해 비교합니다 [4].
04. 조직의 영상·안내방송 중 성우 녹음 비용이 들던 항목을 3개 골라 TTS 대체 가능성을 표시합니다.
05. 음성 복제의 악용 위험과 동의 원칙을 확인합니다. OpenAI가 자사 음성 복제 기술의 전면 공개를 보류한 이유가 정리돼 있습니다 [8].

한계와 진화
품질의 마지막 관문은 감정입니다. 미세한 감정 표현을 정밀하게 제어하는 일은 업계와 학계가 공통으로 꼽는 남은 과제이고, 감정 품질을 잴 객관 지표가 없어 여전히 사람의 청취 평가에 의존합니다. 악용 위험도 큽니다. 목소리 복제를 이용한 사기·선거 교란이 늘자 미국 FCC는 2024년 2월 AI 생성 음성 로보콜을 불법으로 결정했습니다 [2]. OpenAI도 악용 우려를 이유로 음성 복제 기술 Voice Engine의 전면 공개를 보류했습니다 [8]. 한국어는 표기와 발음이 어긋나는 음운 변동이 많아 자소-음소 변환이 까다로운 언어로 꼽힙니다.
진화는 세 방향입니다.

  1. 제로샷 복제입니다. OpenAI Voice Engine은 15초 샘플로 화자 목소리를 재현합니다 [8].
  2. 실시간화입니다. 밀리초 단위 지연의 스트리밍 TTS가 대화형 음성 에이전트의 기반이 되고 있습니다 [4].
  3. 산업화입니다. ElevenLabs가 1년 만에 기업가치를 3배로 키웠고 [4], 국내에서도 하이브-수퍼톤처럼 콘텐츠 제작 파이프라인에 들어가는 사례가 이어집니다 [5][6].

참고 자료

  1. WaveNet: A Generative Model for Raw Audio — arXiv 논문·DeepMind·2016 — https://arxiv.org/abs/1609.03499
  2. FCC Makes AI-Generated Voices in Robocalls Illegal — 공식 발표·FCC·2024 — https://docs.fcc.gov/public/attachments/DOC-400393A1.txt
  3. Cloud Text-to-Speech basics — 공식 문서·Google Cloud·2026(접속 기준) — https://docs.cloud.google.com/text-to-speech/docs/basics
  4. ElevenLabs raises $500M Series D at $11B valuation — 공식 블로그·ElevenLabs·2026 — https://elevenlabs.io/blog/series-d
  5. 하이브, AI 오디오 기업 수퍼톤 인수 — 권위 매체·바이라인네트워크·2023 — https://byline.network/2023/01/31-133/
  6. Hybe uses AI voice technology for Midnatt's multilingual single — 권위 매체·The Korea Times·2023 — https://www.koreatimes.co.kr/entertainment/k-pop/20230515/hybe-uses-ai-voice-technology-for-midnatts-multilingual-single
  7. 네이버 클로바더빙, 가입자 100만 명 돌파 — 권위 매체·서울경제·2022 — https://www.sedaily.com/NewsView/26AX25ZP9M
  8. Navigating the challenges and opportunities of synthetic voices — 공식 블로그·OpenAI·2024 — https://openai.com/index/navigating-the-challenges-and-opportunities-of-synthetic-voices/

대표 출처

arXiv 논문 (2016) · DeepMind, WaveNet: A Generative Model for Raw Audio
카드뉴스로 공유하기 다른 AI 용어 보기