10초짜리 녹음 하나로 그 사람의 목소리를 다시 세울 수 있고, 13개 언어로 말하게 할 수도 있다. Fish Audio가 맨 앞에 내세우는 약속이다. 스스로를 AI 음성 플랫폼이라 부르며 음성 합성, 목소리 복제, 음성 인식을 나란히 세우고, 바탕에는 자체 S2 계열 모델을 둔다.

먼저 써 보려는 사람의 답은 요금표 가장 왼쪽 칸에 있다. 무료 요금제는 매달 8000 크레딧을 주고, 가입할 때 카드를 요구하지 않는다.

무료 요금제로 무엇이 되고, 어디서 멈추는가

크레딧은 시간으로 바꾸면 이해가 빠르다. 8000 크레딧은 대략 7분 분량의 생성 음성에 해당한다. 요청 한 번은 500자까지다. 공식 환산으로는 출력 1분에 600에서 625 크레딧이 든다. 여기에 공개 음성 슬롯 3개와 표준 생성 속도가 붙는다.

그 페이지에서 두 줄은 다시 볼 만하다. 확장된 목소리 복제와 상업적 사용은 무료 칸에서 취소선이 그어져 있다. 둘 다 이 요금제에 포함되지 않는다는 뜻이다. 공식 답변도 같은 말을 문장으로 적어 둔다. 무료 요금제의 결과물은 개인 비상업 프로젝트용이고, 그 밖의 용도에는 상위 요금제가 필요하다. 수익이 나는 콘텐츠에 음성을 얹을 생각이라면 내보내기 단계에서 알게 될 일이 아니라 처음부터 계산에 넣어야 한다.

10초 음성으로 목소리 만들기

목소리 복제는 이 제품이 가장 세게 미는 기능이다. 페이지의 문장은 10초 샘플이면 충분하다는 것이다. 짧은 참조 녹음을 넣으면 몇 초 만에 쓸 만한 목소리가 돌아온다. 모델 학습 대기열은 없다. 옆에 숫자 세 개가 붙는다. 스트리밍 지연은 300밀리초 아래다. 한 번 복제하면 언어를 넘어 쓸 수 있고, 공식 표현으로는 13개 언어를 제로샷으로 덮는다. 언어마다 모델을 따로 준비하거나 다시 녹음할 필요가 없다.

한 가지는 따로 떼어 쓸 만하다. S2 모델 자체가 오픈소스이고, 직접 올려 쓰는 길도 공식적으로 열려 있다. 프라이버시에 민감한 작업이나 손안의 환경에서 돌리고 싶은 사람에게, 순수한 클라우드 서비스에는 없는 선택지다.

감정 태그: 합성 음성에 말투를 입히기

음성 합성을 다뤄 본 사람은 같은 벽에 부딪힌다. 단어는 정확한데 너무 평평하다. Fish Audio의 답은 지시를 텍스트 안에 넣는 것이다. 제품 페이지의 예문에는 [chuckle], [emphasis], [long pause]가 본문에 박혀 있고, 모델은 웃음과 강조와 멈춤을 그에 맞춰 처리한다.

이런 태그는 60가지가 넘는다고 공식은 말하며, Emotions와 Special 두 묶음으로 나뉜다. 앞은 [angry], [sad], [whispering] 같은 감정 상태다. 뒤는 [laughing], [sighing]처럼 몸의 반응에 가까운 표시다. 나레이션이나 배역 녹음에서는 의도를 대본에 적어 넣는 편이 후반 작업에서 몇 번씩 고치는 것보다 훨씬 수월하다.

200만 개의 목소리, 8개 언어

음색을 직접 빚는 일이 번거롭다면 라이브러리에서 고르면 된다. 공식 숫자는 2000000개가 넘는 목소리이고, 성별, 나이, 음높이, 에너지, 감정, 용도로 걸러 낼 수 있으며, 정하기 전에 하나씩 들어 볼 수 있다. 합성 쪽 언어는 8개로 적혀 있다. 영어, 일본어, 한국어, 중국어, 프랑스어, 독일어, 아랍어, 스페인어.

더빙만이 아니다, 나머지 음성 도구

음성 합성은 제품의 앞문일 뿐이다. 그 뒤에 음성 인식, 음성 변환, 보컬 분리, 음성 번역, 효과음 생성이 걸려 있다. 받아쓰기는 실시간 전사와 자동 문장 분할, 화자 라벨과 타임스탬프를 지원하고, 결과를 SRT, VTT, JSON으로 내보낼 수 있다고 적혀 있다. 자막을 만들어 본 사람은 안다. 이 세 형식이 전부 손으로 다시 치는 일과 파일을 편집기로 바로 넘기는 일을 가른다. 여기 언어 폭은 합성 쪽보다 넓다. 공식 숫자는 80개가 넘는다.

요금제는 어떻게 쌓이는가

무료 위에 세 단이 있다. Plus는 연 66달러에 250000 크레딧, 약 200분 생성 음성, 요청당 상한이 15000자로 올라가고 음성 설계와 상업 라이선스가 붙는다. Pro는 연 450달러에 2000000 크레딧, 약 1620분, 팀 좌석 3개, 요청당 30000자까지다. 그 위가 Max와 견적에 따라 정해지는 Enterprise이고, 후자는 규제 대응이 필요한 조직을 향해 데이터를 남기지 않는 운용과 내부 구축 같은 선택지를 내놓는다.

누구에게 맞는가

영상 더빙, 오디오북, 혹은 게임 등장인물 몫의 목소리를 한꺼번에 준비한다면 들어가는 길은 짧다. 가입하고, 목소리를 고르거나 10초 샘플을 올리고, 대본을 붙이고, 태그를 달고, 내보낸다. 무료 한도로도 흐름을 한 번 끝까지 돌려 볼 수 있으니, 상업 라이선스와 더 큰 한도에 돈을 낼지는 그다음에 정하면 된다.

짚고 넘어가야 할 경계는 복제 그 자체다. 기술적 문턱은 이미 낮다. 그러나 남의 목소리를 자기 콘텐츠에 얹는 일은 인격권과 음성권에 닿는다. 공인일 때 가장 날카롭다. 공식 답변도 이 점을 따로 짚는다. 확신이 없으면 권리를 가진 목소리로 시작하거나, 라이브러리에 있는 허가된 음성을 그대로 쓰는 편이 낫다.

도구는 문턱을 낮추지만 판단은 내려가지 않는다. 목소리를 베끼는 데 10초면 족하다. 어려운 것은 그 목소리를 베껴도 되는지, 어디에 써야 하는지를 정하는 일이다.