무슨 일이 있었나

Google이 4월 15일 Gemini 3.1 Flash TTS를 내놨어. 핵심은 텍스트 안에 오디오 태그를 직접 넣어서 음성을 제어하는 방식이야. “여기서부터 속삭이듯이”, “이 부분은 신나게” 같은 자연어 지시를 텍스트 중간에 삽입하면, 한 문장 안에서도 톤이 달라지거든.

왜 중요할까

숫자를 보면 포지셔닝이 확실해. Artificial Analysis TTS 리더보드에서 Elo 1,211을 찍었고, 70개 이상 언어를 지원해. 멀티 스피커 대화를 네이티브로 처리하는 것도 ElevenLabs나 OpenAI TTS와 차별되는 부분이야. 생성된 오디오에는 SynthID 워터마크가 자동으로 삽입돼서 AI 생성 여부를 추적할 수 있어.

앞으로 볼 점

개발자는 Gemini API와 Google AI Studio에서 프리뷰로 쓸 수 있고, 기업은 Vertex AI, 일반 사용자는 Google Vids를 통해 접근할 수 있어. TTS를 프로덕트에 넣으려면 ElevenLabs 대비 비용과 세밀한 제어력을 비교해보는 게 첫 단계야.