일레븐랩스, 감정 표현과 오디오 태그 제어 강화한 'Eleven v3' 알파 공개

지금까지 텍스트 음성 변환(TTS)을 사용하면서 가장 아쉬웠던 부분은 발음의 정확도보다 감정 연기였습니다. 대본에 속삭임이나 가벼운 헛웃음 같은 미묘한 감정을 넣으려 해도, AI 특유의 건조한 어조 때문에 몰입이 깨지기 일쑤였습니다.

일레븐랩스는 감정 표현력과 문맥 인지 능력을 대폭 끌어올린 차세대 음성 모델 'Eleven v3'의 알파 버전을 공개했습니다. 텍스트가 담고 있는 전후 상황을 파악해 호흡과 어조를 조절할 수 있도록 설계된 모델입니다.

대본에 직접 지문을 넣는 오디오 태그

Eleven v3의 가장 눈에 띄는 변화는 문맥 이해를 바탕으로 한 세밀한 감정 제어입니다. 문장의 의미와 문장 부호를 분석해 어디서 말을 멈추고 어디서 호흡을 가다듬어야 하는지 모델이 스스로 판단합니다.

여기에 더해 텍스트 스크립트 안에 대괄호 형태의 오디오 태그를 직접 삽입할 수 있는 기능이 들어갔습니다. 속삭임이나 웃음소리 같은 연출 태그를 대사 사이에 넣어두면, 모델이 이를 인식하고 자연스럽게 해당 감정을 실어 발화합니다.

스펙 측면에서 Eleven v3 Alpha는 70개 이상의 언어를 지원합니다. API를 통한 요청당 입력 한도는 최대 5,000자로 늘어나, 게임 속 긴 독백이나 여러 문단으로 이어지는 서사형 콘텐츠를 한 번에 생성하기 수월해졌습니다.

인디 게임부터 오디오북까지 제작 환경 확장

일레븐랩스 플랫폼은 17,500개 이상의 음성 라이브러리를 갖추고 있어 연령대나 억양에 따라 적절한 음색을 고를 수 있습니다. 필요한 경우 보이스 클로닝 기능을 활용해 프로젝트 전용 캐릭터 음성을 제작하는 것도 가능합니다.

작업 파이프라인 연동성도 뛰어납니다. 웹 인터페이스뿐 아니라 Python과 TypeScript 공식 SDK를 지원하는 API를 제공하며, 빠른 모니터링을 위한 MP3부터 후반 작업용 고음질 무압축 포맷까지 다양한 오디오 형식 출력을 지원합니다.

글로벌 진출을 준비하는 콘텐츠 제작사라면, 특정 캐릭터의 고유한 톤을 유지하면서 70여 개 언어로 더빙 스크립트를 즉시 현지화할 수 있습니다.

왜 중요한가

1인 창작자나 인디 게임 개발자에게 이번 업데이트는 캐릭터 제작 비용을 획기적으로 낮춰주는 무기입니다. 이전에는 전문 성우를 섭외하지 않고는 구현하기 힘들었던 감정선이 살아 있는 대화를 텍스트 편집만으로 연출할 수 있게 되었기 때문입니다.

음성 생성 AI 시장 전반에서도 경쟁의 초점이 '얼마나 사람처럼 또박또박 읽는가'에서 '얼마나 상황에 맞게 연기하는가'로 넘어갔음을 보여줍니다. 복잡한 파라미터 조작 대신 스크립트에 지문을 달듯 텍스트 태그를 쓰게 만든 방식은 작가나 기획자의 실제 작업 방식에 매우 잘 부합합니다.

다만 이번 릴리스는 여전히 알파 단계라는 점을 염두에 둘 필요가 있습니다. 긴 문맥에서 태그 연출이 과도하게 들어가거나 감정선이 튀는 현상이 발생할 수 있으므로, 상용 프로젝트에 전면 적용하기보다는 서브 퀘스트 대사나 사전 프로토타입 제작에 먼저 도입해 검증해 보는 것을 추천합니다.