5초 클론·최저가 경쟁은 뜨거운데, 무료 TTS의 한국어 발음은 아직 제자리

낮 12시가 가까운 시각, 방에서 무료 텍스트음성변환(TTS) 도구 순위를 묻는 질문이 나왔다. 한 참여자가 무료 TTS 1위가 일레븐랩스(ElevenLabs)인지 물었고, 다른 참여자는 곧바로 Voicebox를 추천하며 대화가 시작됐다.

"무료 TTS 1황이 일레븐랩스인가유?"

대화가 이어지던 오후, 다른 참여자가 새 소식을 전했다. 음성클로닝 스타트업 Fish Audio가 5,200만 달러 규모의 시드 투자를 유치하며 신형 모델 S2.1 Pro를 공개했다는 내용이었다. 음성 5초만 있으면 클론이 가능하고, 경쟁 서비스 Cartesia보다 속도는 2배 빠르며, 일레븐랩스의 6분의 1 비용으로 쓸 수 있다는 스펙이 함께 전해졌다. 그러나 스펙만으로 판도를 흔들기엔 이르다는 듯, 방의 관심은 곧바로 가격 문제로 되돌아갔다.

"voicebox만 유일하게 무료아닌가요 일레븐랩스가 무료로 얼마나 만들수있죠?"

정말 돈 없이 쓸 수 있는 도구가 어느 것인지 답은 명확히 정리되지 않았지만, 가격보다 먼저 걸린 벽은 따로 있었다. 직접 한국어로 테스트해본 참여자 한 명이 소감을 전했다.

"영어 지우고 한글 써서 테스트 해보니까 한국 거주 5년차 외국인이 말하는 거랑 똑같네유 ㅋㅋㅋ 신기"

영어 합성은 나무랄 데 없었지만, 한국어로 바꾸자 마치 한국에 몇 년 산 외국인이 말하는 듯한 억양이 묻어났다는 것이다. 무료·저비용을 내세운 도구들이 실제로 부딪히는 지점은 가격이 아니라 발음의 자연스러움 쪽이라는 걸 보여주는 반응이었다. 이 경험은 낯설지 않았다 — 다른 참여자는 올해 초 중국에서 만든 AI에 한국어를 시켰을 때도 비슷한 인상을 받았다고 보탰다.

"올해 초에 중국에서 ai한테 한국어 시키니까 중국느낌+연변 발음이었어요"

한 도구만의 흠이 아니라, 회사와 국적을 가리지 않고 여러 TTS·음성클로닝 모델이 한국어 앞에서 공통으로 걸려 넘어지는 패턴처럼 보인다는 인상이 방 안에 쌓인 셈이다. 공교롭게도 이 대화가 오간 직후, 다섯 번째 참여자가 Fish Audio 허깅페이스(Hugging Face) 페이지에 한국어 지원이 명시돼 있다는 사실을 확인해줬다. 그러나 이날 방에서 한국어 발음을 직접 시험해 본 사례는 다른 도구를 대상으로 한 것이었고, Fish Audio의 한국어 품질을 실제로 검증해 본 참여자는 없었다. 스펙 시트에 적힌 "한국어 지원"이라는 문구와, 참여자가 몸으로 확인한 "한국어 발음의 자연스러움" 사이에는 아직 메워지지 않은 간극이 있는 것으로 보인다.

5초 클론, 절반에도 못 미치는 비용, 경쟁사 대비 배속 성능 — 무료·저가 TTS 시장을 둘러싼 스펙 경쟁은 분명 뜨거워지고 있다. 그러나 이 방에서 실제로 오간 후기는 그 경쟁이 아직 영어권 중심으로 벌어지고 있음을 시사한다. 한국어라는 변수 앞에서는 값싼 곳이든 이름난 곳이든 비슷한 수준의 어색함을 드러냈고, 그 격차를 누가 먼저 메우느냐가 다음 라운드의 진짜 승부가 될 것으로 보인다.