자주 묻는 질문
어떤 목소리가 VTuber에 가장 적합합니까?
아리아(Aria)는 따뜻하고 명확한 내레이터 톤으로, 노바(Nova)는 밝고 경쾌한 스타일을 제공합니다. 루나(Luna)는 부드럽고 스토리텔링에 적합하며, 세이지(Sage)는 차분하고 안내적인 어조입니다. 남성 보이스인 필릭스(Felix)는 에너지 넘치는 프로모션에, 밀로(Milo)는 친근한 대화체에 적합합니다. 아틀라스(Atlas)와 오리온(Orion)은 각각 뉴스 및 다큐멘터리 스타일에 적합합니다.
언어 감지 기능은 얼마나 정확합니까?
언어 코드를 명시하지 않으면 시스템이 문자를 분석하여 언어를 감지합니다. 라틴 문자 텍스트는 기본적으로 영어로 처리되므로, 영어가 아닌 라틴 문자 텍스트의 경우 언어를 명시해야 합니다. 현재 아랍어, 히브리어, 그리스어, 힌디어, 일본어, 한국어 등 23개 언어를 지원합니다. 지원되지 않는 언어는 감지되지 않습니다.
오디오 파일의 크기는 얼마나 됩니까?
오디오 파일은 요청 시 응답으로 직접 반환되며 서버에 저장되지 않습니다. 파일 크기는 선택한 포맷(mp3, wav, opus, flac, pcm)과 길이에 따라 다릅니다. 일반적으로 긴 텍스트의 경우 생성 속도가 실시간과 비슷하므로(초당 약 25자), 생성된 오디오 파일의 크기는 텍스트 길이에 비례합니다.
API 키는 하나만 사용해야 하나요?
계정당 활성 키는 하나만 보유합니다. 필요 시 언제든지 새 키를 발급할 수 있으며, 새 키 발급 시 이전 키는 즉시 무효화됩니다. 따라서 기존 키를 사용 중인 서비스의 중단 없이 키를 교체할 수 있습니다. 인증은 Authorization: Bearer tts-... 형식으로 수행합니다.
스트리밍용 오디오로 적합한가요?
이 API는 스트리밍이나 WebSocket을 통한 실시간 부분 오디오 제공을 지원하지 않습니다. 요청은 큐에서 순차적으로 처리되므로 부하 시 대기 시간이 발생할 수 있습니다. 일반적으로 긴 텍스트는 실시간 속도로 생성되지만, 짧은 문장은 몇 초의 지연이 발생할 수 있으므로 사전 생성된 파일 사용에 최적화되어 있습니다.
오디오 파일의 라이선스는 어떻게 되나요?
생성된 오디오 파일에는 합성 음성임을 나타내는 무음의 워터마크가 포함됩니다. 보이스는 CC BY 4.0 라이선스의 LibriTTS-R 데이터셋과 퍼블릭 도메인 오디오북 읽기에서 유래했습니다. 입력 텍스트는 오디오 생성에만 사용되며 학습에 사용되지 않습니다. 오디오 파일은 응답으로 반환 후 저장되지 않습니다.
속도 조절이 오디오 품질에 영향을 주나요?
속도(speed) 매개변수는 0.25에서 4.0까지 조절할 수 있습니다. 이는 오디오의 재생 속도를 변경하며, 텍스트의 길이를 줄이거나 늘리는 효과를 줍니다. 속도 조절은 오디오의 음질이나 명료도에 직접적인 영향을 주지 않습니다. 기본 생성 엔진은 tts-1 또는 tts-1-hd 모델을 사용하며 속도는 독립적으로 조정됩니다.
언어 코드를 명시하지 않으면 어떻게 되나요?
language 필드가 비어 있으면 시스템이 입력 텍스트의 문자를 분석하여 언어를 추측합니다. 라틴 문자로 된 텍스트는 기본적으로 영어로 간주됩니다. 영어가 아닌 라틴 문자 언어(예: 스페인어, 프랑스어)를 사용할 경우 언어 코드를 명시해야 정확한 발음이 적용됩니다. 지원되는 언어는 23개이며, 명시하지 않으면 잘못된 언어로 처리될 수 있습니다.
오디오 생성 실패 시 환불은 어떻게 되나요?
오디오 합성 요청이 실패한 경우, 해당 요청에 대한 요금은 전액 환불됩니다. 실패한 요청은 요금이 부과되지 않으므로 고객은 손실을 보지 않습니다. 성공적으로 생성된 요청에만 요금이 청구되며, 이는 100만 자당 $10의 정산 기준에 따릅니다. 실패 시에도 API 호출 횟수는 제한에 포함될 수 있습니다.
USDT 결제는 어떻게 하나요?
충전은 TRON 네트워크(TRC-20)의 USDT로만 가능합니다. 최소 충전 금액은 $5이며, 전송 후 몇 분 내에 잔액이 자동으로 충전됩니다. 신용카드, PayPal, 구독제 또는 세금 계산서는 제공되지 않습니다. 잔액은 만료일이 없으며, 언제든 사용할 수 있습니다. 결제는 사이트의 결제 페이지를 통해 직접 진행됩니다.
API 문서는 어디서 확인하나요?
API 문서는 https://73xo.info/docs/ 페이지에서 확인할 수 있습니다. 여기에는 엔드포인트, 파라미터, 예제 코드 등이 포함되어 있습니다. API 기본 URL은 https://api.73xo.info/v1입니다. OpenAI SDK를 사용하려면 base_url을 이 주소로 변경하면 됩니다. 자세한 사용 방법은 문서 페이지를 참조하십시오.
오디오 파일은 얼마나 오래 저장되나요?
생성된 오디오 파일은 응답을 통해 클라이언트에게 반환되며 서버에는 저장되지 않습니다. 따라서 파일의 저장 기간은 클라이언트의 관리에 따릅니다. 요청 메타데이터(시간, 문자 수, 상태)는 청구 목적으로 유지되지만, 실제 오디오 데이터는 응답으로 반환 후 저장되지 않습니다. 필요 시 매 요청마다 새로운 오디오 파일을 생성해야 합니다.
서버 장애 시 데이터는 어떻게 되나요?
서비스 가용성 보장(SLA)이나 업타임 보증이 없습니다. 서버 장애 시 오디오 파일은 저장되지 않으므로 손실될 수 있습니다. 요청 메타데이터는 청구 목적으로 유지될 수 있으나, 장애 발생 시 데이터 처리는 보장되지 않습니다. 장애 시에도 실패한 요청은 요금이 부과되지 않습니다. 구체적인 복구 시간은 별도로 공지되지 않습니다.
문의는 어떻게 하나요?
문의는 이메일로만 가능합니다. 전화 번호나 라이브 채팅 지원은 제공되지 않습니다. 기술 지원 및 계정 관련 문의는 사이트의 연락처 페이지를 통해 이메일로 보낼 수 있습니다. 응답 시간은 명시되지 않았으며, 실시간 지원이 아니므로 이메일로 문의하는 것이 가장 확실한 방법입니다.
VTuber용 TTS API 선택 기준
VTuber 콘텐츠 제작 시 일관된 캐릭터 음색 유지가 중요합니다. 본 API는 8가지 presets를 제공하여 다양한 캐릭터 설정에 대응합니다. 스트리머는 캐릭터 성역 전환 없이 단일 API로 다국어 콘텐츠를 생성할 수 있어 작업 효율이 향상됩니다.
목소리 다양성
8가지 음성 presets는 여성(aria, nova, luna, sage)과 남성(felix, milo, atlas, orion)으로 구성됩니다. 각 음성은 특정 뉘앙스에 최적화되어 있어 NPC나 고정된 내레이션에 적합합니다.
다국어 지원 범위
23개 언어를 지원하며, 단일 키로 전 세계 시청자를 대상으로 한 스트리밍이 가능합니다. 언어 코드를 명시하면 감지 오류를 피할 수 있습니다.
API 접근성
OpenAI SDK와 호환되는 REST API를 제공하여, 기존 개발 경험이 있는 VTuber가 쉽게 연동할 수 있습니다. JSON 형식의 표준 요청으로 안정적인 오디오 파일 다운로드가 가능합니다.
목소리 presets 비교
VTube Voice Lab의 음성 합성 API는 총 8가지의 미리 정의된 목소리 프리셋을 제공합니다. 이 프리셋들은 특정 VTuber 캐릭터나 스트리밍 콘텐츠의 성격에 맞춰 선택할 수 있도록 설계되었습니다.
여성 목소리 4가지 특징
ARIA는 따뜻하고 명확한 내레이터 스타일입니다. NOVA는 밝고 경쾌한 톤으로, 빠른 템포의 인터랙션이나 하이라이트 부분에서 주목도를 높입니다.
LUNA는 부드럽고 스토리텔링에 적합하며, SAGE는 차분하고 안내적인 어조입니다.
- Aria: 따뜻하고 명확한 내레이터
- Nova: 밝고 경쾌한 에너지
- Luna: 부드럽고 감성적인 분위기
- Sage: 차분하고 안내적인 어조
남성 목소리 4가지 특징
FELIX는 역동적이고 홍보 성향이 강한 톤입니다. MILO는 친근하고 대화체 스타일로, 시청자와의 소통을 위한 자연스러운 내레이션에 최적화되었습니다.
ATLAS는 중립적이고 뉴스 스타일의 톤으로, 객관적인 정보 전달이 필요한 경우에 사용됩니다. ORION은 깊고 단정한 어조입니다.
- Felix: 역동적이고 홍보용
- Milo: 친근하고 대화체
- Atlas: 중립적이고 뉴스 스타일
- Orion: 깊고 단정한 다큐멘터리 톤
음성 톤 및 톤앤매너 비교
각 목소리는 고정된 톤앤매너를 가지며, 감정 태그나 미세한 억양 조절은 지원되지 않습니다. 따라서 캐릭터의 성격에 가장 부합하는 프리셋을 미리 선택하여 일관된 오디오 품질을 유지하는 것이 중요합니다. 8가지 프리셋은 다양한 장르의 VTuber 콘텐츠에 필요한 기본 음색을 모두 커버합니다.
언어 지원 비교
본 API는 아랍어, 중국어, 덴마크어, 네덜란드어, 영어, 핀란드어, 프랑스어, 독일어, 그리스어, 히브리어, 힌디어, 이탈리아어, 일본어, 한국어, 말레이어, 노르웨이어, 폴란드어, 포르투갈어, 러시아어, 스페인어, 스와힐리어, 스웨덴어, 터키어 등 총 23개 언어를 지원합니다. 모든 목소리 프리셋은 선택된 언어와 무관하게 위 모든 언어를 구사할 수 있어, VTuber가 단일 API로 다국어 스트리밍 콘텐츠나 게임 NPC 대사를 생성하는 데 적합합니다.
지원 언어 목록에는 베트남어, 인도네시아어, 태국어, 우크라이나어, 루마니아어, 체코어, 벵골어 및 기타 언어가 포함되지 않습니다. VTuber가 특정 지역 언어를 지원해야 하는 경우, 해당 언어가 목록에 명시적으로 포함되어 있는지 반드시 확인해야 합니다. 목록에 없는 언어를 사용 시 명확한 지원 여부가 보장되지 않으므로 주의가 필요합니다.
주요 23개 언어 목록
아랍어, 중국어, 덴마크어, 네덜란드어, 영어, 핀란드어, 프랑스어, 독일어, 그리스어, 히브리어, 힌디어, 이탈리아어, 일본어, 한국어, 말레이어, 노르웨이어, 폴란드어, 포르투갈어, 러시아어, 스페인어, 스와힐리어, 스웨덴어, 터키어 (총 23개)
- 모든 목소리 프리셋이 위 23개 언어를 모두 지원함
- 언어 파라미터를 설정하지 않으면 라틴 문자는 영어로, 비라틴 문자는 해당 문자의 언어로 추론됨
- 라틴 문자의 비영어권 언어는 반드시 language 파라미터를 명시하여 설정해야 함
미지원 언어 목록
베트남어, 인도네시아어, 태국어, 우크라이나어, 루마니아어, 체코어, 벵골어는 현재 지원되지 않습니다. 이 외의 언어 또한 목록에 포함되지 않으므로 공식 지원 언어로 간주되지 않습니다.
언어 감지 정확도
language 파라미터를 지정하지 않을 경우, 시스템은 입력된 텍스트의 문자 체계를 기반으로 언어를 추론합니다. 라틴 문자로 된 텍스트의 경우 기본적으로 영어로 처리되므로, 영어권 외의 라틴 문자 언어(예: 한국어, 일본어 등)를 사용할 때는 language 파라미터를 명시적으로 설정해야 합니다. 이를 통해 의도하지 않은 언어로 생성되는 것을 방지할 수 있습니다.
가격 및 과금 방식 비교
이 API는 월 정액제가 아닌 문자 수 기준 선불 과금 모델을 사용합니다. 100만 문자당 $10 ($0.01/1,000자)의 고정 단가로, 공백 및 구두점도 문자 수에 포함됩니다. 실패한 요청은 전액 환불되므로 불필요한 비용 발생이 없습니다.
초기 가입 시 Google 로그인 계정에는 $0.50의 무료 크레딧이 제공되며, 이메일 가입 계정에는 기본 제공되지 않습니다. 충전은 TRON(TRC-20) 네트워크를 통해 최소 $5 단위로 이루어지며, 카드나 PayPal은 지원하지 않습니다.
문자 기반 과금
과금은 생성된 텍스트의 문자 수에 따라 실시간으로 계산됩니다. 1,000자당 $0.01의 요금이 적용되며, 생성이 실패한 경우 해당 비용은 즉시 환불됩니다. 이는 고정된 구독료보다 사용량에 따른 유연한 비용 구조를 제공합니다.
- 단가: $10 / 1,000,000자 ($0.01 / 1,000자)
- 실패 시 환불: 전액 환불
- 문자 기준: 공백, 구두점 포함
월 정액제 vs 선불제
월 정액제나 구독 모델이 없으며, 선불 결제 방식만 지원합니다. 충전된 잔액이 소진될 때까지 서비스를 사용할 수 있으며, 잔액은 만료되지 않습니다. 월간 최소 사용량이나 고정 비용 부담이 없습니다.
초기 테스트를 위해 Google 로그인 시 $0.50의 무료 크레딧이 제공됩니다. 이 크레딧은 7일 동안 유효하며, 이메일로 가입한 계정에는 기본 제공되지 않습니다.
충전 최소 금액 비교
충전은 USDT(TRC-20) 네트워크를 통해서만 가능합니다. 최소 충전 금액은 $5이며, 전송 후 자동으로 잔액이 추가됩니다. 신용카드, PayPal, VAT 고지서 등의 기존 결제 수단을 지원하지 않습니다.
- 결제 수단: USDT (TRC-20)
- 최소 충전 금액: $5
- 처리 시간: 수분 내 자동 반영
기술적 스펙 비교
API 엔드포인트는 OpenAI와 동일한 요청 구조를 따릅니다. base_url만 변경하면 공식 OpenAI SDK를 즉시 사용할 수 있어 개발 부담이 적습니다. 별도의 SDK 설치 없이 HTTP 또는 기존 라이브러리로 통합 가능합니다.
오디오 출력 형식은 mp3, wav, opus, flac, pcm 중 선택 가능합니다. 스트리밍이나 WebSocket 기반 실시간 오디오 분할 전송은 지원되지 않습니다. 고정된 오디오 파일 생성에 최적화된 정적 API입니다.
OpenAI SDK 호환성
API 엔드포인트는 OpenAI와 동일한 요청 구조를 따릅니다. base_url만 변경하면 공식 OpenAI SDK를 즉시 사용할 수 있어 개발 부담이 적습니다. 별도의 SDK 설치 없이 HTTP 또는 기존 라이브러리로 통합 가능합니다.
오디오 출력 형식은 mp3, wav, opus, flac, pcm 중 선택 가능합니다. 스트리밍이나 WebSocket 기반 실시간 오디오 분할 전송은 지원되지 않습니다. 고정된 오디오 파일 생성에 최적화된 정적 API입니다.
라이선스 및 데이터 정책
본 API의 음성 데이터는 LibriTTS-R 데이터셋(CCBY 4.0)과 LibriVox의 공공 도메인 오디오 녹음을 기반으로 합니다. 이는 상업적 사용이 허용된 검증된 라이선스 체계를 의미합니다.
입력 텍스트는 오디오 생성 목적 외에는 사용되지 않으며 생성된 오디오 파일은 저장되지 않습니다. 다만 청구 검증 및 과금 기록을 위해 요청 메타데이터가 보관됩니다.
라이브러리 기반 음성 라이선스
모든 음성 preset은 CC BY 4.0 라이선스를 따르는 LibriTTS-R 데이터셋을 원천으로 합니다. 라이브브박스에서 수집된 공공 도메인 오디오 녹음을 기반으로 하므로, 저작권 분쟁 위험이 낮고 안정적인 상업적 활용이 가능합니다.
- 출처: LibriTTS-R (CC BY 4.0)
- 원천: LibriVox 공공 도메인 오디오
데이터 학습 정책
사용자가 입력한 텍스트는 오디오 파일 생성 과정에만 사용됩니다. 생성된 오디오 파일은 응답으로 반환되며 서버에 저장되지 않습니다. 생성된 오디오 파일 자체도 서버에 영구 보관되지 않으며, 응답 스트림으로만 전달됩니다.
과금 및 서비스 품질 개선을 위해 요청 시간, 문자 수, 상태 코드 등의 메타데이터만 보관됩니다. 이 메타데이터에는 개별 텍스트 내용은 포함되지 않습니다.
- 입력 텍스트: 생성 전용, 학습 안 함
- 오디오 파일: 응답 후 미보관
- 메타데이터: 청구 및 분석용 보관
워터마크 포함 여부
생성된 모든 오디오 파일에는 인 audible 한 디지털 워터마크가 포함되어 있습니다. 이는 해당 오디오가 AI에 의해 합성된 음성임을 식별하기 위한 기술적 표시입니다.
워터마크는 오디오의 품질이나 청취 경험에 영향을 주지 않으며, 외부에서 쉽게 감지할 수 없는 무음의 디지털 표시입니다.
사용성 및 편의성
API 키 발급은 이메일 또는 Google 계정으로 간단한 회원가입 후 /get-api-key/ 페이지에서 즉시 가능합니다. 생성된 키는 계정당 하나만 활성화되며, 새 키를 발급하면 이전 키는 즉시 무효화됩니다.
공식 SDK는 없으나 OpenAI SDK의 base_url을 변경하거나 평범한 HTTP 요청으로 쉽게 연동할 수 있습니다. 문서에는 실제 curl 예제가 포함되어 있어 개발자가 즉시 테스트할 수 있습니다.
API 키 발급 용이성
회원가입은 이메일/비밀번호 또는 Google 계정으로 진행됩니다. Google 로그인 시 7일 유효한 0.5달러 체험금이 자동으로 제공되며, 일반 이메일 계정 생성 시에는 체험금이 없습니다. 생성된 API 키는 /get-api-key/ 페이지에서 확인하고 관리할 수 있습니다.
- Google 로그인 시 즉시 0.5달러 체험금 제공 (7일 유효)
- 이메일/비밀번호 계정 생성 시 체험금 없음
- 키 재발급 시 이전 키는 즉시 정지
문서 및 예제 품질
API는 OpenAI 스피치 엔드포인트와 동일한 요청 형태를 사용하므로, 기존 OpenAI SDK나 클라이언트를 base_url 변경만으로 활용 가능합니다. /docs/ 페이지에는 실제 작동하는 curl 예제가 포함되어 있어 복잡한 설정 없이 빠르게 테스트할 수 있습니다.
- OpenAI SDK 호환 (base_url 변경 필요)
- curl 예제 제공으로 빠른 연동 가능
- 별도 공식 SDK 또는 모바일 SDK 미제공
고객 지원 채널
지원 채널은 이메일로만 운영됩니다. 전화 번호나 실시간 채팅, 전화 통화 지원은 제공되지 않습니다. 기술적 문제나 계정 관련 문의는 이메일을 통해 이루어지며, 응답 시간이나 SLA는 별도로 보장되지 않습니다.
- 이메일 기반 지원만 제공
- 전화 번호 및 실시간 채팅 없음
- SLA 및 우선 지원 등급 없음

성능 및 속도
TTS API의 생성 속도는 텍스트 길이에 따라 달라집니다. 일반적으로 긴 텍스트의 경우 생성 시간이 실시간과 유사하며, 초당 약 25자 수준의 속도를 보입니다. 반면 짧은 문장은 처리에 몇 초이 걸릴 수 있습니다.
API는 요청을 순차적으로 처리하므로, 서버 부하가 높을 경우 요청 대기열에 들어갈 수 있습니다. 이는 실시간 스트리밍보다는 사전 제작된 오디오 파일 생성에 더 적합한 구조입니다.
생성 시간 예측
입력된 텍스트의 길이에 따라 생성 시간이 선형적으로 증가합니다. 긴 텍스트의 경우 초당 약 25자의 처리 속도를 보이며, 이는 실제 음성 길이와 거의 동일합니다. 짧은 문장이라도 최소 몇 초의 처리 시간이 필요합니다.
큐 대기 시간 영향
요청은 서버에서 순차적으로 처리됩니다. 동시 접속자나 높은 트래픽 상황에서는 요청 대기열에 진입할 수 있으며, 이로 인해 생성 시작이 지연될 수 있습니다. 실시간성이 중요한 경우 대기 시간을 고려해야 합니다.
동시 요청 처리 능력
API는 단일 키당 분당 60회 요청을 처리할 수 있습니다. 초기에는 분당 10회로 제한되지만, 충전 후 제한이 해제됩니다. 이는 VTuber가 여러 NPC 대사를 동시에 생성할 때 용량 제한으로 인해 순차적으로 처리해야 할 수 있음을 의미합니다.
VTuber 사용 사례
VTuber 콘텐츠 제작에서 TTS API는 반복적인 대사 녹음 부담을 줄이는 핵심 도구입니다. 이 섹션에서는 NPC 대사, 자막 오디오, 다국어 스트리밍 등 실제 워크플로우에 API를 적용하는 구체적인 방법을 설명합니다.
게임 내 NPC 대사
게임 내 NPC 대사는 수백 건의 텍스트를 생성해야 하므로, 4096자 제한 내에서 텍스트를 분할하여 API 호출 후 오디오 파일을 연결하는 방식이 효율적입니다. 이를 통해 일관된 음색을 유지하면서도 작업 시간을 단축할 수 있습니다.
- 4096자 단위 텍스트 분할 및 오디오 이어기
- 일관된 음성 톤을 통한 NPC 캐릭터성 유지
자막 오디오 생성
비디오 자막에 해당하는 짧은 구문은 최대 4.0배속 설정을 활용하여 생성 시간을 최적화할 수 있습니다. 각 구문은 독립적인 오디오 파일로 생성되어 편집 시 유연한 조합이 가능합니다.
- 짧은 텍스트에 대한 속도 조절(0.25–4.0) 활용
- 편집 용이성을 위한 개별 오디오 파일 생성
다국어 스트리밍
23개 언어를 지원하므로, 특정 언어의 ISO 코드를 명시하여 정확한 발화를 유도할 수 있습니다. 동일 보이스로 다국어 대사를 생성하여 글로벌 스트리밍 환경에서도 일관된 브랜드 이미지를 유지할 수 있습니다.
- 23개 언어 지원 및 언어 코드 명시
- 동일 보이스를 활용한 다국어 일관성 유지
장단점 분석
VTuber 생태계에서 이 API는 진입 장벽이 낮습니다. Google 로그인만으로 즉시 API 키를 발급받을 수 있으며, 월 구독료나 최소 사용량 의무가 없습니다. $0.50 트라이얼 크레딧으로 초기 테스트가 가능해 비용 부담 없이 기능을 검증할 수 있습니다.
장점: 낮은 진입 장벽
특정 플랫폼 종속성이 없어 자유롭습니다. OpenAI SDK의 base_url만 변경하면 바로 연동할 수 있어 개발 부담이 적습니다. 복잡한 계약 절차 없이 즉각적으로 서비스를 시작할 수 있습니다.
단점: 실시간성 부족
실시간 스트리밍용이 아닙니다. 각 요청당 최대 4,096자 제한이 있으며, 오디오 파일 생성에는 약간의 시간이 소요됩니다. 긴 텍스트는 분할 후 결합해야 하므로, 실시간 상호작용이 필요한 라이브 방송의 즉각적인 대사 생성에는 부적합합니다.
장점: 투명성 높은 과금
과금 구조가 매우 명확합니다. 100만 자당 $10로, 사용한 문자 수만큼만 정산됩니다. 실패한 요청은 무료이며, 잔액은 평생 유효합니다. 추가 요금이나 숨겨진 비용이 없습니다.
추천 워크플로우
VTuber가 API를 효율적으로 사용하려면 텍스트 관리와 API 호출 전략이 중요합니다. 긴 대본을 직접 전송하면 한도가 초과될 수 있으므로, 적절한 단위로 나누는 것이 필요합니다.
API 호출 시 속도 조절과 포맷 선택이 생성 시간과 파일 크기에 직접적인 영향을 미칩니다. 생성된 오디오 파일을 체계적으로 관리해야 스트리밍 중 오류 없이 사용할 수 있습니다.
텍스트 전처리
4096자 제한을 고려해 대본을 구분합니다. 문장 단위로 나누어 각 조각의 길이를 확인하고, 마지막 조각이 4096자를 초과하지 않도록 합니다.
언어를 명시적으로 지정해야 감지 오류를 방지합니다. 영어 외의 라틴 문자 텍스트나 특정 언어 대본에서는 language 필드를 반드시 설정하여 정확한 발음과 억양을 확보합니다.
- 문장 부호 제거로 불필요한 정지 시간 방지
- 언어 코드 명시적 지정으로 감지 정확도 향상
API 호출 최적화
speed 파라미터를 0.25~4.0 사이에서 조정하여 필요에 따라 생성 시간을 단축하거나 오디오의 명확성을 높입니다. 표준 속도(tts-1)는 실시간과 유사한 속도를 제공합니다.
동일한 목소리와 포맷을 반복 사용할 경우, API 호출 로직을 단순화하여 대기 시간을 최소화합니다. 60회/분의 제한 내에서 배치 처리가 가능한 워크플로우를 구성합니다.
- 속도 조절을 통한 생성 시간 최적화
- 반복 템플릿 활용으로 API 호출 효율성 증대
오디오 파일 관리
생성된 오디오 파일은 서버에 저장되지 않으므로, 로컬 또는 클라우드 스토리지에 즉시 백업해야 합니다. mp3 또는 wav 포맷으로 저장하여 스트리밍 도구와 호환성을 유지합니다.
각 오디오 파일에 고유한 이름을 부여하여 NPC 대사나 이벤트 오디오와 매핑합니다. 파일 메타데이터에 생성 일시와 텍스트 내용을 기록하여 추후 수정 시 쉽게 참조할 수 있습니다.
- 로컬 또는 클라우드 스토리지에 즉시 백업
- 고유 파일명으로 NPC 대사 및 이벤트 오디오 매핑
마무리 및 결론
이 API는 VTuber의 콘텐츠 제작에 필요한 안정적이고 예측 가능한 음성 합성 기능을 제공합니다. 스트리밍 중 즉각적인 반응보다는 품질이 보장된 오디오 파일 생성에 최적화되어 있어, 편집 워크플로우에 자연스럽게 통합됩니다.
OpenAI SDK 호환성을 통해 기존 개발 환경과의 연동이 용이하며, 8가지 presets와 23개 언어 지원은 다양한 캐릭터와 글로벌 오디언스를 위한 충분한 범위를 확보합니다.
VTuber에게 적합한 선택
실시간 대화형 TTS보다 고정된 오디오 생성에 집중하므로, 게임 내 NPC 대사나 자막 오디오 제작에 적합합니다. 낮은 진입 장벽과 투명한 과금 구조는 프리랜서 VTuber에게 효율적입니다.
미래 확장성
기존 OpenAI SDK 호환성을 유지하며 API가 확장될 경우, 추가 기능(예: SSML 등)이 도입되더라도 기존 워크플로우를 유지할 수 있는 유연성을 제공합니다.
최종 권장 사항
VTuber는 4096자 제한을 고려한 텍스트 분할과 큐 대기 시간 변수를 고려한 스케줄링을 권장합니다. 이메일 지원 채널을 통해 기술적 문의를 해결하고, 안정적인 오디오 품질을 유지하세요.
- API 키 발급 후 즉시 테스트 가능
- 성능과 비용의 균형 최적화
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.
출처 및 참고 자료
- Wikipedia
- W3C WAI: making audio and video accessible
- MDN: Web Speech API
- curl documentation
- ISO 639 language codes
- Node.js documentation
- LibriVox public-domain audiobooks
- TRON developer hub: TRC-20
- OpenAI API reference: create speech
- Python documentation
- LibriTTS-R paper (arXiv 2305.18802)
- openai-python on GitHub
