일반적인 텍스트 음성 변환(TTS)은 모든 내용을 한 목소리로 읽어줍니다. 하지만 팟캐스트, 인터뷰, 콩트에는 그 이상이 필요합니다. 서로 대답하고, 끼어들고, 웃는 두세 명의 등장인물 말이죠. 각 대사를 따로 녹음해 수작업으로 이어 붙이려면 시간이 오래 걸리고, 그래도 사이사이의 멈춤은 어색하게 들립니다. Dialogue 도구는 전체 대본을 한 번에, 하나의 녹음 파일로 음성화해 줍니다.
각 대사는 한 줄씩 작성합니다. 예: "Anna: 안녕! 오늘은 무슨 얘기할까?". 콜론 앞의 이름이 화자이며, 화자마다 목소리를 지정할 수 있습니다. 대시(-)로 시작하는 줄은 두 목소리가 번갈아 가며 말하는 것으로 처리됩니다. 아직 대본이 없다면? "두 친구가 다른 도시로 이사할지 말지 다투는 이야기"처럼 주제를 설명하고 1~5분 사이의 길이를 선택하면, AI가 2인 대화 대본을 무료로 작성해 주며 자유롭게 수정할 수 있습니다.
Google의 Gemini 3.1 Flash TTS는 저렴한 비용으로 두 명의 화자를 자연스러운 멈춤과 함께 음성화하며, 대화의 분위기를 글로 지정할 수 있습니다. ElevenLabs의 Eleven v3 Dialogue는 최대 세 명의 목소리를 지원하며 표현력이 가장 뛰어납니다. [laughs], [whispers], [interrupting] 같은 태그를 대사 안에 바로 넣을 수 있죠. 요금은 실제로 말하는 텍스트에 대해서만 부과되며, 화자 이름은 과금되지 않습니다.