Google, Gemini 3.1 Flash TTS 공개 — 200+ 오디오 태그·70개 언어로 표현형 음성 통제

한 줄 요약

Google이 Gemini 3.1 Flash TTS를 공개했다. 단순히 글을 읽는 수준을 넘어, "속삭이듯이", "초조한 톤으로" 같은 자연어 지시를 200+ 오디오 태그로 직접 통제할 수 있다. TTS 리더보드(Artificial Analysis) Elo 1,211로 1위.

무엇이 풀렸나

• 자연어 통제: "speak slowly with a calm tone" 같은 자연어 지시 그대로 반영
• 200+ 오디오 태그: 강조·감정·페이스·억양 미세 조정
• 70+ 언어 지원
• SynthID 워터마크 내장 — AI 생성 음성 자동 식별 가능
• 배포 채널: Gemini API · Google AI Studio · Vertex AI · Google Vids (Workspace)

왜 중요한가

지금까지 한국어 TTS는 두 가지 한계가 있었다:

1. 음성이 어색해 광고·교육에 못 씀
2. 감정 통제가 안 돼 단조로움

Gemini 3.1 Flash TTS는 두 한계 모두 큰 폭으로 개선됐다. 한국어가 70+ 언어 풀에 포함되어 있다.

실무자가 얻어갈 것

1. 콘텐츠 제작자: 유튜브·강의 영상·팟캐스트 보이스오버 단가 폭락 가능성
2. CS·교육 자동화: 안내 음성·교재 음성을 사람 녹음 없이 양산
3. 마케팅: A/B 테스트용 광고 보이스 다양화 비용 절감
4. SynthID로 신뢰성 확보 — "AI 생성"임을 워터마크로 검증 가능 (법적·윤리적 리스크 완화)

우리 회사 관점

• POC 우선순위: 고객사 IVR(자동응답) 음성 교체 · 영상 보이스오버 자동화
• 단가 측정: 음성 1분당 비용 vs 사람 성우 비용 비교 → ROI 계산
• 법무 검토: 한국은 AI 음성 표시 의무 규정이 정비 중. SynthID는 도움이 되지만 별도 명시 필요

출처

• Gemini 3.1 Flash TTS: New text-to-speech AI model — Google Blog
• Google Launches Gemini 3.1 Flash TTS in Preview — Winbuzzer
• Google AI Launches Gemini 3.1 Flash TTS — MarkTechPost