Gemini 3.8 TTS Playground

(simonwillison.net)

Simon Willison2026년 9월 23일AI 모델

구글이 발표한 Gemini 3.8 TTS 모델은 2,000개 이상의 목소리와 커스텀 보이스 기능을 통해 고품질 멀티 스피커 대화 생성을 가능하게 하며, 매우 저렴한 비용과 빠른 속도로 차세대 오디오 콘텐츠 제작의 문턱을 낮추고 있습니다.

이 글의 핵심 포인트

1구글의 새로운 Gemini 3.8 TTS 모델(Flash, Flash-Lite) 출시
22,000개 이상의 기본 목소리 라이브러리 제공
330초 분량의 오디오 샘플로 커스텀 보이스 생성 가능
4다중 캐릭터 간의 대화 및 각기 다른 음성 스타일 지정 지원
5Gemini 3.8 Flash TTS 기준, 1분 18초 오디오 생성에 약 2.74센트 소요

이 글에 대한 공공지능 분석

왜 중요한가?

단순한 텍스트 읽기를 넘어, 여러 캐릭터가 참여하는 복잡한 대화 시나리오를 저비용으로 자동 생성할 수 있는 기술적 토대가 마련되었습니다. 이는 오디오북, 팟캐스트, 게임 등 오디오 콘텐츠 산업의 생산성을 혁신적으로 높일 수 있습니다.

어떤 배경과 맥락이 있나?

멀티모달 AI 경쟁이 가속화됨에 따라, 텍스트를 넘어 음성 합성(TTS) 분야에서도 실시간성에 가까운 속도와 극도로 낮은 비용을 구현하려는 빅테록의 경쟁이 반영되어 있습니다.

업계에 어떤 영향을 주나?

고가의 전문 성우나 복잡한 편집 과정 없이도 고품질 오디오 콘텐츠를 대량 생산할 수 있게 되어, 1인 미디어 및 오디오 기반 스타트업에게 강력한 도구가 될 것입니다.

한국 시장에 어떤 시사점이 있나?

한국어 특화 보이스 및 감정 표현 기술을 결합한 서비스 개발이 유망하며, 글로벌 API를 활용해 저비용으로 글로벌 오디오 콘텐츠 시장에 진출할 기회가 열렸습니다.

이 글에 대한 큐레이터 의견

이번 Gemini 3.8 TTS의 핵심은 '비용 효율성'과 '멀티 스피커 제어력'에 있습니다. 1분 이상의 오디오를 단 2.74센트라는 극도로 낮은 비용으로, 그것도 20초 만에 생성할 수 있다는 점은 오디오 콘텐츠 스타트업에게 엄청난 기회입니다. 특히 30초 샘플만으로 커스텀 보이스를 만들 수 있는 기능은 개인화된 AI 에이전트나 인터랙티브 스토리텔링 서비스의 핵심 엔진이 될 수 있습니다.

하지만 리스크도 분명합니다. 누구나 쉽게 고품질의 특정 목소리를 복제할 수 있다는 점은 딥페이크 및 보이스 피싱과 같은 보안 및 윤리적 문제를 심화시킬 수 있습니다. 또한, 구글의 API 의존도가 높아질수록 플랫폼 종속성(Lock-in) 문제가 발생할 수 있으므로, 창업자들은 단순히 API를 사용하는 것을 넘어, 이 기술을 활용해 어떤 독보적인 사용자 경험(UX)이나 데이터 가치를 창출할 것인지에 집중해야 합니다.

원문 보기 →