Gemini 3.8 Flash TTS: 프롬프트 한 줄로 목소리를 디자인한다

"차분하고 전문적인 목소리, 약간의 영국 억양으로"라고 타이핑하면, AI가 그 목소리를 만들어낸다. 캐스팅도, 녹음 부스도 필요 없다.

구글이 2026년 9월 23일 Gemini 3.8 Flash TTS와 Gemini 3.8 Flash-Lite TTS를 Gemini API와 AI Studio에 공개했다. 단순한 텍스트 음성 변환(TTS)이 아니다. 목소리 자체를 설계하는 도구다.

목소리를 '주문'하는 시대

기존 TTS 서비스의 한계는 명확했다. 제공된 목소리 목록에서 하나를 고르는 것이 전부였다. 그게 마음에 들지 않으면 선택지가 없었다.

Gemini 3.8 Flash TTS의 핵심 기능인 Voice Design은 이 구조를 뒤집는다. 원하는 목소리를 텍스트로 묘사하면, AI가 그 설명을 바탕으로 완전히 새로운 목소리를 생성한다.

예를 들어 이런 식이다:

목소리의 억양, 속도, 감정, 멈춤까지 직접 조정할 수 있다. 속삭임, 웃음소리, 한숨 같은 세부 표현도 지시할 수 있다.

처음부터 직접 설계하기 부담스럽다면, 2,000개 이상의 기성 음성 프로필에서 출발할 수 있다.

이 목록은 100개 이상 언어를 아우르며, 퀘벡 프랑스어, 스코틀랜드 영어, 멕시코 스페인어처럼 지역 방언 변형까지 포함한다. 언어를 선택하는 것이 아니라, 목소리의 '출신지'를 고르는 셈이다.

한국어도 포함돼 있어, 국내 콘텐츠 제작자에게도 실용적인 선택지가 생겼다.

구글은 이번에 두 가지 변형 모델을 함께 출시했다.

모델	특징	주요 용도
Gemini 3.8 Flash TTS	깊은 창의적 연출, 캐릭터 디자인, 풍부한 오디오	게임, 팟캐스트, 오디오북, 인터랙티브 미디어
Gemini 3.8 Flash-Lite TTS	고속·저비용, 대용량 처리 최적화	대규모 미디어 더빙, 콘텐츠 대량 생성, 음성 에이전트

창작 프로젝트에서는 Flash TTS, 비즈니스 규모의 자동화에는 Flash-Lite TTS를 선택하면 된다.

Voice Cloning 기능도 함께 제공된다. 30초 분량의 음성 샘플을 제공하면, AI가 그 목소리의 특성을 학습해 새로운 텍스트를 같은 목소리로 읽어낸다.

단, 조건이 있다. 목소리 주인의 녹음된 동의가 반드시 필요하다. 그리고 생성된 음성에는 구글의 SynthID 워터마크와 C2PA 자격증명이 자동으로 삽입된다. AI 생성 오디오임을 추적 가능하게 하는 장치다.

이 기능은 본인의 목소리를 유지하면서 대량의 콘텐츠를 제작해야 하는 크리에이터에게 특히 유용하다.

멀티 스피커 기능도 눈에 띈다. 하나의 스크립트에서 두 명의 서로 다른 화자가 대화하는 오디오를 생성할 수 있다. 팟캐스트 대담, 교육 콘텐츠 대화 형식, 오디오북의 대화 장면 등에서 바로 활용할 수 있다.

① 강의 콘텐츠 자동화: 교육자라면 강의 스크립트를 일관된 목소리로 빠르게 오디오화할 수 있다. Flash-Lite TTS로 대량 처리하면 비용도 크게 낮출 수 있다.

② 다국어 콘텐츠 확장: 한국어로 제작한 콘텐츠를 100개 언어의 자연스러운 목소리로 자동 번역·변환하는 파이프라인을 구축할 수 있다.

③ 개인 브랜드 목소리: 유튜브 크리에이터나 팟캐스터라면 자신의 목소리를 클론해두면, 원고만 써도 콘텐츠가 완성된다.

④ 인터랙티브 미디어: 게임이나 에듀테크 앱에서 각 캐릭터마다 고유한 목소리를 Voice Design으로 만들면 캐스팅 비용 없이 몰입감을 높일 수 있다.

Gemini 3.8 Flash TTS는 목소리를 '고르는' 도구가 아니라 '만드는' 도구다. 프롬프트 한 줄이 스튜디오 한 칸을 대신하는 시대가 왔다.

Sources: