내 서비스가 정말 '내 목소리'를 필요로 할까. 요즘 음성 AI에서 가장 중요한 질문은 기술 가능성이 아니라 제품 적합성이다. 앱이 사람처럼 말할 수 있다는 사실만으로, 그 경험이 더 친절해지거나 더 잘 팔리거나 더 신뢰받는 것은 아니다. 어떤 경우엔 인간적인 연결이 생기지만, 어떤 경우엔 오히려 불편함과 법적 리스크가 함께 따라온다.
그 질문이 더 현실적이 된 이유는 xAI가 Custom Voices를 내놓으면서다. 짧은 참조 음성으로 커스텀 보이스를 만들고, 이를 TTS와 실시간 Voice Agent API에 연결할 수 있게 했다. xAI는 80개 이상의 기본 음성과 28개 언어 지원도 함께 내세우고 있고, 커스텀 보이스는 미국에서만 제공되며 일리노이는 제외된다고 밝히고 있다.123 즉, 이제 문제는 "되느냐"가 아니라 "써야 하느냐"다.
먼저 판단할 것: 이 제품에 음성이 필요한가
가장 흔한 실수는 음성 복제를 음성 UX의 시작점으로 보는 것이다. 실제 시작점은 그보다 앞이다. 이 기능이 속도, 이해도, 접근성, 감정적 연결 중 무엇을 개선하는지부터 봐야 한다.
예를 들어 운전 중, 걷는 중, 손이 바쁜 상황이라면 음성은 분명한 이점이 있다. 고객 지원, 차량 인터페이스, 튜터링처럼 대화의 흐름이 중요한 제품도 그렇다. 반면 내부 운영 툴, 복잡한 설정 화면, 정밀한 숫자 비교가 필요한 금융 UI는 여전히 텍스트와 시각 인터페이스가 더 낫다. 음성은 따뜻할 수 있지만, 검색성과 스캔 가능성은 떨어진다.
여기서 xAI의 발표가 중요한 이유가 보인다. 이 기능은 "재미있는 보이스 클론"이 아니라, 음성을 제품 표면으로 끌어올리는 비용을 크게 낮춘다. 가격도 공격적이다. xAI 문서와 관련 안내에 따르면 TTS는 100만 문자당 4.20달러, 실시간 Voice Agent는 분당 0.05달러 수준이다.14 비용 장벽이 내려가면, 검증되지 않은 음성 UX까지 쉽게 배포될 가능성도 같이 커진다.
커스텀 보이스가 이기는 경우와, 기본 음성이 더 나은 경우
커스텀 보이스가 강한 곳은 "연속성"이 중요한 제품이다. 창업자나 크리에이터 브랜드가 자기 목소리로 온보딩, 업데이트, 유료 콘텐츠를 전달할 때가 대표적이다. 사용자는 메시지의 내용뿐 아니라 발화자의 정체성까지 받는다. 언어 튜터, 오디오북, 캐릭터 기반 게임도 비슷하다. xAI 문서가 참조 음성에서 단순 음색뿐 아니라 말투와 전달 패턴까지 반영한다고 설명하는 이유도 여기에 있다.2
하지만 많은 제품에서는 기본 음성이 더 현명하다. 고객센터 자동응답, 다국어 FAQ, 사내 업무 도우미처럼 브랜드보다 명료성과 유지보수가 중요한 경우다. xAI는 내장 음성과 커스텀 음성을 같은 API에서 교체해 쓸 수 있게 해뒀다.2 이건 실무적으로 중요하다. 처음에는 라이브러리 음성으로 테스트하고, 실제로 신뢰도나 전환율 차이가 검증된 뒤에만 클론 보이스로 넘어가도 된다는 뜻이기 때문이다.
반론도 있다. "내 목소리니까 더 인간적이다"는 가정은 자주 틀린다. 사람들은 친숙함보다 적절함에 더 민감하다. 창업자의 목소리가 결제 실패 안내를 읽는 순간, 친근함이 아니라 어색함이 될 수 있다. 반대로 차분한 기본 음성은 덜 독특하지만 더 중립적이고 덜 부담스럽다.
숨은 비용은 생성이 아니라 운영에서 나온다
xAI는 실시간 검증 문구와 화자 임베딩 비교 같은 절차로 타인의 기존 녹음만으로는 복제가 어렵다고 설명한다.1 이건 분명한 보호장치다. 다만 그걸로 리스크가 끝나진 않는다.
첫째는 동의와 거버넌스다. "내가 직접 녹음했으니 문제없다"로 끝나지 않는다. 그 목소리를 퇴사 후에도 쓸 수 있는지, 마케팅과 지원 업무에 모두 써도 되는지, 팀 안에서 누가 삭제·재생성 권한을 갖는지 정해야 한다.
둘째는 브랜드 드리프트다. xAI 문서상 메타데이터는 수정할 수 있지만, 원본 음성 자체는 다시 녹음하려면 삭제 후 새로 만들어야 한다.2 한 번 제품의 목소리가 되면 바꾸는 비용이 생긴다. 사람의 실제 말투와 제품의 보이스가 시간이 지나며 어긋날 수도 있다.
셋째는 언어와 맥락의 불일치다. xAI는 여러 언어를 지원하지만, 클론 보이스가 모든 언어에서 똑같이 자연스럽다고 단정할 근거는 아직 제한적이다.14 특히 특정 억양, 감정선, 발화 습관이 핵심인 브랜드라면 다국어 확장 시 어색함이 더 빨리 드러날 수 있다.
배포 전에 15분만 해볼 테스트
정식 도입 전에 세 가지만 비교하면 된다. 커스텀 보이스, 기본 음성, 무음성 버전이다.
먼저 같은 스크립트 3종을 만든다. 온보딩 안내, 오류 설명, 재구매 유도 문구다. 그다음 소수 사용자에게 들려주고 세 가지를 본다. 잘 이해됐는가, 더 믿음이 갔는가, 불편하거나 섬뜩하지 않았는가.
수치로도 보자. 완료율, 재청취율, 중도 이탈, CS 문의 감소, 전환율 변화를 같이 본다. 만약 커스텀 보이스가 "재밌다"는 반응만 주고 이해도나 신뢰를 높이지 못한다면, 그건 기능이 아니라 장식일 가능성이 크다.
지금 이 기능을 가장 진지하게 봐야 하는 사람은 음성을 새 채널로 붙이려는 팀이 아니라, 이미 브랜드 경험을 음성으로 확장하려는 팀이다. xAI Custom Voices의 핵심은 목소리를 복제하는 능력 자체가 아니다. 그 목소리가 제품에서 누구를 안심시키고, 누구를 불편하게 만들지 미리 판단할 수 있느냐다.
참고
1xAI's new Custom Voices feature turns a minute of speech into a usable voice clone
3xAI Launches Voice Cloning via API: 80+ Voices, 28 Languages
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.