직접 내레이션을 녹음하려면 조용한 공간, 쓸만한 마이크, 수십 번의 재촬영이 필요합니다. 성우를 섭외하는 건 시간도 오래 걸리고 비용도 만만치 않죠. AI 텍스트 음성 변환은 약 1분 만에 자연스러운 쉼과 억양까지 살린 완성된 오디오를 만들어줍니다.
세 가지 모델 중에서 고를 수 있습니다. ElevenLabs의 Eleven v4는 가장 사람 같은 음성을 내며 70개 이상의 언어를 지원하고, 텍스트 안에 [whispers], [laughs], [excited] 같은 태그를 넣어 감정을 직접 설정할 수 있습니다. 구글의 Gemini 3.8 Flash TTS는 비용이 거의 절반 수준이며, "오디오북처럼 차분하고 따뜻하게" 또는 "뉴스 앵커처럼"과 같이 말투를 말로 설명하면 됩니다. MiniMax Speech 2.8 HD는 최대 10,000자의 긴 텍스트를 처리하며, 기쁨·슬픔·놀람 같은 감정과 말하는 속도를 직접 선택할 수 있습니다.
각 모델마다 벨벳처럼 부드러운 음성부터 방송인 스타일까지, 남성과 여성 음성이 모델별로 준비되어 있으며 전체 34종입니다. 생성하기 전에 음성을 미리 들어볼 수 있습니다. 가격은 텍스트 길이와 모델에 따라 달라지며 실행 전에 미리 표시됩니다. Eleven v4는 1,000자당 10 크레딧입니다. 생성에 실패하면 크레딧이 차감되지 않습니다.