구글, Gemini 3.8 Flash TTS 공개… 자연어 프롬프트로 음성 커스터마이징

구글이 Gemini 3.8 Flash TTS와 Gemini 3.8 Flash-Lite TTS를 공개하며 음성 생성 기술을 정적 프리셋에서 동적 크리에이티브 스튜디오로 전환했다. Gemini 3.8 Flash TTS는 심층적인 크리에이티브 디렉팅과 캐릭터 디자인에 특화되어, 자연어 프롬프트만으로 100개 이상의 언어와 방언에서 역할, 악센트, 음성 특성을 커스터마이징할 수 있다. 반면 Gemini 3.8 Flash-Lite TTS는 대량 처리와 비용 효율적 스케일링을 목표로 더빙, 오디오 콘텐츠 제작, 음성 에이전트 등에 최적화되었다.

두 모델 모두 Google AI Studio, Gemini API, Gemini Enterprise, Gemini Notebook, Google Vids에서 사용 가능하다. 음성 라이브러리에는 멕시코 스페인어, 퀘벡 프랑스어, 스코틀랜드 영어 등 지역 변형을 포함한 2,000개 이상의 프로덕션 준비된 음성이 제공된다. 음성 복제(Voice Replication) 기능은 30초 오디오 샘플로 일관된 음성 프로필을 생성하며, 소유자의 구두 동의 확인과 SynthID 워터마킹, C2PA 자격 증명으로 보호된다. 단, AI Studio에서의 음성 복제는 일리노이, 텍사스, EEA, 영국, 스위스, 인도에서는 제한된다.

연출 기능으로는 대본 내 스테이지 디렉션을 통한 라인별 디렉팅, 수 시간 연속 오디오에서도 높은 품질을 유지하는 롱폼 생성, 그리고 네이티브 2화자 장면 스테이징이 지원된다. <laughs>, <gasp> 등 비언어적 큐와 |mhm| 같은 적극적 경청 삽입어를 통해 코미디 타이밍과 반응 비트를 정밀하게 제어할 수 있다. Voice Remixing 기능은 곧 출시될 예정이다.

벤치마크 성과로는 Hume AI의 Voice Design Benchmark에서 Gemini 3.8 Flash TTS가 종합 1위(71.4)와 악센트 모델링 1위(60.8)를 차지했다. Overall Quality Index에서도 Flash TTS가 1위, Flash-Lite TTS가 2위를 기록했다. Voice Arena의 블라인드 인간 선호도 평가에서는 일본어, 브라질 포르투갈어, 베트남어, 현대 표준 아랍어, 멕시코 스페인어, 힌디어 등 주요 글로벌 언어에서 경쟁사 대비 상위권에 올랐다. 개발자들은 Agora, LiveKit, Pipecat, Vercel 등에서 Gemini API를 통해 고성능 음성 생성 경험을 구축할 수 있으며, Figma, HeyGen 등 파트너사들이 글로벌 더빙과 현지화 가속화를 위해 모델을 통합 중이다.