AI 음성이 자연스럽게 들리려면 화자의 톤만 비슷해서는 부족합니다. 실제 녹음에는 방의 울림, 전화 통화처럼 좁아진 대역폭, 파열음이 팟캐스트 마이크를 살짝 포화시키는 질감이 함께 들어갑니다.
Gradium TTS 데모가 주목할 만한 이유도 여기에 있습니다. 단순히 “누구의 목소리처럼 들리는가”를 넘어, 리버브, 대역폭, 마이크 포화 같은 녹음 조건까지 함께 전송하는 모습을 보여줬기 때문입니다. 공개된 영상의 모든 샘플은 10개 샘플에서 생성됐고, 별도 후처리 없이 만들어졌다고 소개됐습니다.1
자연스러움의 기준이 ‘음색’에서 ‘상황’으로 넓어진다
기존 TTS 평가는 주로 발음 정확도, 억양, 화자 유사도에 집중해 왔습니다. 하지만 사용자가 실제로 “진짜 같다”고 느끼는 지점은 더 복합적입니다. 전화 음성은 전화처럼 좁게 들려야 하고, 방 안에서 말한 목소리는 공간의 울림을 가져야 합니다. 팟캐스트용 마이크로 가까이 녹음한 음성이라면 파열음의 압력감도 일부 남아 있어야 자연스럽습니다.
이런 특성 전송은 AI 보이스의 활용 범위를 넓힙니다. 모든 캐릭터, 상담원, 내레이션이 깨끗한 스튜디오 음질로만 말할 필요가 없어집니다. 제품 맥락에 맞게 “어디서, 어떤 장비로, 어떤 상황에서 말하는지”까지 설계할 수 있기 때문입니다.
Gradium을 볼 때는 클라우드와 온디바이스를 구분해야 한다
Gradium의 음성 기술을 이해할 때 중요한 구분은 클라우드 API와 온디바이스 모델입니다.
Gradium API는 클라우드 기반 음성 에이전트를 위해 설계됐고 GPU 추론을 사용합니다.2 실시간 대화, 다양한 요청 처리, 서비스 통합이 필요한 경우에 어울리는 구조입니다. 서버에서 추론을 처리하므로 제품이 요구하는 유연성과 확장성을 확보하기 쉽습니다.
반면 Gradium Phonon은 Android, iOS, 브라우저에서 CPU만으로 실행되는 온디바이스 TTS 모델입니다.2 네트워크 연결 없이 완전 오프라인으로 동작하며, 약 1억 개 파라미터 규모입니다. Gradium은 Phonon이 단일 CPU 코어에서 실시간의 6배 속도로 실행된다고 설명합니다.2
이 차이는 단순한 구현 방식의 차이가 아닙니다. 클라우드는 요청량, 지연 시간, 네트워크 상태, 데이터 처리 정책을 함께 고려해야 합니다. 온디바이스 방식은 모델을 앱 안에 포함되는 라이선스 바이너리 형태로 배포하고, 기기 및 모델 유형별 라이선스 기반으로 생성 횟수는 무제한인 구조입니다.2 텍스트가 기기 밖으로 나가지 않는다는 점도 민감한 제품에서는 중요한 판단 기준이 됩니다.
어떤 제품에 어떤 방식이 맞을까
유연성이 핵심인 실시간 음성 에이전트라면 클라우드 API가 더 자연스러운 선택일 수 있습니다. 대화 흐름이 다양하고, 서비스 연동이 필요하며, 지속적인 모델 개선을 빠르게 반영해야 하는 경우가 여기에 해당합니다.
반대로 목소리와 사용 범위가 비교적 정해진 제품이라면 온디바이스 모델이 유리할 수 있습니다. 예를 들어 오프라인 학습 앱, 게임 NPC, 내비게이션, 접근성 기능처럼 특정 상황에서 안정적으로 말하는 것이 중요할 때입니다. 네트워크가 없어도 동작하고, 생성 횟수에 따른 비용 부담을 줄일 수 있기 때문입니다.
Gradium Phonon은 커스텀 음성, 복제 음성, 합성 음성에 사용할 수 있으며, 파트너가 제공한 음성을 특정 언어와 사용 사례에 맞춰 단일 목적 모델로 파인튜닝하는 방식입니다.2 또한 10초 길이의 참조 오디오 샘플로 음성 복제를 지원한다고 설명됩니다.2 즉 범용 모델 하나로 모든 상황을 처리하기보다, 정해진 제품 경험에 맞춘 음성을 안정적으로 제공하는 방향에 가깝습니다.
제품 관점에서 봐야 할 질문
Gradium TTS가 보여준 핵심은 “목소리가 얼마나 비슷한가”만으로는 앞으로의 TTS를 평가하기 어렵다는 점입니다. 실제 제품에서는 다음 질문이 더 중요해집니다.
이 음성은 어떤 공간과 장비에서 녹음된 것처럼 들려야 하는가?
실시간 대화처럼 유연성이 중요한가, 정해진 문장을 안정적으로 읽는 것이 중요한가?
클라우드 추론의 확장성이 필요한가, 오프라인 실행과 개인정보 보호가 더 중요한가?
생성량이 많아질 때 비용 구조를 어떻게 예측할 수 있는가?
음성 품질뿐 아니라 지연 시간과 배포 방식까지 제품 경험에 맞는가?
결국 Gradium TTS가 시사하는 방향은 분명합니다. 앞으로 TTS의 경쟁력은 예쁜 목소리만이 아닙니다. 녹음 환경의 질감, 실행 위치, 비용 모델, 지연 시간, 개인정보 요구사항을 함께 다룰 수 있을 때 실제 제품에서 더 설득력 있는 음성 경험을 만들 수 있습니다.
1Gradium TTS Transfers Reverb And Bandwidth For Realistic AI Voices · Digg
2Gradium Phonon: On-Device TTS for Mobile Apps, NPCs, and Offline Products
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.