콘텐츠 제작 →

TTS (음성 합성)Text-to-Speech

TTS(Text-to-Speech)는 글을 소리 내어 읽어 주는 성우 로봇 같은 것 — 입력한 텍스트를 사람 목소리처럼 들리는 음성 파일로 바꿔 주는 음성 합성 기술이에요.

TTS는 원고를 건네면 대신 소리 내어 읽어 주는 성우 로봇이라고 생각하면 돼요. 텍스트(Text)를 음성(Speech)으로(to) 바꾼다는 뜻이고, 우리말로는 음성 합성이라고 해요. 예전에는 딱딱한 기계음이었지만, 요즘 AI 기반 TTS는 숨 쉬는 느낌이나 억양까지 자연스럽게 표현해요.

1인 크리에이터는 TTS를 영상 내레이션에 가장 많이 써요. AI 에이전트로 유튜브 영상을 자동 제작하는 흐름에서는 대본이 완성되면 TTS가 음성 파일을 만들고, 그 음성을 바탕으로 자막 타이밍을 맞추고 렌더링해요. 얼굴이나 목소리를 드러내기 부담스러운 사람도 채널을 운영할 수 있고, 같은 대본을 여러 언어 음성으로 바꾸기도 쉬워요. 코드에서는 API로 호출해 자동화하는 경우가 많아요.

주의할 점은 TTS가 숫자, 영어 약어, 고유명사를 엉뚱하게 읽을 때가 있다는 거예요. 대본에서 '3.5'를 '삼 점 오'처럼 읽을 형태로 바꾸거나, 발음 사전을 지정하면 나아져요. 보이스 클로닝은 TTS의 한 종류로 특정 사람의 목소리를 흉내 내는 기술인데, 본인이나 허락받은 목소리로만 써야 해요. 반대로 음성을 글자로 바꾸는 건 STT(음성 인식)라고 해요. 같은 문장도 쉼표 위치에 따라 억양이 달라지니, 들어 보고 어색하면 문장 부호를 고쳐 보세요.

💡 대표 예시

  • 영상 자동화 — 완성된 대본을 TTS API로 보내 내레이션 음성 파일을 받는다
  • 발음 교정 — 대본의 영어 약어를 한글 발음으로 바꿔 TTS가 바르게 읽게 한다
  • 목소리 선택 — 채널 분위기에 맞는 TTS 음성을 정해 모든 영상에 통일한다
  • 다국어 — 같은 대본을 영어 TTS로도 만들어 해외용 영상을 하나 더 만든다
  • 자막 연동 — TTS 음성 길이를 기준으로 문장별 자막 시간을 맞춘다

🔗 관련 용어

이 개념, 직접 적용해볼까요?

주제만 정하면 대본·음성·자막·렌더링까지 AI 에이전트에게 맡기는 법을 강의에서 배워보세요.