구글, Gemini 3.8 Flash TTS 공개…자연어로 목소리 설계하고 대사 단위로 연출한다

구글이 Gemini 패밀리에 텍스트 음성 합성 모델 두 종을 추가했다. Gemini 3.8 Flash TTS와 Gemini 3.8 Flash-Lite TTS로, 기존의 고정된 프리셋 음성을 밀어내고 자연어 프롬프트로 목소리 자체를 설계하고 연기까지 지시하는 방식을 전면에 내세운 것이 특징이다. 두 모델은 Google AI Studio, Gemini API, Gemini Enterprise, Gemini Notebook, Google Vids에서 사용할 수 있다.

역할 분담은 명확하다. Flash TTS는 캐릭터 설계와 창작 연출에 초점을 맞춘 상위 모델이다. 게임, 몰입형 오디오북, 팟캐스트, 인터랙티브 미디어처럼 목소리의 개성이 중요한 작업을 겨냥한다. Flash-Lite TTS는 대량 더빙과 음성 콘텐츠 제작, 실시간 보이스 에이전트처럼 물량과 비용 효율이 관건인 워크로드를 담당한다. 톤·속도·표현의 미세 조정은 두 모델 모두 지원한다.

음성 자원의 폭도 크게 넓어졌다. 기존 30종이던 기본 음성은 사실상 무한대로 확장 가능하며, 2,000종 이상의 실사용 가능한 음성 라이브러리를 함께 제공한다. 멕시코 스페인어, 퀘벡 프랑스어, 스코틀랜드 영어 같은 지역 변종을 포함해 100개 이상의 언어와 방언을 커버한다. 30초 분량의 음성 샘플만 있으면 일관된 음성 프로필을 복제할 수 있고, 직접 만든 음성은 저장해 프로젝트 전반에서 성능 편차를 줄일 수 있다. 음성 라이브러리의 음성을 골라 음색·음높이·속도·억양을 다시 다듬는 리믹싱 기능은 추후 제공될 예정이다.

연출 제어는 대사 단위로 내려간다. 각 대사에 무대 지시를 직접 쓰거나 자연어 스크립트 단서로 전달 방식을 지정할 수 있어, 차분한 상담원부터 속삭이는 서스펜스 장면까지 한 스크립트 안에서 조율된다. 웃음·한숨·헐떡임 같은 비언어 큐와 맞장구 표현을 스크립트에 넣어 코미디 타이밍과 반응 박자를 잡을 수 있고, 하나의 스크립트로 두 화자의 대화를 분리해 처리하는 장면 구성도 기본 지원한다. 수 시간짜리 연속 오디오에서도 화자 음색이 흔들리지 않도록 설계해 팟캐스트와 오디오북을 정면으로 겨냥했다.

성능 지표도 함께 공개됐다. Hume AI의 Voice Design Benchmark에서 Flash TTS가 종합 1위(71.4)를 기록했고 억양 모델링 항목에서도 1위(60.8)에 올랐다. 같은 기관의 Overall Quality Index에서는 Flash와 Flash-Lite가 각각 1위와 2위를 차지했다. 장편 콘텐츠와 두 화자 시나리오 제어 같은 항목에서는 Gemini 3.1 Flash TTS 대비 개선 폭이 크다고 밝혔다. Voice Arena의 블라인드 인간 선호도 평가에서도 일본어, 브라질 포르투갈어, 베트남어, 현대 표준 아랍어, 멕시코 스페인어, 힌디어 등 주요 언어권에서 상위권에 이름을 올렸다.

안전장치는 선택이 아니라 기본값이다. 음성 복제를 쓰려면 음성 소유자가 직접 말한 동의 녹음이 참조 화자와 일치해야 하며, 이를 통과해야만 복제가 생성된다. 모든 출력 오디오에는 SynthID 워터마크가 사람이 인지하지 못하는 형태로 삽입되고, C2PA 자격 증명도 함께 붙는다. AI가 만든 음성을 탐지 가능하게 남겨 허위 정보 확산을 막겠다는 구상이다.

이번 발표는 Gemini 오디오 라인의 연장선에 있다. 3.5 Live Translate, 3.5 Transcribe, 3.8 Live, 3.8 Live Extended Thinking에 이어 합성 축을 채운 셈이다. 구글은 Google AI Studio에 음성 설계 작업 공간을 열어, 새 음성 정체성을 프롬프트로 만들거나 본인 음성을 복제한 뒤 두 화자 시나리오 편집기로 바로 넘겨 연출까지 이어가도록 했다.

개발자 입장에서 달라지는 지점은 인터페이스다. 음성 선택이 API 파라미터 목록에서 프롬프트와 스크립트 설계 문제로 바뀌고, 장편·다화자·다국어를 하나의 파이프라인에서 다루는 선택지가 생겼다. 다만 음성 복제는 동의 검증이라는 선행 조건이 붙고, 생성물에는 워터마크가 강제로 들어간다. 서비스 요건에 따라 이 두 가지가 설계 제약이 될 수 있으니 도입 전에 모델 카드와 정책을 확인하는 편이 안전하다.