📎 이 주제, 더 넓게 보기: 관련 글을 한곳에 모은 음성 AI 에이전트 총정리도 함께 보세요.
음성 합성 비교를 시작하기 전에, 어제 나온 두 소식이 서로 다른 자리를 겨냥했다는 점부터 짚어야 합니다. 하나는 목소리를 만들어 주는 쪽이고, 다른 하나는 그 목소리로 일을 시키는 쪽입니다. 음성 서비스를 준비한다면 이 둘을 같이 놓고 봐야 합니다.
음성 합성 비교 전에 알아야 할 어제의 두 소식
딥마인드의 Gemini 3.8 텍스트 음성 변환
구글 딥마인드가 어제 공식 블로그에 Gemini 3.8 텍스트 음성 변환을 공개했습니다. Gemini 3.8은 글자를 말로 바꿔 주는 기능을 이 세대로 끌어올린 것입니다. 음성 기반 서비스를 만드는 개발자가 바로 비교해 볼 소식이라는 것이 딥마인드 쪽 설명입니다.
챗GPT 모바일 앱의 음성 에이전트
같은 날 챗GPT 모바일 앱에 음성으로 작동하는 에이전트 기능이 추가됐다고 테크크런치가 보도했습니다. 말로 작업을 시키는 방식이 앱 안에 생긴 것입니다.
두 소식의 성격 차이
하나는 만드는 쪽에 주는 재료이고, 다른 하나는 쓰는 쪽에 주는 사용법입니다. 재료를 고르는 기준과 사용법을 익히는 기준은 같을 수 없습니다. 출처의 무게도 다릅니다. Gemini 3.8 쪽은 회사가 직접 올린 공식 글이고, 챗GPT 쪽은 매체가 전한 보도입니다. 보도는 빠르지만 세부 조건은 뒤따라 확인해야 하고, 공식 글은 느려도 근거로 인용하기가 편합니다.
구글 제미나이 3.8 라이브 공개, 실시간 AI 에이전트 경쟁 시작됐다
고르는 게 아니라 겹쳐 쓰는 대상
오늘 바로 할 수 있는 확인 순서
이 둘은 고를 대상이 아니라 겹쳐 쓰는 대상이라고 봅니다. 한쪽은 소리를 만들고, 다른 한쪽은 말을 받아 일을 시키기 때문입니다. 하나는 서버에서 소리를 만들어 내려보내는 쪽이고, 다른 하나는 사용자의 손안에서 말을 받아 움직이는 쪽입니다. 순서는 이렇게 잡으면 됩니다.
첫째, 내 서비스에 필요한 것이 말하기인지 알아듣고 실행하기인지부터 적습니다. 안내 음성이나 읽어 주기라면 텍스트 음성 변환 쪽입니다. 글자를 말로 바꿔 주는 기능이 바로 그쪽입니다. 사용자가 말로 작업을 시키게 하고 싶다면 음성 에이전트 쪽입니다.
둘째, 원문을 직접 엽니다. Gemini 3.8 소식은 구글 딥마인드가 공식 블로그에 올린 글이고, 챗GPT 소식은 테크크런치가 전한 보도입니다. 회사가 직접 쓴 글과 매체가 전한 글은 확인할 수 있는 범위가 다릅니다.
셋째, 한국어 문장으로 직접 들어 봅니다. 영어 시연이 좋아도 한국어 억양은 따로 봐야 합니다. 제품 안내 문구, 숫자 읽기, 사람 이름만 돌려 봐도 차이가 드러납니다.
넷째, 응답 지연과 비용은 직접 잽니다. 소개 글만 봐서는 알 수 없습니다. 짧은 문장과 긴 문장을 나눠서 재 보길 권합니다. 실제 서비스에서는 긴 문장이 체감 품질을 좌우합니다.
마지막으로 둘을 한 서비스에 같이 넣는 그림도 그려 둡니다. 말로 시키고 결과를 목소리로 돌려주는 흐름이 가장 자연스럽습니다. 지금 쓰는 음성 공급처가 있다면 교체가 아니라 병행부터 보세요.
기기 안으로 들어오는 음성과 한국어
처리 위치와 검증
퀄컴이 차세대 온디바이스 AI 칩을 공개하며 에이전트 중심 경험으로의 전환을 내세웠다는 보도가 있었습니다. AI가 기기 안에서 직접 도는 흐름이 칩 수준까지 내려온 것입니다. 말로 시키는 기능이 늘어날수록 그 처리를 어디서 할지가 설계의 앞단으로 옵니다. 네트워크를 거칠지 기기에서 끝낼지에 따라 응답 속도가 갈리기 때문입니다.
오픈AI가 모델 개발 초기 단계부터 외부의 안전성 검증을 받기로 했다는 보도도 있었습니다. 출시 뒤가 아니라 개발 초기에 외부 검증을 받겠다는 방침이라고 합니다. 음성 에이전트는 말 한마디로 실제 동작이 일어나는 구조라서, 검증 이야기가 따라붙을 수밖에 없다고 봅니다.
한국어 음성은 자기 문장으로
한국어 음성은 직접 들어 보기 전에는 판단이 어렵습니다. 영어 기준 품질이 그대로 옮겨 오지 않는 경우를 많이 봤습니다. 국내 서비스라면 시연 영상보다 자기 문장으로 확인하는 편이 빠릅니다. 조사와 억양, 고유명사 읽기부터 보면 됩니다.
지금은 기능이 막 자리를 잡는 구간이라, 크게 붙이기보다 작은 화면 하나로 시작하는 편이 낫습니다. 음성은 실패했을 때가 더 중요합니다. 못 알아들었을 때 어떻게 되돌릴지를 먼저 정하고, 말이 빗나갔을 때의 안내 문구까지 준비해 두세요.
AI 인프라 투자, 하루에 1조 원이 어느 층으로 들어갔나
정리
첫째, 어제 나온 두 소식은 층이 다릅니다. 하나는 소리를 만드는 재료이고, 다른 하나는 말로 시키는 사용법입니다. 둘째, 지금 할 일은 고르기가 아니라 확인입니다. 셋째, 처리 위치와 검증은 뒤따라오는 질문입니다. 오늘 확인한 것은 어제 하루의 소식과 그 성격까지이고, 나머지는 직접 써 보고 판단할 몫입니다.
출처
- 구글 딥마인드 공식 블로그, Gemini 3.8 텍스트 음성 변환 — deepmind.google — Gemini 3.8 text-to-speech says hello
- 테크크런치, 챗GPT 모바일 앱의 음성 기반 에이전트 기능 보도 — TechCrunch — ChatGPT mobile app gets voice-based agentic features
- AI타임스, 퀄컴 차세대 온디바이스 AI 칩 보도 — AI타임스 — 퀄컴, 차세대 온디바이스 AI 칩 공개…"에이전트 중심 경험 전환"
- AI타임스, 오픈AI 외부 검증 관련 보도 — AI타임스 — 오픈AI, 모델 개발 초기부터 외부 안전성 검증 받는다
답글 남기기