Gemini 3.8 TTS 두 모델 공개: 연출과 대량 생성, 무엇을 확인해야 하나

구글이 제시한 두 모델의 용도와 실제 도입 전 검증 항목을 연결한 설명도입니다.

구글은 2026년 9월 23일 Gemini 3.8 TTS 발표에서 음성 생성 모델 두 개를 소개했다. 대사와 캐릭터의 표현을 세밀하게 지시하는 Gemini 3.8 Flash TTS, 많은 음성을 효율적으로 만드는 Gemini 3.8 Flash-Lite TTS다. 전날 이 사이트에서 다룬 실시간 영상 대화용 Gemini 3.8 Live Avatar와는 사용 목적이 다르다. 이번 글은 구글의 발표와 개발자 문서를 검토한 결과이며, 두 모델의 음성을 직접 생성해 청취하거나 경쟁 제품과 블라인드 비교한 결과는 아니다.

한 줄 결론: 연기 지시가 중요한 콘텐츠에는 Flash TTS, 처리량과 운영비가 중요한 서비스에는 Flash-Lite TTS를 먼저 시험할 만하다. 구글이 제시한 용도 구분은 분명하지만, 한국어 음질과 실제 요청당 비용은 도입하려는 팀의 대본과 트래픽으로 확인해야 한다.

두 모델은 어디에서 갈리는가

Flash TTS는 목소리의 역할과 억양을 자연어로 지정하고, 대사마다 속도와 감정, 말투를 지시하는 창작 작업에 초점을 둔다. 구글은 게임 캐릭터, 오디오북, 팟캐스트와 대화 장면을 사례로 들었다. 한 스크립트에 등장하는 인물의 발화를 따로 연출해야 하는 제작팀이라면 이 기능이 모델 선택의 이유가 된다. 다만 회사의 시연 영상이 긴 한국어 대본이나 여러 인물이 겹치는 실제 제작물의 품질까지 증명하지는 않는다.

Flash-Lite TTS는 대량 더빙, 오디오 콘텐츠 생성, 음성 에이전트처럼 많은 요청을 처리하는 경우를 겨냥한다. 구글은 이를 비용 효율적인 모델이라고 설명하면서도 말투와 속도에 관한 제어 기능을 제공한다고 소개했다. 따라서 두 모델의 차이를 '표현 가능'과 '표현 불가'로 나누면 부정확하다. 같은 대본을 넣고 발음, 억양, 생성 시간, 실패율과 비용을 함께 측정하는 편이 실제 선택에 도움이 된다.

구글의 Flash-Lite 모델 문서는 지원 언어 수를 Flash-Lite 101개, Flash TTS 130개로 적는다. 숫자는 지원 목록의 크기이지 한국어 발음이나 감정 표현의 품질 점수가 아니다. 한국어 서비스라면 고유명사, 숫자, 영어가 섞인 문장, 짧은 안내와 긴 문단을 모두 표본에 넣어야 한다. 음성에 권리 문제가 있는 인물명이나 실제 고객의 개인정보를 시험 대본에 넣을 필요는 없다.

지금 어디에서 쓸 수 있나

발표문은 두 모델이 9월 23일부터 Gemini API와 Google AI Studio에 순차적으로 제공된다고 안내한다. 모델 식별자는 gemini-3.8-flash-tts와 gemini-3.8-flash-lite-tts이며, Gemini API 모델 목록에도 표시된다. 구글은 Flash TTS를 Gemini Notebook, Flash-Lite TTS를 Google Vids에서도 제공한다고 적었다. 조직의 계정이나 지역에서 실제로 선택할 수 있는지, 제품 안에서 어떤 기능이 열려 있는지는 사용 직전에 따로 확인해야 한다.

기업용 Gemini Enterprise API는 발표 시점에 두 모델 모두 coming soon으로 표기됐다. 발표문은 정확한 개시일을 제시하지 않는다. 지금 개발자용 API가 보인다는 사실만으로 기업용 엔드포인트의 계약 조건, 데이터 처리 약속 또는 서비스 수준을 확인했다고 볼 수 없다. 기존 음성 파이프라인을 전환하려는 조직은 제공 채널과 필요한 계약 조건을 먼저 대조해야 한다.

문서 사이에는 갱신 시차도 있다. 조사 당시 음성 생성 가이드의 예제에는 이전 프리뷰 모델명이 남아 있었고, Flash-Lite 문서에는 서로 다른 갱신 시점이 표시됐다. 예제 코드를 복사해 배포하기 전에 현재 모델 목록에서 식별자와 요청 형식을 다시 확인하는 것이 좋다. 이를 곧바로 API 오류나 서비스 장애의 증거로 해석할 수는 없다.

가격값과 품질은 어떻게 판단할까

구글은 Flash-Lite TTS를 비용 효율적인 선택지로 소개한다. 그러나 이번 조사에는 두 모델의 실제 청구 단가, 생성 지연, 긴 대본의 재시도 비용을 같은 조건에서 측정한 자료가 없다. 따라서 어느 쪽이 더 싸거나 빠르다고 수치로 결론 내릴 수 없다. 짧은 안내문과 긴 대화문을 각각 일정 건수 생성해 성공한 오디오 분량당 비용을 계산하고, 청취자가 품질 차이를 알아보는지 블라인드로 평가해야 한다.

발표문에는 Flash TTS가 음성 디자인 평가에서 높은 점수를 얻었다는 구글 측 주장도 있다. 평가 원표와 비교 조건을 이번 조사에서 독립적으로 대조하지 못했으므로, 그 점수만으로 경쟁 음성 서비스보다 낫다고 판단하지 않았다. 특히 한국어 억양, 방언, 숫자 읽기와 여러 화자의 일관성은 별도 시험이 필요하다. 이전 세대 Gemini 음성과의 개선 폭 역시 동일 대본을 생성해 비교한 뒤에만 말할 수 있다.

음성 복제 기능을 쓰는 경우에는 사용 권한을 먼저 확인해야 한다. 구글은 본인 또는 권리를 가진 사람의 약 30초 음성 샘플로 목소리를 재현할 수 있고, 동의 확인과 SynthID 워터마크, C2PA 자격 증명을 적용한다고 설명한다. 이런 장치가 무단 사용을 모두 막거나 생성 음성을 언제나 식별해 준다는 보장은 아니다. 발표문의 지역 제한 각주는 AI Studio를 통한 음성 복제가 미국 일리노이주·텍사스주, 유럽경제지역, 영국, 스위스, 인도에서 제공되지 않는다고 명시한다. 이 제한을 모든 TTS 호출이나 모든 API 기능의 금지로 넓혀 읽어서는 안 된다.

추천 대상과 보류할 대상

캐릭터 대사를 자주 수정하는 게임·오디오 제작팀은 Flash TTS로 연기 지시가 실제 편집 시간을 줄이는지 시험해 볼 만하다. 짧은 설명 음성을 반복 생성하는 서비스팀은 Flash-Lite TTS로 처리량과 비용을 먼저 확인할 수 있다. 두 경우 모두 공급사의 시연 대신 자사 대본, 필요한 언어, 허용 가능한 지연과 권리 조건을 기준으로 평가해야 한다.

기업용 Gemini Enterprise API가 계약의 필수 조건인 조직은 정식 제공과 조건 확인 전까지 전환 결정을 보류하는 편이 타당하다. 특정 인물의 목소리를 복제해야 하는 팀도 사용 권리와 해당 지역의 AI Studio 제공 여부를 먼저 확인해야 한다. 현시점에서 확인된 것은 구글의 두 모델 발표와 문서에 적힌 기능·배포 범위다. 실제 품질 우위와 비용 절감은 별도의 측정 결과로 판단해야 한다.

출처

• Gemini 3.8 text-to-speech says hello — 구글 공식 발표, 2026년 9월 23일
• Gemini 3.8 Flash-Lite TTS 모델 문서 — 구글 개발자 문서
• Gemini API 모델 목록 — 구글 개발자 문서