구글 TTS에 놀랐는데, Eleven v4의 한국어를 듣고 마음이 흔들렸다
Google Gemini 3.8 Flash TTS와 ElevenLabs v4 Rumi Oh에 같은 한국어 이름·숫자·긴 원고를 읽혔습니다. 스트리밍 첫 오디오 도착 중앙값은 일반 v4 1.12초, Turbo 0.16초였습니다. 짧은 음원만으로는 목소리 차이를 가르기 어려워 AI 컴패니언에는 Turbo부터 붙여볼 생각입니다.
구글의 Gemini 3.8 Flash TTS로 만든 첫 음원을 듣고 “이거 장난 아니네” 했습니다. AI 컴패니언에 붙여보고 싶을 만큼 목소리가 자연스러웠거든요. 그런데 ElevenLabs v4가 나오자 마음이 또 바뀌었습니다. 지금 제 귀에는 ElevenLabs 쪽이 조금 더 좋습니다.
두 모델에 같은 한국어 대본을 넣고 이름, 숫자, 긴 원고를 들어봤습니다. 구글에서는 Kore, ElevenLabs에서는 Rumi Oh 목소리를 골랐습니다. 실제 서비스에 붙일 목소리라면 어느 쪽을 고를지 생각하며 들었습니다.
5초짜리 구글 음원에서 시작된 기대
처음 구글을 시험할 때는 일부러 낯선 이름을 넣었습니다.
안녕하세요, 은긔입니다. 자세한 내용은 은긔에게 물어봐 주세요.
‘은긔’를 두 번 다 원하던 발음으로 읽었습니다. 1분 넘는 안내문에서도 이름과 시간을 세 번씩 반복했는데, 제게는 목소리가 끝까지 안정적으로 들렸습니다. 이 정도면 예약 안내나 짧은 내레이션부터 써보고 싶어졌죠.
Eleven v4에서 다시 듣게 된 숫자
ElevenLabs v4에서는 Rumi Oh를 골랐습니다. v4를 처음 들어봤을 때 숫자 읽기가 v3보다 확실히 좋아졌다고 느꼈습니다. 더 한국어스럽게 들렸거든요. 같은 문장을 Rumi Oh의 v3와 v4, 구글 Kore에 각각 한 번씩 읽혔습니다.
예약은 오후 3시 15분에 확정됐습니다. 시작 30분 전까지 시간을 변경할 수 있습니다.
구글도 ‘오후 3시 15분’을 무리 없이 읽습니다. 어느 쪽을 고를지는 취향과 용도에 따라 달라질 것 같습니다. 안내 음성이라면 정확하고 편하게 들리는지가 우선이고, 캐릭터가 있는 서비스라면 말끝의 느낌까지 보게 되니까요.
같은 이름과 긴 원고를 나란히 들었을 때
Eleven v4 Rumi Oh에도 같은 짧은 문장으로 ‘은긔’를 읽혔습니다.
긴 원고를 더 중요하게 봤습니다. 구글과 Eleven v4에 같은 안내문을 한 번에 넣었습니다. ‘은긔’와 ‘오후 3시 15분’이 앞, 중간, 끝에 세 번씩 나옵니다.
은긔님, 오늘 예약하신 온라인 상담은 오후 3시 15분에 시작합니다. 참여 링크는 시작 30분 전인 오후 2시 45분에 열립니다. 입장하신 뒤에는 마이크와 스피커를 확인해 주세요. 상담 전에 참고할 자료가 있다면 채팅창에 남겨주셔도 됩니다.
오늘 상담에서는 준비하신 대본을 함께 읽고, 말투를 바꾸었을 때 어떤 차이가 생기는지 살펴볼 예정입니다. 짧은 안내문 하나를 차분하게 읽어본 다음, 같은 문장을 조금 더 밝게 읽어보겠습니다. 필요하다면 두 사람이 대화하는 형식으로도 바꿔볼 수 있습니다.
은긔님, 일정을 다시 확인해 드릴게요. 시작 시각은 오후 3시 15분이고, 변경은 30분 전까지 가능합니다. 늦게 접속하셔도 상담은 예정대로 진행됩니다. 상담이 끝난 뒤에는 결과 음원과 대본을 정리해 보내드릴게요. 마지막으로 한 번 더 말씀드립니다. 은긔님의 예약은 오늘 오후 3시 15분입니다. 감사합니다.
구글의 긴 음원에서는 제가 원하던 ‘은긔’ 발음이 세 번 모두 유지됐고, 목소리도 끝까지 안정적이었습니다. Eleven v4도 이번 원고에서는 충분히 좋았습니다. 둘 중 하나를 고르라면 말투가 제 취향에 더 맞는 Rumi Oh입니다.
컴패니언용 Turbo의 첫 오디오 도착 시간
완성된 음원이 마음에 들어도, 실제 컴패니언은 사용자의 말에 바로 답해야 합니다. 그래서 실시간 대화용 모델인 Eleven v4 Turbo도 같은 Rumi Oh 목소리로 돌려봤습니다.
앞의 예약 안내문을 일반 v4와 Turbo에 똑같이 보내고, 스트리밍 연결이 열린 뒤 첫 오디오 데이터가 도착할 때까지 5회씩 쟀습니다. 호출 순서를 번갈아 바꿔 재보니, 첫 오디오 도착 중앙값은 일반 v4 1.12초, Turbo 0.16초로 나왔습니다. 일반 v4는 0.99~1.22초, Turbo는 0.15~0.23초 범위였는데요. 문장 전체 생성 완료까지 걸린 시간의 중앙값은 각각 3.48초와 1.82초였습니다.
이번 짧은 안내문만으로는 숫자 발음과 말투의 차이를 가르기 어려웠습니다.
네트워크 왕복은 이 수치에 포함돼 있습니다. 사용자의 말을 받아 적고 답변을 만드는 시간, 기기에서 재생을 시작하는 시간은 빠져 있습니다. 실제 컴패니언의 첫 응답을 0.16초에 듣는다는 뜻은 아닙니다.
AI 컴패니언에 먼저 붙여볼 목소리
짧은 안내문을 만든다면 구글도 좋은 후보입니다. 이름과 시간을 반복한 긴 원고에서도 발음과 목소리가 안정적이었으니까요. 목소리만 고르면 저는 여전히 ElevenLabs v4 Rumi Oh가 가장 마음에 듭니다.
컴패니언에는 Rumi Oh의 Turbo를 먼저 붙여보겠습니다. 같은 문장에서 첫 오디오가 도착한 시간은 Turbo가 훨씬 짧았고, 짧은 음원만으로는 두 모델의 목소리 차이를 가르기 어려웠습니다. 실제 대화에서 말을 끊고 다시 이어갈 때도 숫자 발음과 목소리가 유지되는지 확인할 생각입니다.