즉시 음성 복제

2분 미만의 오디오로 음성을 빠르게 복제할 수 있는 인스턴트 음성 복제와 달리, 프로페셔널 음성 복제를 사용하면 더욱 사실적인 음성 모델을 학습할 수 있습니다. 대규모 음성 데이터로 전용 모델을 학습하여 원래 음성과 사실상 구분할 수 없는 모델을 만듭니다.

프로페셔널 음성 복제는 Finetune과 학습이 필요하므로 음성 복제를 사용하기까지 시간이 걸립니다. 앞선 대기열 인원과 기타 요인에 따라 달라 정확한 시간을 예측하기는 어렵지만, Finetune에는 보통 3~6시간이 걸립니다.

프로페셔널 음성 복제가 준비되면 이메일 알림을 받게 됩니다.

즉석 음성 복제는 다소 복잡할 수 있으며, 몇 가지 일반적인 가이드라인이 있습니다. 하지만 이는 어디까지나 가이드라인일 뿐입니다. 샘플 수나 길이에 대한 정해진 규칙은 없습니다. 30초짜리 샘플만 사용해도 뛰어난 결과를 얻은 사용자가 있는 반면, 10분 분량의 오디오를 사용하고도 결과가 좋지 않았던 사용자도 있었습니다. 다만 고려해야 할 사항이 몇 가지 있습니다.

• 즉석 음성 복제에서 가장 중요한 요소는 오디오 품질입니다.
• 샘플 수는 중요하지 않으며, 중요한 것은 총 재생 시간입니다. 2~3분이 넘는 오디오는 개선 효과가 거의 없고, 경우에 따라 복제 음성의 안정성에 오히려 부정적인 영향을 줄 수 있습니다.

인스턴트 음성 복제와 프로페셔널 음성 복제는 다양한 파일 형식을 지원합니다. 192kbps 이상의 MP3를 강력히 권장합니다.

권장 형식

• MP3, 192kbps 이상

권장 길이

• 인스턴트 음성 복제: 품질 좋은 오디오 1~2분
• 프로페셔널 음성 복제: 품질 좋은 오디오 30~180분

WAV와 같은 무압축 형식은 일반적으로 복제 품질을 높이지 않으며 업로드 과정에서 문제가 발생할 수 있습니다. 대신 녹음 품질에 집중하세요. 배경 소음, 실내 잔향 또는 여러 화자가 없고, 음량과 톤이 일관되며, 긴 무음 구간이 없는 깨끗한 녹음을 사용하세요.

자세한 내용은 인스턴트 음성 복제(IVC) 및 프로페셔널 음성 복제(PVC)를 참고하세요.

ElevenLabs는 지식 재산권을 존중하고 기술의 잠재적 오용을 방지하기 위한 안전장치를 구현하는 데 모두 전념하고 있습니다.

• 불법적이거나 유해하다고 간주될 수 있는 모든 목적을 위한 기술의 악의적 사용을 금지하는 서비스 약관 및 금지된 사용 정책을 준수하는 고객과만 협력합니다.
• 보이스 소유자와 라이선스 제공자가 자신의 권리를 주장할 수 있도록 지원하며, 알려진 모든 침해 사례를 검토하고 조치를 취합니다.
• 모델에서 생성된 모든 오디오는 생성 책임이 있는 사용자까지 즉시 추적할 수 있습니다.

개발 중인 기술은 새롭고 명확한 규제는 아직 도입되지 않았습니다. AI 연구소로서의 목표 중 하나는 이 기술의 존재와 잠재력, 그리고 한계에 대한 인식을 확산하는 것입니다.

자세한 가이드는 즉석 음성 복제 및 프로페셔널 음성 복제 문서를 참고하시기를 적극 권장합니다.

핵심은 다음과 같습니다. 일관된 고품질 입력 = 일관된 고품질 출력입니다.

길이

• 즉석 음성 복제: 고품질 오디오 1~2분
• 프로페셔널 음성 복제: 고품질 오디오 30~180분

찾을 수 있는 가장 좋은 품질의 선명한 오디오 클립을 사용하세요. 배경 소음이나 간섭 없이 화자가 한 명만 있어야 하며, 목소리는 크고 또렷해야 합니다.

길이를 늘리기 위해 품질이 제각각인 여러 클립을 사용하는 대신, 총 재생 시간을 늘리는 데 집중하기보다 마이크 품질이 확실히 높고 전체적으로 품질과 음색이 일관된 클립을 우선적으로 사용하세요.

클립의 대화 대부분이 가장 선호하는 화자의 말투와 억양에 맞도록 하세요. 원하는 음성 패턴에서 벗어난 대화 구간이 너무 많지 않도록 해야 합니다.

필요하다면 노이즈 제거 도구를 사용해 배경 소음을 줄이세요.

자세한 내용은 여기의 문서에서 확인할 수 있습니다.

네. Flash v2.5와 Multilingual v2에서 지원하는 모든 언어로 음성을 복제할 수 있습니다. 지원 언어 전체 목록은 여기에서 확인하세요.

AI가 지원하지 않는 언어를 말하는 음성도 복제할 수 있습니다. 복제된 음성이 화자의 음색을 담아낼 수는 있지만, 해당 언어를 구사할 수는 없으며 결과를 예측하기 어려울 수 있습니다. 이 방법은 권장하지 않습니다.

음성 복제를 독립 실행형 파일로 다운로드하거나 내보낼 수는 없습니다. 음성 복제는 ElevenLabs 계정에 유지됩니다.

ElevenLabs 웹사이트 외부에서도 ElevenLabs 음성을 사용할 수 있습니다. API 키를 사용하면 타사 서비스에서 ElevenLabs API를 호출하여 계정에 있는 음성으로 음성을 생성할 수 있습니다.

나중에 복제를 다시 만들고 싶다면, 생성에 사용한 원본 오디오 샘플을 보관하세요. 동일한 오디오를 사용하더라도 각 복제 음성은 조금씩 다르게 들립니다.

ElevenLabs는 두 가지 복제 옵션을 제공합니다.

• 인스턴트 음성 복제: 약 1~3분의 오디오로 빠른 결과를 얻을 수 있습니다. 대부분의 음성에 잘 작동하지만, 흔하지 않은 억양이나 독특한 음성에서는 어려움을 겪을 수 있습니다.
• 프로페셔널 음성 복제: 30분에서 약 3시간의 오디오를 사용하여 더 높은 충실도를 제공합니다. Finetune은 보통 3~6시간이 걸리며, 대기열에 음성이 많으면 더 오래 걸릴 수 있습니다.

인스턴트 음성 복제가 음성이나 억양을 잘 반영하지 못한다면 프로페셔널 음성 복제를 사용해 보세요.

복제를 만든 후에는 억양이나 톤을 변경할 수 없습니다. 결과를 개선하려면 사용하는 오디오 샘플을 바꾸세요. 샘플을 조금만 바꿔도 큰 차이가 날 수 있습니다.

프로페셔널 음성 복제(PVC)의 Finetune 과정이 완료되어 사용할 수 있게 되기 전에 사용하려 하면 이 오류가 표시됩니다.

PVC를 만들면 사용 가능해지기 전에 여러 과정을 거쳐야 합니다. 음성을 인증한 후 처리되고 Finetune 대기열에 추가됩니다. 현재 Finetune 대기열에 있는 다른 음성 수에 따라 다르지만, 이 과정은 보통 3~6시간이 걸리며 최대 24시간까지 걸릴 수 있습니다.

내 음성에서 음성 목록의 해당 음성을 찾은 다음 보기를 클릭하면 PVC의 진행 상황을 확인할 수 있습니다. 각 모델에 마우스를 올리면 현재 상태를 볼 수 있습니다.

각 상태의 의미에 관한 자세한 내용은 프로페셔널 음성 복제의 상태는 무엇을 의미하나요?를 참고하세요.

PVC의 Finetune이 완료되어 사용할 수 있게 되면 팝업 알림과 이메일로 안내해 드립니다.