40시간 분량의 소설 성우 녹음이 완료되고 마감 기한이 끝났는데, 스튜디오가 ElevenLabs에서 더 저렴한 TTS로 옮기기로 결정했습니다. 목소리를 추출하려는 첫 번째 시도는 고객 지원 센터의 냉정한 답변으로 끝납니다: 클론(Clones)은 내보낼 수 없다는 것입니다. 완성된 오디오는 다운로드할 수 있지만, '목소리' 자체는 벤더(Vendor)의 서버에 있는 모델로 남게 되며, 이는 ElevenLabs의 도움말에서도 명확히 확인된 사실입니다.

청취자 입장에서 세상은 다르게 보입니다. «aume ru аудиокнига»(aume ru 오디오북) 검색은 aume.ru의 무료 카탈로그로 연결되며, 이곳의 최신 배포물(2026년 6월 25일)에는 «Аудиокнига озвучена компьютерным (искусственным) голосом»(컴퓨터(인공) 목소리로 낭독된 오디오북)이라고 솔직하게 표시되어 있습니다. 전형적인 한 권의 분량은 약 164MB에 12시간의 재생 시간을 가지며, 장르는 이세계물(Popadantsy), 판타지, 팬픽, LitRPG 등으로 구성됩니다. 대규모 AI 성우 녹음 시대는 이미 도래했으며, "이 목소리는 누구의 것이며 어디로 가져갈 수 있는가"라는 질문은 청취자와 스튜디오 모두에게 해당됩니다.

세 가지 보험책이 있습니다: 원본 녹음 아카이브, 공개된 마이그레이션(Migration) 유틸리티, 그리고 provod.ai(러시아의 OpenRouter와 유사한)와 같은 통합 API입니다. 이 API를 사용하면 base_url과 키(Key)를 교체하는 것만으로 모델 변경이 가능하며, 잔액은 루블화로 통합 관리됩니다. 2026년 7월 가격을 기준으로 이 함정을 단계별로 분석해 보겠습니다.

"목소리를 클로닝"할 때 당신이 실제로 사는 것은 무엇인가?

요약하자면: 벤더 내부에서 미세 조정(Fine-tuning)된 모델입니다. 다운로드할 수 있는 파일은 존재하지 않습니다. 타사의 인퍼런스 스택(Inference stack)에 있는 가중치(Weights)와 출력되는 완성된 오디오가 있을 뿐입니다.

ElevenLabs의 도움말 센터는 "Can I export my voice clones?"(내 목소리 클론을 내보낼 수 있나요?)라는 질문에 단호하게 답합니다: "No, you cannot export your voice clones, and they are only usable on ElevenLabs and not anywhere else" (2026년 7월 19일 확인). 즉, 클론은 해당 서비스 내부에서만 작동한다는 뜻입니다.

이용 약관(2026년 3월 31일 개정판, §4)은 상황을 더욱 확실하게 만듭니다. 귀하는 자신의 Input(입력)과 Output(출력)에 대한 권리를 보유하지만, Output에는 근본적인 Voice Models(음성 모델)가 직접적으로 "포함되지" 않습니다. 목소리를 포함한 콘텐츠에 대해 귀하는 회사에 영구적이고(perpetual), 취소 불가능하며(irrevocable), 전 세계적이고(worldwide), 서브라이선스 부여가 가능하며(sublicensable), 로열티가 없는(royalty-free) 라이선스를 제공합니다. ElevenLabs 측은 허가 없이 목소리를 "단독 기준(on a standalone basis)"으로 판매하지 않을 것을 약속합니다. 실질적인 결론은 이렇습니다: 목소리는 벤더(vendor)의 소유이며, 그것으로 끝입니다.

클로닝에는 두 가지 수준이 있습니다: Instant Voice Cloning(즉각적 음성 클로닝)은 12분 정도의 깨끗한 녹음(192 kbps 이상의 MP3 권장)이면 충분하지만, Professional Voice Cloning(전문가용 음성 클로닝)은 30180분이 필요합니다. 두 방식 모두 이식성(portability)은 없습니다.

왜 어떤 프로바이더도 음성 클론을 내보낼 수 없는가?

요약하자면: 기술적, 법적, 상업적이라는 세 가지 이유가 맞물려 있습니다. 이 중 하나를 제거하더라도 나머지 두 가지가 여전히 목소리를 내부에 묶어둡니다.

기술적 이유: 클론은 특정 벤더의 스택(stack)에 맞춰 미세 조정(fine-tuning)되었으므로, 타사의 인퍼런스(inference) 환경 밖에서는 그 가중치(weights)가 무의미합니다. 법적 이유: 라이선스와 동의 사항은 서비스 약관에 종속되어 있으며, 2026년의 규제 환경은 합성 음성(synthetic voice) 처리를 더욱 엄격하게 만들고 있습니다. 상업적 이유: 클론은 완벽한 락인(lock-in, 고객 유지) 장치입니다. 여기서 제가 우려하는 점은 마케팅의 솔직함입니다: 마케팅에서 말하는 "당신의 목소리"는 "우리에 대가를 지불하는 동안에만 당신의 것"을 의미합니다.

결론은 하나의 공리(axiom)와 같습니다: 음성 이전은 파일의 이동이 아니라, 새로운 장소에서 원본 녹음본을 통해 다시 생성하는 과정입니다.

단일 TTS에 종속되었던 결과: PlayHT의 사례

요약하자면: 벤더가 인수되었고, API는 폐쇄되었으며, 클론은 삭제되었습니다. 내보내기 기능은 없었습니다. 원본 데이터를 보관하지 않은 이들은 목소리를 영원히 잃었습니다.

공개된 소스에 따른 타임라인입니다. Bloomberg는 2025년 7월 11일에 PlayHT 인수 계약을 보도했고, 바로 다음 날 Meta는 35명 규모의 팀을 인수(acqui-hire)했음을 확인했습니다. 퍼블릭 API는 예정된 시기보다 몇 주 앞선 2025년 7월 26일에 중단되었습니다. 8월에는 등록이 마감되었고, 2025년 12월 31일에는 완전한 셧다운(shutdown)이 발생했습니다. 계정, 클론, 저장된 오디오가 모두 삭제되었으며, 내보내기 도구는 나타나지 않았습니다.

음성 산업에서 가장 비싼 vendor lock-in (공급업체 종속) 교훈: 스튜디오들은 동일한 목소리로 완성할 수 없는 완성된 도서들을 떠안게 되었습니다.

TTS 간에 목소리를 잃지 않고 이동하는 방법은?

요약하자면, 세 단계가 필요합니다: 원본 소스 아카이브, 새로운 플랫폼에서 원본 녹음본으로 재클로닝 (re-cloning), API 호출 교체. 이미 생성된 오디오를 사용하여 클로닝하는 것은 불가능합니다.

1단계. 원본 녹음본 아카이브. 음악과 소음이 없는 깨끗한 단일 화자 오디오가 서비스 계정이 아닌 당신의 진정한 자산입니다.

2단계. 원본 소스로부터의 재클로닝 (Re-cloning). Inworld의 인스턴트 클로닝 (instant-cloning)은 5~15초의 깨끗한 단일 화자 오디오를 요구합니다. ElevenLabs에서 이동하기 위한 오픈 소스 (open-source) 유틸리티인 voice-migration-tool (GitHub, TypeScript, 2026년 6월 말 커밋)이 있습니다. 이 도구는 로컬 환경(Node.js 18+, ffmpeg)에서 작동하며, 두 벤더의 API에 직접 접속하여 사용자가 생성한 클론 (user-created clones)만 전송합니다. 샘플을 WAV로 변환하고, 5초까지 길이를 맞춘 뒤 15초로 자릅니다.

3단계. 호출 교체. 도서 제작 파이프라인 (pipeline)은 2단계로 이루어집니다: 먼저 작가(writer)가 텍스트를 준비하고, 그다음 TTS가 이를 음성으로 변환합니다. 마이그레이션 (migration)은 두 번째 단계에만 해당됩니다:

# 이전: base_url = "https://api.elevenlabs.io/v1"
# 이후: 통합된 OpenAI 호환 입력
base_url = "https://api.provod.ai/v1"
...

클라이언트가 OpenAI 호환 API를 지원한다면, 세 번째 단계는 더 이상 프로젝트가 아닙니다. provod.ai 연결은 키(key)와 base_url만 있으면 되며, 특정 클라이언트와 API의 호환성은 최신 문서에서 확인해야 합니다. 테스트와 운영을 위한 단일 잔액, 러시아 카드 결제, SBP 또는 증빙 서류가 포함된 계좌 이체를 통해 두 음성 제공업체를 병행하여 사용할 수 있습니다.

중요 주의사항: AI가 생성한 오디오로 클로닝하지 마세요. 아티팩트 (artifacts)가 축적되며, 카탈로그의 스톡 목소리는 당신의 소유가 아닙니다. 이러한 방식의 "이전"은 법적으로도 무효입니다.

2026년 7월, 다양한 제공업체의 음성 변환 비용은 얼마인가요?

요약: 100만 자당 $0에서 $100 사이의 가격 차이가 있으며, 모든 업체가 기본 클로닝 (Cloning) 기능을 제공하는 것은 아닙니다. 수치는 2026년 7월 7일 기준 요금표 (list rates)이며, 견적을 내기 전에 반드시 재확인하십시오.

ElevenLabs는 종량제 (pay-as-you-go) 외에도 구독 모델을 제공합니다: Starter $6/월, Creator $22, Pro $99, Scale $299, Business $990 (2026년 7월 가격표 기준). OpenAI는 클로닝 기능이 없습니다: gpt-4o-mini-tts는 13개의 프리셋 (preset) 목소리를 제공하며 지침 (instructions)을 통해 조절 (steerable) 가능하지만, 커스텀 목소리를 적용할 곳이 없습니다. Kokoro-82M은 오픈 모델 (Apache 2.0, 54개 목소리)로, 셀프 호스팅 (self-host) 시 무료이지만 기본 클로닝 기능은 역시 없습니다.

AI로 제작된 오디오북을 어디에 출판할 수 있나요?

요약: ACX와 Audible은 자체 Voice Replica beta를 제외하고는 불가능합니다. Kobo와 Spotify는 필수 라벨링을 조건으로 수용합니다. Apple Books와 Google Play Books는 자사 목소리로 제작된 AI 음성만 출판을 허용합니다. 현황은 2026년 7월 기준입니다.

ACX의 정책은 엄격하게 규정되어 있습니다: "별도의 허가가 없는 한, 제출된 오디오북은 반드시 사람이 낭독해야 합니다 (your submitted audiobook must be narrated by a human unless otherwise authorized)". 유일한 합법적 경로는 Narrator Voice Replica beta (2025년 7월 9일 발표, 미국 한정, 옵트인(opt-in) 방식)입니다: 낭독자가 자신의 목소리를 클로닝하고 직접 프로젝트를 선택하며, 도서에는 낭독자 필드에 표시됩니다. Kobo Writing Life는 저자의 목소리 클론을 포함한 외부 AI 음성을 "Synthesized Voice" 라벨과 함께 수용합니다. Spotify/Findaway는 "This audiobook is narrated by a digital voice"라는 면책 조항 (disclaimer)과 함께 수용합니다 (2026년 5월 수용 현황 기준).

규제가 시장을 뒤쫓고 있습니다. EU AI Act(EU 인공지능법) 제50조에 따라, 2026년 8월 2일부터 합성 오디오(synthetic audio)에 대한 기계 판독 가능한 마킹(machine-readable labeling)이 의무화되며, 위반 시 최대 1,500만 유로 또는 매출액의 3%에 달하는 벌금이 부과됩니다. NO FAKES Act는 2026년 6월 18일 상원 사법위원회(Senate Judiciary Committee)의 승인을 받았으나, 이는 아직 법안(bill) 단계이며 법률(law)은 아닙니다. 이미 테네시주의 ELVIS Act(2024년 7월 1일부터 시행)와 뉴욕주의 합성 연기자(synthetic performers) 관련 법안(2026년 6월 9일부터 시행)이 효력을 발휘하고 있습니다.

청취자들의 수요는 매우 구체적입니다. 사람들은 아가사 크리스티의 미스 마플 탐정 소설, 안나 제인의 도서, 유리 모스칼렌코의 오디오북을 찾습니다. 장르적 핵심은 '포파단치(popadantsy, 이세계 전이물)'입니다: 스타 레인저와 조종사, 우주 '마로더(Marauder)', 포세랴긴의 '해방된(Liberated)' 시리즈, '러시아에서의' 대체 역사물 등이 포함됩니다. 구체적인 검색어로는 "스타 피레이트 오디오북 듣기", "신작 포파단치 조종사 오디오북", "우주 포파단치 마로더", "포세랴긴 해방된", "러시아 과거로의 포파단치" 등이 있습니다. 주의할 점은, AI 음성으로 제작된 타인의 추리 소설에 대한 수요가 있다고 해서 텍스트에 대한 권리 문제가 해결되는 것은 아니라는 점입니다.

TTS 간의 이동이 해결하지 못하는 것은 무엇인가?

요약하자면: 마이그레이션(migration)은 벤더 종속성(vendor lock-in)을 해결할 뿐 그 이상은 아닙니다. 타인의 목소리에 대한 권리를 생성해주지 않으며, 품질이 낮은 소스로부터 높은 품질을 만들어낼 수도 없고, 부수적인 과제들은 다른 도구들로 해결해야 합니다.

• 권리(Rights). 재클로닝(Re-cloning)은 클로닝할 권리가 있는 목소리에 대해서만 가능합니다. 이동한다고 해서 타인의 음색(timbre)이 합법화되지는 않습니다.
• 스톡 보이스(Stock voices). 카탈로그에 있는 전문적인(professional) 보이스들은 원칙적으로 이전되지 않습니다.
• 품질(Quality). 지저분한 소스(dirty source)는 어떤 플랫폼에서도 지저분한 클론을 만들어냅니다.
• 음악 및 효과음(Music and effects). 트랙 및 사운드 생성(Suno 주변의 songs 및 sounds와 같은 요청)은 다른 클래스의 모델입니다.
• 트랜스크립션(Transcription). realspeaker나 speechpad와 같은 서비스는 오디오를 텍스트로 변환하는데, 이는 역방향의 과제입니다.

provod.ai가 적합하지 않은 경우

요약하자면: 과업이 단일 벤더 내부에서 이루어지거나 API 외부에서 완전히 이루어질 때입니다.

만약 ElevenLabs의 스튜디오 에디터가 포함된 전문적인 Voice Cloning (음성 복제)이 필요하다면, 이는 해당 벤더의 고유한 구독 기능이므로 직접 구독이 필요합니다. 만약 계획이 자신의 GPU에 Kokoro를 self-host (자체 호스팅)하는 것이라면, 외부 API는 전혀 필요하지 않습니다. 만약 ACX를 통해 출판한다면, Voice Replica beta는 Audible의 직접적인 흐름(flow) 내에서만 사용할 수 있습니다. 마지막으로, 마이그레이션(migration, 이전) 계획 없이 하나의 TTS를 영구적으로 사용할 예정이라면, 멀티 벤더(multi-vendor) 아키텍처는 아무런 이점도 제공하지 않습니다.

클러스터 검색어 사전

요약하자면: 이 검색 클러스터는 무료 카탈로그, 음악 생성기, 그리고 명백한 쓰레기 데이터 등 서로 다른 세계들이 뒤섞여 있습니다. 무엇이 무엇인지 솔직하게 분석해 보겠습니다.

무료 오디오북 카탈로그 (제목의 검색어가 여기서 유래되었습니다. 출처를 추천하는 것이 아니라 현상을 설명합니다):

• "aume" - aume.ru, 배포 파일에 "컴퓨터(인공) 목소리로 낭독됨"이라고 표시된 카탈로그입니다.
• "audioboo" - audioboo.org, 동일한 형식의 AI 카탈로그입니다.
• "baza" 및 "knig" - "baza knig ru аудиокнига", 인접한 카탈로그인 baza-knig입니다.
• "slushat" 및 "knigi" - "slushat knigi com", 동일한 네트워크의 또 다른 카탈로그입니다.
• "slushkinvsem" - slushkinvsem.ru, 동일한 클러스터입니다.

음악, 커버 및 사운드 엔지니어링 (도서 낭독과는 관련이 없습니다):

• "songs" 및 "sounds" - "suno ai songs", "suno sounds": 음악 및 효과음 생성.
• "sono" - Suno의 오타; "sova" - "ия music sova", 응용 검색어.
• "singer" - "digital singer", AI 보컬; "hmkids" - "hmkids suno ai cover".
• "softvibe" 및 "soli" - 노래 생성 스튜디오.
• "boys" - "bad bad boys ai cover"; "slavik" - "отпустить она slavik".
• "ba" - "сағымсыңба сен ai cover", 카자흐스탄 트랙; "blu" - "алиса включи ани блю".
• "chep" - "ома вата фат чеп суно", Suno를 둘러싼 밈(meme)성 소음.
• "mp4" - "скачать видео mp4", 파일 형식.
• "waves" 및 "producer" - "waves fl studio", "fl studio producer edition": 사운드 엔지니어링.
• "gugugaga" 및 "penguin" - 펭귄이 등장하는 밈(meme)성 Sora 비디오.
• "cherry" - Cherry Studio, LLM용 데스크톱 클라이언트이며, "studio"라는 단어 때문에 포함되었습니다.

인접 오디오 작업:

• «морзе» - 오디오를 통한 모스 부호 (Morse code) 번역: 톤 인식이며, TTS가 아님.
• «гет» - «GetCourse 강의 오디오를 텍스트로 전사하기»: GetCourse 강의의 전사 (Transcription) 작업이며, 역방향 작업임.

타 서비스, 오타 및 잘못된 결합 (각 항목에 대한 솔직한 답변 - "이것은 다른 주제입니다"):