TTS로 자연스러운 음성 만드는 방법

얼마 전 짧은 안내 영상을 만들면서 제 목소리 대신 TTS를 넣어봤습니다. 글을 붙여 넣으면 바로 소리가 나니 편했는데, 첫 결과물은 생각보다 어색하더군요. 문장 끝마다 숨이 끊기고 숫자도 엉뚱하게 읽었습니다. 몇 군데만 고쳤더니 같은 목소리인데도 훨씬 듣기 좋아졌습니다.

TTS를 쓰기 전에 글부터 다듬기

TTS는 글을 음성으로 바꾸는 기술입니다. 영상 내레이션, 전화 안내, 공부할 때 듣는 자료처럼 활용할 곳이 많죠. 다만 화면에서 읽기 좋은 문장과 귀로 듣기 좋은 문장은 조금 다릅니다. 글로 볼 때는 긴 문장을 다시 읽을 수 있지만, 음성은 지나가면 내용을 놓치기 쉽습니다.

예를 들어 ‘신청 대상은 만 19세 이상이며 접수 기간은 5월 1일부터 15일까지이고 결과는 개별 통보됩니다’라는 문장은 한 번에 듣기 벅찹니다. ‘신청은 만 19세 이상부터 가능합니다. 접수는 5월 1일부터 15일까지입니다. 결과는 개별적으로 알려드립니다’처럼 나누면 뜻이 바로 들어옵니다. 한 문장에 정보 하나나 둘 정도만 담는다는 느낌이 좋습니다.

괄호 안 설명이나 슬래시도 음성에서는 걸림돌이 됩니다. ‘신청/변경’은 ‘신청하거나 변경할 수 있습니다’로 풀어 쓰는 편이 자연스럽습니다. 읽는 사람이 없는 안내문일수록 글을 소리 내어 읽어본 뒤 TTS에 넣으면 수정할 곳이 잘 보입니다.

목소리는 용도에 맞춰 고르기

목소리 목록을 들으면 또렷하고 멋진 음색에 먼저 끌리기 쉽습니다. 그런데 실제로 중요한 건 내용과의 궁합입니다. 차분한 사용 설명 영상에 지나치게 들뜬 목소리를 넣으면 집중이 흐트러지고, 가벼운 일상 영상에 너무 엄숙한 목소리를 쓰면 거리감이 생깁니다.

후보를 고를 때는 짧은 인사말만 듣지 말고 실제 원고의 한 단락을 넣어보는 게 좋습니다. 숫자, 영어 단어, 긴 문장이 섞인 부분을 20~30초 정도 재생하면 발음과 억양의 차이가 드러납니다. 같은 목소리라도 속도를 조금 낮추면 안정적으로 들리고, 너무 낮추면 오히려 기계처럼 느껴질 수 있습니다.

저는 먼저 기본 속도로 듣고, 빠르다고 느껴질 때만 한 단계씩 조절합니다. 배경음악이 있는 영상이라면 음성만 들을 때와 음악을 함께 들을 때의 인상이 다르니 둘 다 확인합니다. 특히 중요한 안내는 음악에 묻히지 않아야 합니다.

발음과 쉬는 곳은 이렇게 고치기

TTS가 낯선 이름이나 줄임말을 틀리게 읽는 건 흔한 일입니다. ‘AI’처럼 익숙한 글자도 서비스에 따라 읽는 방식이 다를 수 있습니다. 먼저 원고에 쓰인 표기를 바꿔보고, 서비스에 발음 사전 기능이 있다면 원하는 읽는 법을 등록하면 됩니다. 이름이나 브랜드명은 공개 전에 실제 당사자가 쓰는 발음을 확인하는 편이 안전합니다.

숫자와 날짜는 원하는 발음대로 읽히는지 확인합니다. ‘2026년 11월 8일’을 한 덩어리로 넣었을 때 어색하면 문장을 둘로 나눌 수 있습니다.
쉼표는 짧게 쉬어야 할 곳에, 마침표는 뜻이 끝나는 곳에 넣습니다. 쉼표를 너무 많이 넣으면 말이 자꾸 끊깁니다.
영어 약어와 단위는 실제 출력 음성을 들어봅니다. ‘3kg’처럼 붙여 쓴 표현은 ‘3킬로그램’으로 적는 편이 나을 때도 있습니다.

감정을 강조하고 싶다고 느낌표를 여러 개 붙여도 기대한 대로 읽히지는 않습니다. ‘지금 바로 신청하세요!!!’보다 ‘신청은 지금 가능합니다. 기간을 확인해 주세요.’처럼 표현을 바꾸는 쪽이 더 믿음직스럽습니다. 음성이 어색한 대목만 짧게 다시 생성하면 전체 원고를 처음부터 손볼 필요도 없습니다.

완성 전에 꼭 들어볼 부분

긴 원고라면 처음부터 끝까지 한 번은 들어봐야 합니다. 앞부분만 괜찮아도 뒤에서 같은 어조가 반복되거나 문장 사이 간격이 갑자기 달라질 수 있거든요. 이어폰과 휴대전화 스피커로 각각 들어보면 작은 소리나 먹먹한 발음도 찾기 쉽습니다.

영상에 넣을 때는 자막과 음성이 같은 내용을 말하는지도 확인합니다. 원고를 수정한 뒤 음성만 다시 만들고 자막은 예전 문장으로 남겨두는 실수가 의외로 잦습니다. 가격, 날짜, 연락처처럼 잘못 들리면 곤란한 정보는 특히 천천히 점검할 만합니다.

공개하거나 업무에 쓸 음성이라면 사용하는 서비스의 이용 조건도 확인해야 합니다. 목소리마다 상업적 사용이나 배포 범위가 다를 수 있고, 실제 사람의 목소리를 흉내 내는 기능은 동의가 필요한 상황도 있습니다. 듣는 사람에게 음성이 인공지능으로 만들어졌다는 사실을 알려야 하는 환경인지도 함께 살펴두면 좋습니다.

TTS의 편리함은 녹음 시간을 줄여준다는 데 있지만, 듣기 편한 결과는 결국 원고를 다듬는 데서 나옵니다. 저는 목소리를 고르는 시간보다 문장을 짧고 분명하게 고치는 시간이 더 아깝지 않았습니다. 몇 번 들어보고 어색한 한 문장씩 손보는 과정이 가장 확실했습니다.