팟캐스트나 오디오북, 영상 나레이션을 만드는 사람은 결국 같은 계산을 만난다. 직접 녹음하거나 누군가에게 읽게 하거나, 둘 다 싸지 않다. 다국어판까지 내면 비용은 다시 몇 배로 뛴다. ElevenLabs 가 겨냥하는 지점이 바로 그 단계다. 글자를 넘기면 바로 쓸 수 있는 사람 목소리가 돌아오고, 특정 목소리를 복제해 몇 번이고 다시 쓸 수 있다.

공식 사이트는 제품을 셋으로 나눈다. ElevenCreative 는 음성과 음악, 효과음, 이미지와 영상을 맡는 제작용이고, ElevenAgents 는 70개 이상 언어를 다루는 대화형 에이전트용이며, ElevenAPI 는 같은 능력을 개발자에게 연다. 셋은 같은 바탕 모델을 공유하고 입구만 다르다.

손이 많이 가는 단계를 덮는 하나의 제작 흐름

ElevenCreative 를 펼치면 텍스트 읽기, 음성 인식, 효과음 생성, 음악 생성, 음색 설계, 더빙에 이미지와 영상이 더해진다. 공식 설명은 담백하다. 팟캐스트에서 오디오북, 나레이션까지 한 편집기 안에서 끝나고, 녹음 부스와 편집 소프트웨어와 소재 사이트를 오갈 필요가 없다는 것이다.

모델 선택: 지연과 품질은 두 갈래

텍스트 읽기 페이지에는 쓸모 있는 대조표가 있다. 모든 모델이 29개 이상 언어를 다루고, 차이는 어느 쪽을 더 중히 보느냐에 있다.

Multilingual v2 는 29개 언어를 덮고 지연 수치는 적혀 있지 않으며 나레이션과 오디오북, 마무리 작업에 맞는다. Flash v2.5 는 32개 언어를 덮고 지연은 약 75밀리초로, 속도가 중요한 실시간 장면을 위한 것이다. Turbo v2.5 는 약 250에서 300밀리초에 놓이고 품질과 속도 사이를 잡으며 글자당 가격이 50퍼센트 싸다.

75밀리초는 무엇을 뜻하나. 대화에서 음성 응답이 수백 밀리초로 늘어지면 사람은 상대가 기다린다고 뚜렷하게 느낀다. Flash v2.5 는 그런 장면을 위한 것이다. 완성된 음원을 만든다면 수백 밀리초를 더 기다려 질감을 얻는 편이 Turbo v2.5 나 Multilingual v2 로 낫다.

목소리 라이브러리와 복제

텍스트 읽기 페이지에는 11000 개가 넘는 목소리를 쓸 수 있다고 적혀 있다. 모자라면 길이 둘 더 있다. Voice Design 은 음색을 설명한 글에서 새로운 AI 목소리를 만들고, 복제는 손에 있는 녹음을 몇 번이고 불러 쓸 수 있는 음색으로 바꾼다.

복제는 두 단계다. 즉시 복제는 Starter 부터, 전문 복제는 Creator 부터 제공되며, 뒤쪽은 공식 페이지 기준 1 에서 5분의 음성 소재가 필요하다. 소재가 많을수록 결과가 본인에 가까워진다. 직관에 맞는 거래다.

더빙과 인식: 놓치기 쉬운 나머지 절반

이것을 텍스트 읽기로만 보면 뒤쪽 절반을 놓친다. 더빙 모델 Dubbing v2 는 90개 이상 언어와 억양을 다루고, 공식은 받아쓴 글이 아니라 원본 음성에 조건을 건다고 강조한다. 원래의 말투와 감정, 리듬이 목표 언어로 함께 옮겨 가고, 글자 뜻만 옮기는 것이 아니다. 강의와 인터뷰, 홍보 영상을 여러 언어로 만들어야 하는 팀에게 이 단계는 더빙을 다시 만드는 비용을 통째로 덜어 준다.

인식 쪽에서는 Scribe v2 Realtime 의 실시간 받아쓰기 지연이 150밀리초 미만이고 90개 이상 언어를 덮는다. 자리는 분명하다. 에이전트와 회의처럼 그 자리에서 이해해야 하는 장면을 위한 것이고, 녹음을 올려 몇 분 뒤 결과를 받는 오프라인 받아쓰기가 아니다.

대화형 에이전트: 기존 시스템에 들어가야 실현된다

ElevenAgents 는 따로 짚을 만하다. 공식에 따르면 에이전트는 음성이나 채팅으로 고객과 상호작용하고 70개 이상 언어를 덮으며 언어 감지와 전환을 실시간으로 해낸다. 더 중요한 것은 연결선이다. 전화와 채팅, 메일, WhatsApp 이 대상이고 CRM 과 상담 시스템, 일정, 결제, 통신 사업자에 이어진다.

상담과 운영 팀에게 도구의 쓸모는 모델 자체보다 기존 티켓 흐름과 결제 흐름에 들어갈 수 있느냐로 갈리는 경우가 많다. 공식은 배포 전에 모의 대화로 동작을 확인할 수 있고 SOP 에 맞춰 준법용 울타리를 세울 수 있다고도 한다. 이 두 가지는 시연보다 출시 전 검토에서 더 크게 작용한다.

가격: 먼저 월 무료 십 분으로

무료 단계는 월 10000 자를 주고, 공식 환산으로 대략 10분 음성이다. 음색과 언어 효과를 확인하기에는 충분하지만 본격적인 콘텐츠를 시작하면 금방 바닥이 보인다.

Starter 는 월 6달러에 30000 자, 상업 허락과 즉시 복제, 더빙 스튜디오가 붙는다. Creator 는 월 22달러, 첫 달 반값에 12만 1000 자, 전문 복제와 추가 구매가 붙는다. Pro 는 월 99달러에 60만 자, 44.1 kHz PCM 과 192kbps 음질로 내보낸다. Scale 은 월 299달러에 180만 자, 전문 복제 셋과 작업 공간 좌석 셋이다. Business 는 월 990달러에 600만 자, 전문 복제 열과 저지연 텍스트 읽기를 분 단위로 과금한다.

놓치기 쉬운 점이 하나 있다. 상업 허락은 Starter 부터 시작한다. 무료 단계에서 만든 음성을 그대로 상업에 써도 되는지는 먼저 확인해야 한다. 시작 전에 이 분을 읽는 값은 충분하다.

누구에게 맞는가

결과물에 목소리가 많이 들어간다면, 팟캐스트와 오디오북, 강의 나레이션, 제품 영상 해설, 또는 같은 내용을 여러 언어판으로 만들어야 한다면 효과는 실제로 있다. 예전에는 부스를 예약하고 성우를 모아야 했지만, 지금은 초판을 먼저 만들고 어느 구간이 사람의 재녹음을 받을 만한지 정하면 된다.

미리 정해 둘 것도 있다. 목소리 복제는 실제 사람의 음색을 다루므로 남의 목소리를 재현하기 전에 반드시 허락을 확인해야 한다. 법의 문제이면서 동시에 서비스 규칙의 문제다. 또 강한 감정 연기나 특정 억양의 현장감이 필요한 내용에서는 자동 생성 음성이 쓸 만한 초안까지만 나오고 마지막은 사람의 재녹음이 필요할 수 있다.

음성 도구가 바꾸는 것은 더빙이 가능하냐가 아니라 몇 개 언어판을 만들 것이냐는 계산이다. 두 번째 언어와 열 번째 언어의 한계 비용이 거의 0 에 가까워질 때 콘텐츠의 도달 범위가 비로소 열린다.