자주 묻는 질문
음성 합성 API란 무엇인가요?
텍스트를 입력하면 오디오 파일을 반환하는 클라우드 API입니다. POST 엔드포인트로 JSON 형식의 요청을 보내면 음성 합성 결과가 반환됩니다. OpenAI SDK와 호환되는 구조를 채택하여, base_url만 변경하면 공식 SDK를 바로 사용할 수 있습니다. RESTful 방식으로 설계되어 다양한 개발 환경에서 쉽게 통합할 수 있습니다.
VTuber 콘텐츠에 TTS API를 사용할 수 있나요?
VTuber 콘텐츠에 TTS API를 사용할 수 있나요? VTuber 콘텐츠에 TTS API를 사용할 수 있습니다. 본 서비스는 실시간성이 아닌 고정된 오디오 파일 생성에 최적화된 안정적인 API를 제공합니다. VTuber의 대사나 내레이션용 오디오를 배치로 생성하여 콘텐츠에 활용하는 워크플로우에 적합합니다. 실시간성보다는 일관된 품질과 안정성을 중시하는 경우에 권장합니다.
생성된 오디오 파일은 어떻게 저장되나요?
API 응답을 통해 오디오 파일이 즉시 반환되며, 서버에는 생성된 오디오 파일이 저장되지 않습니다. 요청 메타데이터(시간, 문자 수, 상태)는 청구 목적으로만 유지됩니다. 입력 텍스트는 오디오 생성에만 사용되며 학습 데이터로 활용되지 않습니다. 파일은 사용자의 클라이언트 단에서 직접 관리해야 합니다.
얼마나 빠른 속도로 오디오가 생성되나요?
긴 텍스트의 경우 생성 속도는 실시간과 거의 유사합니다. 초당 약 25자의 텍스트가 처리됩니다. 짧은 문장은 몇 초의 생성 시간이 소요됩니다. 요청은 순차적으로 처리되므로 부하가 걸리면 대기열에 진입할 수 있습니다. 실시간 스트리밍용이 아니므로, 배치 처리에 적합한 성능을 제공합니다.
지원되는 오디오 형식은 무엇인가요?
mp3, wav, opus, flac, pcm 형식을 지원합니다. response_format 파라미터를 통해 원하는 형식을 지정할 수 있습니다. 각 형식은 서로 다른 압축률과 품질을 제공하므로 사용 목적에 맞게 선택할 수 있습니다. 추가 형식 확장이나 커스텀 인코딩 옵션은 제공되지 않습니다.
언어는 자동으로 감지되나요?
language 파라미터가 설정되지 않으면 스크립트를 기반으로 언어가 추측됩니다. 라틴 문자 텍스트는 기본적으로 영어로 간주됩니다. 영어가 아닌 라틴 문자 텍스트의 경우 language 파라미터를 명시적으로 설정해야 합니다. 현재 23개 언어가 지원되며, 지원되지 않는 언어는 자동으로 처리되지 않습니다.
API 키는 어떻게 생성하나요?
/get-api-key/ 페이지에서 Google 또는 이메일/비밀번호로 가입하면 API 키가 발급됩니다. 계정은 사이트별로 독립적으로 관리됩니다. 키는 계정당 하나만 활성화되며, 새 키를 발급하면 이전 키는 즉시 비활성화됩니다. 키는 /get-api-key/ 페이지에서 확인하고 관리할 수 있습니다.
트랜잭션 실패 시 요금이 발생하나요?
합성 실패 시 요금이 발생하지 않습니다. 실패한 요청에 대해서는 요금이 전액 환불됩니다. 성공한 요청에만 요금이 부과되며, 이는 생성된 문자 수에 따라 계산됩니다. API 응답 상태 코드를 확인하여 성공 여부를 판단할 수 있습니다. 실패 시 추가 비용이 발생하지 않으므로安心して 사용할 수 있습니다.
데이터는 학습에 사용되나요?
입력 텍스트는 오디오 생성에만 사용되며 학습 데이터로 사용되지 않습니다. 생성된 오디오 파일은 서버에 저장되지 않습니다. 요청 메타데이터는 청구 목적으로만 유지됩니다. 사용자의 데이터는 제3자와 공유되거나 모델 학습에 활용되지 않습니다. 프라이버시 보호를 위해 데이터 사용이 명확히 제한됩니다.
스트리밍 중 실시간 음성이 필요한가요?
본 서비스는 실시간 스트리밍용이 아닙니다. 오디오 파일 생성에 최적화되어 있으며, 스트리밍이나 WebSocket을 통한 실시간 오디오 제공은 지원하지 않습니다. 요청은 순차적으로 처리되며, 부하 시 대기열에 진입할 수 있습니다. 실시간성이 필요한 경우 다른 솔루션을 고려해야 합니다. 배치 처리에 적합한 API입니다.
API 키가 여러 개 가능한가요?
계정당 하나의 활성 키만 유지됩니다. 새 키를 발급하면 이전 키는 즉시 비활성화됩니다. 따라서 동시에 여러 키를 사용할 수 없습니다. 키 교체 시 이전 키의 접근이 즉시 차단되므로 주의가 필요합니다. 보안 강화를 위해 정기적인 키 교체가 권장됩니다.
서버 장애 시 보상 기준은 무엇인가요?
SLA나 가동 시간 보장이 없습니다. 서버 장애 시에도 요금이 반환되지만, 추가적인 보상 기준은 명시되어 있지 않습니다. 실패한 요청에 대해서만 요금이 반환되며, 기타 손해에 대한 보장은 제공되지 않습니다. 장애 시에도 요금만 반환될 뿐 추가 보상은 없습니다.
USDT 외 결제 수단은 없나요?
USDT(TRC-20)만 지원됩니다. 신용카드, PayPal, 구독형 결제, 세금 계산서 발행이 없습니다. 최소 충전 금액은 $5이며, TRON 네트워크(TRC-20)를 사용합니다. 다른 결제 수단은 제공되지 않으므로 USDT 충전만 가능합니다. 결제 방식이 단순화되어 있어 빠른 충전이 가능합니다.
문의는 어떻게 하나요?
이메일로만 문의가 가능합니다. 전화 번호나 라이브 채팅 지원이 제공되지 않습니다. 웹사이트에 명시된 이메일 주소로 문의하시면 답변을 받을 수 있습니다. 지원은 이메일을 통해 비동기적으로 이루어지며, 응답 시간은 상황에 따라 다를 수 있습니다. 전화나 실시간 채팅을 원하시면 다른 서비스를 고려하세요.
첫 번째 요청
curl
curl https://api.73xo.info/v1/audio/speech \
-H "Authorization: Bearer $TTS_API_KEY" \
-H "Content-Type: application/json" \
-d '{"model":"tts-1","voice":"aria","input":"Hello from the API.","response_format":"mp3"}' \
--output hello.mp3스트리밍 콘텐츠용 TTS 기능
이 API는 텍스트를 입력하면 오디오 파일을 생성하는 클라우드 TTS 서비스입니다. 최대 4,096자까지의 텍스트를 처리하며, 긴 콘텐츠는 청크 단위로 분할하여 합성한 후 오디오 파일을 연결합니다. 분당 60회까지 처리 가능하며, 긴 텍스트는 약 25자당 1초의 생성 속도를 보입니다.
스트리밍 콘텐츠 제작보다는 고정된 오디오 파일 생성에 최적화된 안정적인 API를 제공합니다. OpenAI SDK와 호환되는 구조로, base_url을 변경하여 쉽게 통합할 수 있습니다. 실시간 스트리밍보다는 고정된 오디오 파일 생성에 중점을 두며, 큐 시스템 하에서 순차적으로 처리됩니다.
텍스트 입력 및 오디오 출력
API 엔드포인트는 POST /v1/audio/speech이며, JSON 형식의 요청 본문으로 model, input, voice 등의 파라미터를 전송합니다. 텍스트는 최대 4,096자까지 지원되며, 이를 초과할 경우 여러 요청으로 나누어 처리합니다. 생성된 오디오 파일은 응답을 통해 즉시 제공됩니다.
- 최대 4,096자 입력 지원
- 청크 기반 분할 및 연결 방식
- JSON 기반 요청 구조
다국어 지원 및 자동 감지
아랍어, 중국어, 영어, 일본어, 한국어 등 23개 언어를 지원합니다. 모든 목소리는 모든 언어를 구사할 수 있습니다. 언어 코드를 명시하지 않으면 문자 체계에 따라 언어가 자동 감지되며, 라틴 문자 텍스트는 기본적으로 영어로 간주됩니다. 비라틴 문자 외의 언어 사용 시 언어 코드를 명시하는 것이 좋습니다.
- 23개 언어 지원
- 모든 목소리의 다국어 구사 가능
- 라틴 문자 기본 영어 감지
오디오 파일 포맷 다양성
mp3, wav, opus, flac, pcm 등 다양한 오디오 포맷을 지원합니다. 생성된 오디오 파일은 클라이언트 측에서 바로 사용하거나 저장할 수 있습니다. 각 포맷은 용량과 품질 요구 사항에 따라 선택할 수 있으며, API 응답을 통해 다운로드할 수 있습니다.
- mp3, wav, opus, flac, pcm 지원
- 클라이언트 저장 가능
- 요구 사항에 따른 포맷 선택
VTuber용 목소리 presets
VTuber 및 스트리머는 일관된 캐릭터 음성을 위해 고정된 오디오 파일을 생성하는 데 최적화된 8가지 목소리 프리셋을 사용할 수 있습니다. 각 목소리는 특정 콘텐츠 톤에 맞춰 설계되어 있습니다.
이들 목소리는 라이선스된 녹음 음성을 기반으로 하며, 모든 생성된 오디오 파일에는 합성 음성임을 나타내는 무청음 워터마크가 포함됩니다.
여성 목소리: aria, nova, luna, sage
aria는 따뜻하고 명확한 내레이터 톤을 제공하며, nova는 밝고 활기찬 분위기를 연출합니다. luna는 부드러운 스토리텔링에 적합하고, sage는 차분한 안내형 콘텐츠에 적합합니다.
남성 목소리: felix, milo, atlas, orion
라이브러리 기반 라이선스 음성
모든 목소리는 CC BY 4.0 라이선스의 LibriTTS-R 데이터셋과 퍼블릭 도메인 오디오북 독서에서 파생되었습니다. 이는 고유한 음색을 보장하면서도 명확한 라이선스 기반을 제공합니다.
- LibriTTS-R 데이터셋 기반
- LibriVox 퍼블릭 도메인 음원 활용
- CC BY 4.0 라이선스 준수
기술적 스펙 및 속도
본 API는 OpenAI의 사운드 엔드포인트와 동일한 요청 구조를 따릅니다. base_url만 https://api.73xo.info/v1로 변경하면 공식 OpenAI SDK를 바로 사용 가능합니다. 이는 기존 개발 환경의 변경 부담을 최소화합니다.
OpenAI SDK 호환 구조
요청 형식은 OpenAI speech 엔드포인트와 동일합니다. model, input, voice 등의 필드 구조를 그대로 적용할 수 있어, 기존 TTS 연동 코드의 마이그레이션이 즉시 가능합니다. 인증은 Bearer 토큰을 통해 수행됩니다.
- POST /v1/audio/speech 엔드포인트 호환
- OpenAI SDK 직접 사용 가능
- 인증 헤더:
Authorization: Bearer tts-...
실시간성보다 안정성 중시
VTuber 콘텐츠 제작에는 낮은 지연도 중요하지만, 일관된 오디오 품질과 정확한 발음이 더 중요합니다. 본 서비스는 스트리밍보다는 고정된 오디오 파일 생성에 최적화되어 있습니다.
- 실시간 스트리밍 모드 미지원
배치 처리 및 큐 시스템
- 순차적 처리 방식
- 자동 텍스트 분할 (최대 4096자/요청)
지원 언어 목록
본 API는 아랍어, 중국어, 프랑스어, 독일어, 힌디어, 일본어, 한국어, 스페인어 등 23개 언어를 지원합니다. 리비아 Vox의 공적 도서를 기반으로 한 라이선스 음성을 활용하므로, 각 언어별 특화된 성우가 아닌 일관된 엔진으로 고품질 합성 음성을 생성합니다. 베트남어, 태국어, 우크라이나어 등 미지원 언어 목록에 포함된 언어는 요청 시 오류를 반환합니다.
모든 음성은 23개 언어 모두에서 자연스럽게 구사됩니다. 라틴 문자로 된 텍스트는 기본적으로 영어로 간주되므로, 영어 외 라틴 문자 언어(예: 스페인어, 독일어)를 사용할 경우 반드시 language 파라미터에 해당 ISO 언어 코드를 명시하여 언어 감지 오류를 방지해야 합니다.
주요 23개 언어 지원
지원 언어는 아랍어, 중국어, 덴마크어, 네덜란드어, 영어, 핀란드어, 프랑스어, 독일어, 그리스어, 히브리어, 힌디어, 이탈리아어, 일본어, 한국어, 말레이어, 노르웨이어, 폴란드어, 포르투갈어, 러시아어, 스페인어, 스와힐리어, 스웨덴어, 터키어입니다. 각 언어는 동일한 엔진에서 처리됩니다.
- 아랍어, 중국어, 프랑스어, 독일어, 힌디어, 일본어, 한국어, 스페인어, 러시아어 등 23개 언어
- 리비아 Vox 기반 라이선스 음성 데이터 사용
라틴 문자 자동 감지
언어 코드를 지정하지 않은 경우, 시스템은 입력 텍스트의 문자셋을 분석하여 언어를 추측합니다. 라틴 문자로 된 텍스트는 기본적으로 영어로 처리됩니다. 따라서 영어가 아닌 라틴 문자 언어(예: 스페인어, 포르투갈어)를 사용하려면 반드시 language 파라미터를 설정해야 합니다.
언어 코드 명시 권장
정확한 발음을 위해 language 파라미터에 ISO 639-1 코드를 명시하는 것을 권장합니다. 이는 자동 감지 오류를 방지하고, 특히 유사한 문자를 사용하는 언어나 다국어 혼합 텍스트에서 최적의 결과를 보장합니다. 지원되지 않는 언어(베트남어, 태국어 등)는 요청 시 오류를 반환합니다.
과금 및 결제 방식
본 서비스은 생성된 텍스트의 문자 수를 기준으로 과금합니다. 100만 문자당 $10 ($0.01/1,000자)의 기본 단가가 적용되며, 공백 및 특수문자도 문자 수에 포함됩니다. API 호출 중 합성 실패 시 해당 비용은 전액 환불됩니다.
계정 생성 시 Google 로그인 시 $0.50(약 50,000자)의 무료 체험 크레딧이 7일 동안 제공되며, 이메일/비밀번호 계정에는 기본 적용되지 않습니다. 추가 충전은 TRON 네트워크(TRC-20)의 USDT 전용으로, 최소 충전 금액은 $5입니다.
문자 기준 정산
과금은 100만 문자당 $10의 기준에 따라 발생합니다. 생성된 오디오의 길이와 관계없이 입력된 텍스트의 총 문자 수(공백 포함)가 기준으로 사용됩니다.
API 요청 중 서버 오류 등으로 합성이 실패한 경우, 해당 요청의 비용은 전액 환불되며 중복 과금되지 않습니다.
- 기본 가격: $10 / 100만 문자
- 실패 시 비용 전액 환불
USDT(TRC-20) 전용 결제
결제는 USDT(TRC-20) 네트워크를 통해서만 가능합니다. 신용카드, PayPal 또는 정기 구독 요금제는 제공되지 않으며, 송금 후 자동으로 잔액이 충전됩니다.
최소 충전 금액은 $5이며, 일반적인 경우 송금 후 몇 분 내로 잔액이 반영됩니다. 세금 계산서나 VAT 관련 처리는 별도로 제공되지 않습니다.
- 결제 수단: USDT (TRC-20) 전용
- 최소 충전 금액: $5
잔액 만료 없음
충전된 잔액은 기간 제한 없이 영구적으로 유지됩니다. 별도의 유효 기간이나 소멸 시점이 없으므로, 필요할 때 언제든 사용 가능합니다.

데이터 및 라이선스
수신자의 텍스트는 오디오 파일 생성 목적으로만 사용되며 학습 데이터로 활용되지 않습니다. 생성된 오디오 파일은 응답을 통해 즉시 전송되며 서버에 영구 저장되지 않습니다. 다만, 과금 및 청구 확인을 위해 요청 시간, 문자 수, 상태 코드를 포함한 요청 메타데이터는 보관됩니다.
이러한 데이터 처리 정책은 사용자 프라이버시를 보호하고 명확한 과금 기준을 유지하기 위해 설계되었습니다.
생성 오디오 비저장 정책
API 호출을 통해 생성된 오디오 파일은 서버에 영구적으로 저장되지 않습니다. 파일은 HTTP 응답을 통해 클라이언트에게 즉시 전달되며, 생성 후 별도의 스토리지에 백업되지 않습니다.
오디오 데이터가 삭제되더라도, 과금 처리 및 과금 처리를 위해 요청 시간, 처리된 문자 수, 요청 상태 등의 메타데이터는 보관됩니다. 이는 분쟁 해결 및 정확한 요금 정산을 위해 필수적입니다.
수요자 학습 데이터 미사용
고객이 제공한 텍스트는 음성 합성 엔진의 모델 학습이나 개선을 위해 수집되거나 활용되지 않습니다. 각 요청은 독립적으로 처리되며, 입력 데이터는 생성된 오디오 파일의 원천으로만 사용됩니다.
따라서 특정 사용자의 텍스트가 향후 다른 사용자의 출력 결과에 영향을 미치거나 학습 데이터베이스에 누적되지 않습니다.
합성 음성 워터마크
API를 통해 생성된 모든 오디오 파일에는 인 audible하지 않은 디지털 워터마크가 삽입됩니다. 이 워터마크는 해당 오디오가 합성 음성임을 식별할 수 있도록 설계되었습니다.
VTuber 콘텐츠나 스트리밍 자료에서 오디오의 출처를 명확히 할 수 있는 기술적 근거를 제공합니다.
API 접근성
API는 OpenAI SDK와 호환되는 RESTful 구조를 제공하며, base_url을 https://api.73xo.info/v1로 설정하면 공식 SDK를 그대로 사용할 수 있습니다. POST 엔드포인트를 통해 텍스트를 전송하면 오디오 파일이 반환됩니다.
인증은 Bearer 토큰 방식의 API 키를 사용하며, GET 엔드포인트를 통해 음성 목록 및 가격 정보를 확인할 수 있습니다.
간단한 RESTful 엔드포인트
POST https://api.73xo.info/v1/audio/speech 엔드포인트는 JSON 형식의 요청 본문을 받습니다. model, input, voice, response_format, speed 등 필드를 포함하여 오디오 파일을 생성합니다.
GET /v1/voices 엔드포인트를 통해 사용 가능한 음성, 언어, 포맷 및 가격 정보를 조회할 수 있습니다. GET /v1/models 엔드포인트도 제공됩니다.
- POST /v1/audio/speech: 오디오 생성
- GET /v1/voices: 음성/가격 정보 조회
- GET /v1/models: 모델 목록 조회
Bearer 토큰 인증
모든 API 요청에는 Authorization: Bearer tts-... 형식의 API 키가 필요합니다. 계정은 활성 키 하나를 가지며, 새 키를 발급하면 기존 키는 즉시 무효화됩니다.
API 키는 /get-api-key/ 페이지에서 발급 및 관리할 수 있습니다.
- Authorization: Bearer tts-...
- 키 재발급 시 기존 키 즉시 정지
curl 예제 제공
/get-api-key/ 페이지에는 API 사용에 필요한 준비된 curl 예제가 포함되어 있어 즉시 테스트할 수 있습니다. 이 예제는 API 호출의 기본 형태를 보여줍니다.
예제를 통해 요청 형식과 응답 구조를 쉽게 파악할 수 있습니다.
스트리머 사용 시나리오
스트리머는 사전 녹음된 내레이션 오디오를 생성하여 방송 중 배경으로 사용할 수 있습니다. 최대 4,096자까지의 텍스트를 API로 변환해, 방송 시나리오에 맞는 정확한 음성을 확보할 수 있습니다.
특히 긴 텍스트는 4,096자 단위로 분할된 후 오디오 파일로 결합되어 제공되므로, 긴 내레이션도 안정적으로 생성됩니다.
내레이션 오디오 생성
방송 스크립트를 입력하면 aria나 luna 같은 목소리로 안정적인 오디오 파일을 얻습니다. 생성된 파일은 방송 소프트웨어에서 바로 소스로 추가할 수 있습니다.
실시간 처리보다 안정성을 중시하므로, 생성된 오디오는 항상 명확하게 재생됩니다. 생성된 파일은 서버에 저장되지 않고 응답으로 직접 전달됩니다.
- 최대 4,096자 입력 가능
- 오디오 파일 형식 다양성 지원
- 배치 처리로 안정적 생성
다중 언어 스트리밍 보조
23개 언어를 지원하며, 라틴 문자 텍스트는 자동으로 영어로 간주되지 않도록 언어 코드를 명시해야 합니다. 이를 통해 정확한 발음과 억양을 유지할 수 있습니다.
특정 언어가 필요할 때 언어 코드를 설정하면 해당 언어의 목소리로 변환됩니다. 이는 다양한 지역 시청자를 위한 콘텐츠 제작에 유용합니다.
- 23개 언어 지원
- 언어 코드 명시 권장
- 자동 감지 기능 제공
게임 내 텍스트 음성화
게임 내 텍스트를 오디오 파일로 변환하여 사용자에게 제공할 수 있습니다. 이는 게임 내 내레이션이나 대화에 활용될 수 있습니다.
개발자는 tts-1 또는 tts-1-hd 모델을 사용해 원하는 목소리로 텍스트를 변환할 수 있습니다. 생성된 오디오는 게임 엔진에서 직접 재생할 수 있습니다.
- 게임 내 내레이션 활용
- 다양한 목소리 선택 가능
- 간단한 API 호출로 통합
서비스 한계 사항
서비스는 고정된 오디오 파일 생성에 최적화되어 있습니다. 실시간 스트리밍이나 웹소켓 기반의 실시간 오디오 스트리밍을 지원하지 않으며, 요청은 큐에서 처리됩니다. SSML이나 발음 사전, 감정 태그와 같은 세밀한 제어 기능도 제공되지 않습니다.
커스텀 보이스 클로닝이나 자체 음성 업로드 기능이 없습니다. 8가지 기본 프리셋 중에서 선택하여 사용해야 하며, 리브라잇박스 기반의 라이선스 음성만 제공됩니다. 외부 브랜드와의 공식 제휴 관계도 없습니다.
스트리밍 비지원
API는 실시간 오디오 스트리밍을 지원하지 않습니다. 텍스트를 입력하면 전체 합성 끝까지 기다린 후 오디오 파일이 반환됩니다. 실시간성보다는 안정적인 배치 처리를 중시합니다.
요청이 처리될 때까지 큐에서 대기할 수 있으며, 부하가 걸리면 응답 속도가 지연될 수 있습니다. 실시간 대화형 애플리케이션에는 적합하지 않을 수 있습니다.
SSML 미지원
SSML(음성 합성 언어)을 지원하지 않습니다. 발음 기호, 문장 간 대기 시간, 음성 크기 조절 등 세밀한 제어 기능이 없습니다.
단순 텍스트 입력으로만 목소리의 템포와 높낮이만 speed 파라미터로 조절할 수 있습니다.
커스텀 보이스 클로닝 없음
고객이 직접 음성을 업로드하여 커스텀 보이스를 생성하거나 복제하는 기능을 제공하지 않습니다. 8가지 기본 프리셋 중 하나를 선택해야 합니다.
리브라잇박스에서 라이선스 받은 음성 데이터를 기반으로 하며, 별도의 보이스 디자인이나 감정 태그 기능은 없습니다.
8개 음성 듣기
아래의 각 샘플은 동일한 문장을 이 API로 생성한 것입니다. 한 번의 요청으로 단일 언어만 생성할 수 있으므로, 한국어 대사 후 영어 대사를 이어붙이려면 여러 번 호출해야 합니다.
23개 언어
모든 음성은 이 언어들을 구사합니다.
