프롬프트 TTS

Google이 Gemini 3.1 Flash TTS를 공개했다. 표준 Gemini API에서 gemini-3.1-flash-tts-preview 모델 ID로 사용할 수 있으며, 출력은 오디오 파일로만 제공된다.

프롬프트 가이드는 꽤 독특하다. 예시에서는 짧은 문장을 합성하는 데도 캐릭터 설정, 장면 묘사, 감독 메모, 발화 스타일, 속도, 억양까지 길게 지정한다.

Simon Willison은 같은 예시 프롬프트로 음성을 생성해 봤고, Brixton 출신이라는 설정을 Newcastle, Exeter, Devon으로 바꿔도 결과가 크게 달라지지 않았다고 적었다. 즉, 지역 억양을 세밀하게 통제하는 데는 아직 한계가 있는 것으로 보인다.

그는 또 Gemini 3.1 Pro로 이 실험용 UI를 직접 만들었다고 소개했다. 화면에는 API Key 입력창, Multi-Speaker (Conversation) 모드, 화자 이름과 보이스 선택, 스크립트 입력란, 그리고 오디오 생성 버튼과 다운로드 링크가 보인다.

핵심은 텍스트만 넣는 단순한 TTS가 아니라, 프롬프트 기반 연기 지시에 가까운 음성 생성 모델이 등장했다는 점이다. 다만 실제 결과가 얼마나 정교하게 반영되는지는 추가 검증이 필요하다.