내 목소리로 TTS 만들기

“오늘의 주인공은 바로 저입니다.” 이 문장을 내가 직접 읽지 않았는데 내 목소리로 들린다면? 오늘 만들 결과가 바로 이것입니다.

TTS는 글을 음성으로 읽어주는 기능이에요. 저는 유튜브 영상의 짧은 해설을 만들 때 본인 녹음으로 실제 사용했습니다. 여기서는 같은 Qwen3-TTS Base 방식에 한글 버튼 화면을 붙여 따라 하기 쉽게 준비했습니다. 공식 Qwen 화면과는 다른, 이 글의 실행 예제입니다.

준비물은 PC, 본인 녹음, 새로 읽힐 한 문장입니다. 위의 연습 파일에서 예제 ZIP을 내려받고 처음 한 번만 설치하세요. 설치 방법은 바로 아래에서 펼칠 수 있습니다. 준비가 끝나면 녹음 넣기 → 두 문장 적기 → 읽기 버튼이면 됩니다. 개인 음성은 예제에 포함하지 않았습니다.

스마트폰 녹음 앱으로 10초 안팎의 완결된 문장부터 준비해 보세요. 조용한 방에서 평소 말투로 읽으면 됩니다. 처음부터 성우처럼 말하려고 애쓰지 않아도 괜찮아요.

예문: “안녕하세요. 오늘은 내 목소리로 새로운 문장을 읽어보겠습니다. 짧은 문장부터 천천히 확인해 볼게요.”

음악이나 다른 사람 목소리는 빼 주세요. 이 예제는 1~30초 녹음을 받습니다. 너무 길면 녹음 앱의 편집 기능으로 문장이 끊기지 않는 짧은 구간을 사본으로 저장하세요. 녹음의 길이가 품질을 보장하는 것은 아닙니다.

녹음 앱에서 공유, 내보내기로 M4A 또는 WAV 파일을 PC에 옮깁니다. 원본은 따로 보관하세요.

① 내 목소리 녹음 넣기의 클릭하여 업로드를 누릅니다. 파일 선택 창에서 방금 PC로 옮긴 녹음을 선택하고 열기를 누르세요. 녹음 파일을 이 칸으로 끌어다 놓아도 됩니다.

파일 이름이 보이면 준비됐습니다. 화면의 reference.wav는 제 예제 이름이에요. 내 파일 이름이 달라도 괜찮습니다.

파일을 읽지 못하면 M4A/WAV인지 확인하고, 녹음 앱에서 다시 내보내세요. 이 화면의 ‘업로드’는 이 PC에서 실행 중인 프로그램에 파일을 넣는 동작입니다. 외부 음성 서비스로 보내는 방식이 아닙니다.

② 녹음에서 실제로 읽은 말에 원음을 듣고 내용을 그대로 적습니다. 이를 전사라고 해요. 어려운 작업처럼 들리지만, 내가 녹음에서 한 말을 받아 적으면 됩니다.

중간에 단어를 바꿔 읽었다면 계획했던 문장 대신 실제로 말한 문장을 쓰세요. 녹음에 없는 설명문이나 인사말을 덧붙이지 않습니다.

여기는 앞으로 읽힐 새 원고를 쓰는 칸이 아닙니다. 왼쪽은 이미 녹음한 말, 오른쪽은 새로 읽힐 말로 기억하면 헷갈리지 않아요. 자동 전사를 썼더라도 소리와 한 번 대조해 주세요.

③ 새로 읽힐 문장에 내 목소리로 듣고 싶은 말을 적습니다. 첫 실험은 짧고 가볍게 해볼까요?

오늘의 주인공은 바로 저입니다.

처음부터 긴 대본을 넣기보다 한 문장으로 시작하세요. 결과가 마음에 들면 “오늘도 수고했어요. 이제 좀 쉬어 볼까요?”처럼 다른 문장으로 바꿔 보면 됩니다.

이 예제는 원고 100자, 생성 음성 10초까지 확인하도록 만들었습니다. Qwen 모델 전체의 최대 길이라는 뜻은 아니에요.

제가 직접 녹음한 제 목소리입니다에 체크하고, 보라색 내 목소리로 읽기를 누릅니다.

프로그램이 내 녹음에서 목소리 특징을 읽고 새 문장을 만듭니다. 목소리 모델을 새로 학습하는 과정은 아닙니다.

체크나 입력이 빠졌다면 진행 상황에 안내가 나옵니다. 녹음 파일 → 녹음한 말 → 새 문장 순서로 빈칸을 확인하세요. 한 번 눌렀다면 결과가 나올 때까지 기다립니다.

CPU가 문장을 만드는 동안 아래 결과 칸에 처리 중 표시가 나옵니다. 짧은 음성이라도 만드는 데는 더 오래 걸릴 수 있어요. 버튼을 여러 번 누르지 말고 한 번의 결과를 기다리세요.

제 로컬 첫 비교에서는 2~4초짜리 음성을 합성하는 데 약 25~27초가 걸렸습니다. 모델을 여는 시간은 별도이고 PC와 문장에 따라 다릅니다. 기다리는 시간이 음성의 길이와 같지는 않아요.

오류 안내가 나오면 문장을 짧게 바꿔 다시 시도합니다. ‘설치 확인’ 안내가 나오면 처음 설치가 끝났는지 확인하세요.

완성! 안내가 나오면 ④ 완성된 목소리 듣기의 삼각형 재생 버튼을 누르세요. 내가 읽지 않은 문장이 어떻게 들리는지 확인합니다.

처음에는 세 가지만 들어보세요. 내 목소리와 닮았는지, 발음이 맞는지, 말끝이 잘리지 않았는지. 파일이 만들어졌다고 바로 영상에 넣기보다 원음과 번갈아 듣는 게 좋습니다.

제 첫 샘플은 목소리 유사도는 괜찮았지만 말투가 조금 느렸습니다. 아래에서 참조 녹음을 바꿔 비교한 방법도 이어서 볼게요.

완성된 음성 칸의 아래쪽 화살표 모양 내려받기 버튼을 누릅니다. 브라우저의 다운로드 목록에서 파일을 확인하고, 보통 탐색기의 다운로드 폴더에 저장된 WAV를 다시 열어보세요. 저장 위치를 바꿨다면 선택한 폴더를 확인합니다.

WAV는 음성 파일 형식입니다. 영상 편집기에도 이 파일을 가져오면 됩니다. 브라우저 안에서 재생한 것과 별도로 내려받은 파일도 다시 재생해 저장이 끝났는지 확인하세요.

결과는 실행 예제의 output 폴더에도 작업별 새 폴더로 보관됩니다. 이전 음성을 덮어쓰지 않으니 여러 결과를 비교할 수 있어요.

원음과 왼쪽 전사는 그대로 두고 오른쪽 문장만 바꿔 보세요.

오늘도 수고했어요. 이제 좀 쉬어 볼까요?

다시 내 목소리로 읽기를 누르면 됩니다. 매번 새로 녹음하거나 학습할 필요는 없습니다. 다만 이 간단한 예제는 실행할 때마다 참조 목소리의 특징을 다시 계산합니다.

발음이 어색하면 문장을 짧게 나누고, 숫자나 약어는 원하는 소리대로 풀어 적어 보세요. 고유명사와 날짜는 특히 한 번 더 들어보는 편이 좋습니다.

조금 더 빠르게, 짧게 쉬며 읽은 본인 녹음을 새로 준비합니다. 그 녹음에 맞춰 왼쪽 전사도 바꾸고, 같은 문장으로 비교하세요. 컴퓨터를 빠르게 만드는 것과 말투를 빠르게 만드는 것은 다른 문제입니다.

실제 제작에서 두 결과의 앞뒤 무음을 같은 기준으로 정리했을 때, 일반 해설은 3.10초 → 2.25초, 긴 해설은 6.18초 → 5.08초로 짧아졌습니다. 반대로 기관명 문장은 2.79초 → 2.92초로 조금 길어졌어요. 참조를 바꿨다고 모든 문장이 똑같이 빨라지는 것은 아닙니다.

목소리를 억지로 배속하거나 말끝을 잘라 맞추기보다 참조 말투 → 원고 길이 → 직접 듣기 순서로 조정해 보세요. 첨부 예제는 음성을 자동으로 자르거나 배속하지 않습니다. 처음 목표는 긴 대본 한 편보다, 마음에 드는 짧은 문장 하나입니다.