구글, 제미나이 3.1 기반 음성 합성 모델 출시

주장구글이 출시한 제미나이 3.1 플래시 기반의 텍스트 음성 변환 모델은 기존 기술보다 자연스러운 표현력을 구현합니다. 이 모델은 단순한 텍스트 읽기를 넘어 감정과 스타일을 반영한 음성 출력을 지향합니다.

팩트이번 모델은 오디오 태그 기능을 핵심으로 합니다. 개발자는 간단한 텍스트 명령어를 사용하여 생성된 음성의 속도, 톤, 억양을 직접 제어합니다.

팩트해당 모델은 70개 이상의 언어를 지원하며 다중 화자 대화 처리 기능을 갖췄습니다. 이러한 다국어 지원은 글로벌 서비스 확장을 추진하는 기업에 기술적 이점을 제공합니다.

교차검증아티피셜 애널리시스 순위에서 이 모델은 엘로 점수 1,211점을 기록했습니다. 이는 일레븐랩스 v3의 품질을 상회하지만, 인월드 1.5 맥스보다는 다소 낮은 수치입니다.

팩트무료 등급 이용 시 구글은 제품 개선을 목적으로 데이터를 수집합니다. 반면 유료 등급은 데이터 수집을 하지 않아 기업의 보안 요구사항을 충족합니다.

팩트유료 등급 가격은 텍스트 입력 시 백만 토큰당 1달러, 오디오 출력 시 백만 토큰당 20달러입니다. 배치 모드를 활용하면 이 비용을 절반으로 절감할 수 있습니다.

팩트제미나이 3.1 플래시 TTS는 제미나이 API, 버텍스 AI, 구글 비즈를 통해 제공됩니다. 일반 사용자는 구글 AI 스튜디오에서 무료로 체험할 수 있습니다.

교차검증생성된 모든 오디오에는 구글의 신스아이디 워터마크가 포함됩니다. 이는 인공지능이 생성한 콘텐츠를 식별하기 위한 안전장치입니다.

주장이번 모델은 품질 대비 가격 비율이 우수하다는 평가를 받습니다. 이는 고품질 음성 합성 기술의 대중화와 기업의 비용 효율적인 인공지능 도입을 가속화합니다.

출처더 디코더의 보도 및 구글 공식 블로그를 교차 검증했습니다.