수노, 음성 낭독과 배경음악 동시 생성하는 ‘Speech’ 베타 공개

글을 오디오 콘텐츠로 만들려면 생각보다 손이 많이 갑니다. 음성 합성 툴에서 목소리를 뽑고, 저작권 걱정 없는 배경음악을 따로 찾은 뒤, 편집 프로그램에 올려서 음량과 타이밍을 맞추는 과정을 거쳐야 합니다.

AI 음악 생성 플랫폼으로 이름을 알린 Suno가 이 복잡한 과정을 한 번에 해결하는 기능을 내놓았습니다. 10월 1일, Suno는 음성과 배경음악을 동시에 생성하는 신규 기능인 Speech 베타 버전을 웹과 모바일 플랫폼 전체 사용자에게 공개했습니다.

대사를 읽으면서 배경음악까지 함께 작곡

Speech의 핵심은 내레이션과 배경음악을 분리된 파일이 아닌, 하나의 완성된 트랙으로 함께 생성한다는 점입니다. Suno는 목소리와 음악을 유기적으로 엮어내는 최초의 오디오 모델이라고 소개했습니다.

사용자가 텍스트 창에 시나 메모, 직접 쓴 글을 넣고 원하는 목소리 톤과 음악 스타일을 묘사하면 분위기에 맞는 오디오가 만들어집니다. 만약 깔끔한 목소리만 필요하다면 토글 버튼을 눌러 배경음악을 끌 수도 있습니다.

제작 방식은 두 가지로 나뉩니다. Simple 모드에서는 선원들을 독려하는 해적 선장처럼 상황 프롬프트를 적어 즉흥적인 오디오를 만들 수 있고, Advanced 모드에서는 직접 대본을 넣고 음성 성별, 말투 스타일, 생성 시 변화 폭을 세밀하게 조절할 수 있습니다. 최대 재생 길이는 약 8분입니다.

완성도가 아직 완벽한 것은 아닙니다. Jack Brody 최고제품책임자는 베타 버전인 만큼 영국식 억양이 갑자기 호주식으로 바뀌거나 대사 중간의 쉼표가 지나치게 극적으로 길어지는 현상이 나타날 수 있다고 밝혔습니다.

한 달간 진행된 내부 테스트에서는 명상 가이드나 아이들을 위한 잠자리 동화 제작 외에도, 친구가 보낸 일상 문자 메시지를 거대한 영화 독백처럼 읽게 하거나 단순한 음성 메모에 웅장한 오케스트라 선율을 입히는 유쾌한 활용이 많았습니다.

왜 중요한가

텍스트 음성 변환 시장에는 이미 십 년 전부터 딥러닝 음성을 연구해 온 DeepMind와 Adobe가 있고, 2023년 등장해 고품질 음성 복제로 시장을 장악한 ElevenLabs라는 강력한 강자가 있습니다. 음악 생성 전문이었던 Suno가 이 판에 뛰어들면서 내레이션과 작곡을 묶어 패키지로 제공한 선택은 영리한 차별화로 보입니다.

ElevenLabs와 음성 복제의 정밀도만 두고 정면 승부하는 대신, 자신들의 본업인 음악 생성 엔진을 결합해 분위기 연출이라는 문제를 해결했습니다. 팟캐스트 인트로, 명상 오디오, 숏폼 내레이션을 만들 때 가장 번거로운 작업이 목소리와 어울리는 배경음을 고르고 믹싱하는 일인데, 이 장벽을 한 번에 허물었습니다.

다만 한계도 뚜렷합니다. 최대 길이가 8분으로 제한되어 있고 억양 튐 현상이 남아 있어 전문 오디오북이나 상업용 광고 내레이션으로 당장 투입하기는 무리가 있습니다. 가벼운 창작이나 친구들과의 재미를 위한 콘텐츠에 머무르는 단계입니다.

음반 업계로부터 저작권 침해 소송을 겪고 있는 Suno의 상황을 고려하면, 단순한 작곡 툴을 넘어 음성 스토리텔링 영역으로 생태계를 넓혀 플랫폼의 법적·사업적 리스크를 분산하려는 시도로도 풀이됩니다.