Gemini 3.1 Flash TTS: 차세대 표현형 AI 음성 모델 공개

섹션별 상세

기존 TTS 시스템은 정해진 목소리 톤을 변경하기 어렵거나 부자연스러운 한계가 있었다. Gemini 3.1 Flash TTS는 오디오 태그를 도입하여 텍스트 입력 중간에 자연어 명령을 삽입함으로써 문장 중간에서도 표현력을 바꿀 수 있는 정밀한 제어 기능을 제공한다. 이를 통해 개발자는 장면의 분위기를 설정하거나 화자별로 고유한 오디오 프로필을 지정하여 더욱 몰입감 있는 오디오 경험을 설계할 수 있다.

음성 합성의 품질을 객관적으로 검증하기 위해 수천 명의 블라인드 테스트 결과를 반영하는 Artificial Analysis TTS 리더보드를 활용했다. Gemini 3.1 Flash TTS는 해당 벤치마크에서 1,211점의 높은 Elo 점수를 획득하며 업계 최상위권의 자연스러움을 입증했다. 특히 높은 음성 품질을 유지하면서도 운영 비용이 낮아 대규모 서비스 적용에 최적화된 '가장 매력적인 사분면'에 위치하는 성과를 거두었다.

Artificial Analysis TTS Arena의 품질 Elo 점수를 보여주는 바 차트 — ChartGemini 3.1 Flash TTS가 1,211점을 기록하여 Inworld TTS 1.5 Max(1,215점)에 이어 두 번째로 높은 순위에 있음을 보여줍니다. 이는 ElevenLabs v3 등 기존 주요 모델보다 높은 점수로, 모델의 우수한 음성 품질을 수치로 증명합니다.

글로벌 서비스를 위해 70개 이상의 언어를 지원하며 각 언어별로 세밀한 스타일 및 억양 제어가 가능하다. 개발자는 Google AI Studio의 플레이그라운드에서 설정한 화자 파라미터를 Gemini API 코드로 즉시 내보내어 여러 프로젝트에서 일관된 목소리를 구현할 수 있다. 이러한 확장성은 다국어 시장을 타겟으로 하는 엔터프라이즈 환경에서 일관된 브랜드 보이스를 유지하는 데 기여한다.

AI 생성 오디오의 오용과 허위 정보 확산을 방지하기 위해 구글의 SynthID 기술을 통합했다. SynthID는 오디오 출력물에 인간의 귀로는 들리지 않는 비가시적 워터마크를 직접 삽입하여 나중에 해당 콘텐츠가 AI에 의해 생성되었는지 여부를 신뢰성 있게 감지할 수 있게 한다. 이는 기술적 진보와 더불어 책임감 있는 AI 배포를 위한 안전장치로서 기능한다.

기술

Gemini 3.1 Flash TTS
SynthID
Google AI Studio
Vertex AI
Gemini API

활용 사례

다국어 고객 지원 챗봇
표현력이 풍부한 오디오북 생성
게임 내 캐릭터 음성 합성
개인화된 음성 비서 서비스

언급된 리소스

DemoGoogle AI Studio

문서Artificial Analysis TTS Leaderboard