피시 오디오 '드라마 3', 웃음과 한숨 위치까지 글로 지시하는 음성 AI

피시 오디오(Fish Audio)가 음성 생성 모델 '드라마 3(Drama 3)' 프리뷰를 공개했다. 핵심은 감정과 말투를 세밀하게 다루는 데 있다. 감정이나 말하는 속도를 자연어로 지시하고, 웃음·한숨·쉼을 원하는 위치에 끼워 넣을 수 있다. 문장 전체가 아니라 특정 단어에만 속삭임이나 강조를 줄 수도 있고, 여러 화자가 주고받는 대화를 한 번에 생성한다. 웹 서비스와 API로 쓸 수 있다.

회사 발표로는 83개 언어를 지원하고, 발음 평가에서 일레븐랩스의 Eleven v4를 앞서면서 가격은 5배 저렴하다. 자체 발표 수치라 실제 품질은 직접 들어보고 판단해야 하지만 방향은 분명하다. AI 음성의 경쟁이 얼마나 사람 같은 목소리냐에서 얼마나 연기를 시킬 수 있냐로 옮겨 가고 있다. 같은 기사에서는 클링 AI가 지난달 공개해 둔 영상 모델 '클링 4.0'을 정식 출시했다는 소식도 전했다. 한 번에 30초 영상을 만들고, MCP와 명령줄 인터페이스(CLI)로 외부 도구와 연결할 수 있다.

광고 내레이션이나 숏폼 더빙에 AI 음성을 써 본 팀이라면 가장 큰 불만이 국어책 읽는 듯한 말투였을 것이다. 감정 지시를 글로 할 수 있게 되면 대본 단계에서 연출까지 같이 쓸 수 있다. 대본에 웃음·쉼·강조 위치를 미리 표시해 두는 습관을 들이면, 성우 녹음 전 가이드 음성이나 여러 언어 버전 시안을 훨씬 빨리 뽑을 수 있다. 다만 싸다고 바로 최종 소재로 쓰기보다, 브랜드 톤에 맞는지 몇 번 들어보고 판단하는 단계는 남겨두자.