제미나이 텍스트-투-스피치 (Gemini TTS)

제미나이 텍스트-투-스피치(Gemini TTS)는 글자로 쓰인 문장을 사람이 말하는 것 같은 목소리로 바꿔주는 구글의 음성 합성 기술이다.

비유하자면 대본을 받아 읽는 성우와 비슷하다. 다만 사람 성우 대신 AI가 그 역할을 맡는다. 문장을 입력하면 억양과 발음이 자연스러운 오디오가 만들어지고, 밝게 읽어달라거나 차분하게 읽어달라는 식으로 말투까지 지정할 수 있다.

이 기술은 단순히 안내 방송을 읽어주는 데서 그치지 않는다. 최근에는 실제 사람처럼 대화 중간에 끼어들거나 억양을 바꾸는 데도 쓰여서, 음성으로 대화하는 AI 에이전트를 테스트할 때 가상의 사용자 목소리를 만들어내는 용도로도 활용된다.

기사에서는 '가상 사용자가 실제 음성으로 Gemini TTS로 오디오를 만들어 에이전트에게 말을 걸어요'라는 식으로 등장해요. 여기서 Gemini TTS는 대화 내용을 생각해내는 AI 두뇌가 아니라, 이미 정해진 텍스트를 소리로 바꿔주는 음성 출력 장치라는 점을 헷갈리지 않아야 해요.

구글 제미나이의 텍스트-투-스피치 기능을 사용할 수 있다면, 같은 문장에 다른 톤을 지정해 결과를 비교해보세요.

• '다음 문장을 차분하고 낮은 톤으로 읽어줘: 회의는 오후 3시에 시작합니다.'
• '다음 문장을 밝고 경쾌한 톤으로 읽어줘: 회의는 오후 3시에 시작합니다.'

같은 문장이라도 지정한 톤에 따라 억양과 속도가 달라지는 걸 들어보면 이 기술이 하는 일을 바로 느낄 수 있다.