일레븐랩스, 텍스트로 효과음·배경음 만드는 AI 도구 전원 공개

영상이나 게임을 만들 때 딱 맞는 효과음 하나를 찾으려면 스톡 오디오 사이트를 몇 시간씩 뒤져야 하는 경우가 많습니다.

AI 오디오 기술 기업 ElevenLabs가 5월 31일, 텍스트 프롬프트로 효과음을 만들어내는 신기능 ‘Text to Sound Effects’를 공개하고 모든 사용자에게 제공하기 시작했습니다.

자연스러운 음성 합성(TTS)으로 이름을 알렸던 ElevenLabs가 이번에는 사람의 목소리를 넘어 환경음과 효과음 영역으로 발을 넓혔습니다.

텍스트 입력만으로 환경음과 효과음 완성

이번 모델은 단순한 효과음뿐만 아니라 짧은 연주곡 트랙, 공간감을 살린 환경음, 다양한 캐릭터 음성까지 텍스트 입력만으로 생성합니다.

영화 및 방송 제작사, 비디오 게임 개발자, 소셜 미디어 크리에이터가 주요 대상입니다. 필요한 사운드를 빠르고 저렴하게 대량으로 확보할 수 있도록 돕겠다는 취지입니다.

사용법도 직관적입니다. 로그인 후 사운드 이펙트 탭으로 이동해 원하는 소리를 글로 설명하고 생성 버튼을 누르면 됩니다. 생성된 샘플을 들어보고 마음에 드는 결과물을 내려받는 방식이며, 무료 생성기도 함께 제공됩니다.

셔터스톡 손잡고 저작권 불안 해소

상업용 프로젝트를 다루는 스튜디오 입장에서 가장 민감한 문제는 바로 AI 학습 데이터의 저작권입니다.

ElevenLabs는 이 문제를 해결하기 위해 대형 크리에이티브 플랫폼인 셔터스톡(Shutterstock)과 손을 잡았습니다.

새 모델은 정식 라이선스를 보유한 셔터스톡의 방대한 오디오 라이브러리 데이터를 사용해 미세조정(파인 튜닝)을 거쳤습니다. 셔터스톡의 최고 엔터프라이즈 책임자 에이미 이건(Aimee Egan)은 윤리적으로 수집된 데이터를 최첨단 기술과 결합해 업계 최초의 혁신을 이뤄냈다고 밝혔습니다.

정당한 권리가 확보된 데이터로 학습된 만큼, 기업이나 개발 스튜디오가 저작권 소송 걱정 없이 실무에 도입할 수 있는 길을 열었습니다.

왜 중요한가

최근 생성형 비디오 기술이 쏟아져 나오고 있지만, 영상에 생명을 불어넣는 오디오 작업은 여전히 제작비와 시간을 많이 잡아먹는 병목이었습니다.

1인 창작자나 인디 게임 개발자에게 이번 도구는 큰 힘이 됩니다. 값비싼 음원 라이선스를 구매하거나 폴리 아티스트를 고용하지 않아도, 텍스트 프롬프트 몇 줄로 빈 오디오 트랙을 채울 수 있기 때문입니다.

우리는 ElevenLabs가 셔터스톡과 제휴해 데이터 출처 문제를 사전에 차단한 점이 영리했다고 봅니다. 엔터프라이즈 시장에서 AI 도구 도입의 가장 큰 장벽은 법적 리스크인데, 이를 선제적으로 해결했기 때문입니다.

다만 바람 소리나 폭발음 같은 일반적인 효과음을 넘어, 영상의 특정 프레임에 완벽하게 싱크를 맞추거나 복잡한 인터랙션을 요구하는 고난도 작업까지 AI가 완전히 대체할 수 있을지는 지켜볼 필요가 있어 보입니다.