Gemini 3.8 Flash TTS, 프롬프트로 목소리를 설계하고 복제하는 구글의 음성 모델

작동 방식

Gemini API에서는 설계했거나 복제한 목소리를 한 번 만들면 지속되는 음성 ID가 돌아오므로, 같은 페르소나를 여러 호출에서 다시 쓸 수 있다. 대본에는 <laughs>, <sigh> 같은 비언어 신호와 |mhm| 같은 맞장구 소리를 넣을 수 있어 대화가 자연스럽게 오간다. 복제에는 30초 분량의 샘플과 화자의 구두 동의가 필요하며, 생성된 모든 오디오에는 SynthID 워터마크가 들어간다.

주요 스펙 정리

모델 ID: gemini-3.8-flash-tts, gemini-3.8-flash-lite-tts.

언어: Flash TTS 130개, Flash-Lite TTS 101개.

목소리: 기성 2,000개 이상, 프롬프트로 설계한 목소리와 복제 목소리.

제공: 지금은 Gemini API와 Google AI Studio, Gemini Enterprise API는 곧 제공.

구글은 Flash TTS가 Hume AI의 Voice Design Benchmark에서 71.4점으로 1위라고 밝혔다.

가격

Flash TTS는 2026년 12월 31일까지 텍스트 입력 100만 토큰당 0.50달러, 오디오 출력 100만 토큰당 9.00달러이고, 2027년 1월 1일부터 1.00달러와 18.00달러로 두 배가 된다. Flash-Lite TTS는 입력 요금이 같고 출력은 100만 토큰당 6.00달러이며, 2027년 1월 1일부터는 12.00달러가 된다. 두 모델 모두 무료 구간이 있고, 유료 구간의 배치 모드는 절반 가격이다.

두 모델의 차이

Flash TTS는 깊이 있는 창작 연출과 캐릭터 설계를 위한 모델로, 줄 단위 연기 제어와 130개 언어를 지원한다. Flash-Lite TTS는 어조와 속도를 조절할 수 있는 대량, 고효율 음성에 맞춘 모델로 101개 언어를 다루며 오디오 출력 요금이 더 낮다.

활용 예와 사용 팁

음성 디자인을 쓰는 순서는 간단하다. 원하는 캐릭터를 말로 묘사해 목소리를 한 번 만들고, 돌아온 음성 ID를 저장해 두었다가 이후 호출에서 같은 목소리를 불러 쓰면 된다. 오디오북의 화자, 게임 속 인물, 앱의 안내 목소리처럼 일관된 페르소나가 필요한 경우에 어울린다.

대본에 <laughs>나 <sigh> 같은 신호를 넣으면 웃음이나 한숨이 들어가고, |mhm| 같은 맞장구 소리를 넣으면 대화가 자연스럽게 오간다. 줄 단위로 연기를 지시하는 방식은 Flash TTS가 특히 강조하는 부분이다.

참고할 점

목소리 복제는 본인의 목소리이거나 사용할 권리가 있는 목소리의 30초 샘플로 해야 하며, 화자의 구두 동의가 필요하다. 가격은 2027년 1월 1일에 오르므로 장기 계획을 세울 때 이를 반영해야 한다. Gemini Enterprise API는 아직 곧 제공 예정 단계라 지금은 Gemini API와 Google AI Studio를 이용하게 된다.

왜 중요한가

맞춤 목소리가 필요하면 지금까지는 별도의 음성 복제 업체를 써야 했다. 이제 개발자가 텍스트와 실시간 오디오에 이미 호출하는 Gemini API 안에서 해결할 수 있다. 구글은 Flash TTS가 일본어, 힌디어, 멕시코 스페인어 같은 언어의 Voice Arena에서도 상위권이라고 말한다. 구글은 Flash TTS를 Gemini Notebook에, Flash-Lite TTS를 Google Vids에 넣었고 둘 다 누구나 쓸 수 있다. 주요 대상은 음성 앱, 오디오북, 게임 캐릭터를 만드는 개발자이다.