한국어 TTS 목소리 고르는 기준: 전화 AI용 7가지 체크

전화 AI에 쓸 한국어 TTS 목소리는 전화에서 들었을 때 또렷하고, 숫자와 고유명사를 틀리지 않고 읽으며, 업종의 분위기에 맞는 것을 골라야 합니다. 이어폰으로 들은 데모 음성이 아무리 자연스러워도 전화망을 지나면 높은 대역이 잘리고 압축되면서 인상이 달라지기 때문입니다. 목소리는 고객이 AI 전화에서 가장 먼저, 가장 오래 접하는 요소이므로 모델 선택만큼 신중하게 고를 가치가 있습니다.

이 글은 한국AI통신이 AI 전화 응대 서비스를 운영하며 목소리를 평가할 때 쓰는 기준을 일곱 가지로 정리하고, 실제로 비교하는 방법을 설명합니다.

기준 1: 전화 대역에서의 명료도

전화 음성은 대개 8kHz로 샘플링되어 사람 목소리의 높은 성분이 잘립니다. 그래서 숨소리가 많은 목소리, 높은 대역에 힘이 실린 맑은 목소리는 전화에서 오히려 흐릿하게 들릴 수 있습니다. 반대로 중간 대역이 단단한 목소리는 좁은 대역에서도 또렷합니다.

TTS는 보통 더 높은 샘플링으로 합성한 뒤 전화용으로 변환합니다. 이 변환을 거친 소리를 직접 들어 보기 전에는 판단하기 어렵습니다. 원리는 전화 음질(8kHz)이 보이스 AI에 미치는 영향에 정리했습니다.

기준 2: 숫자·날짜·금액 읽기

한국어 TTS의 실력은 숫자에서 드러납니다.

TTS가 이런 정규화를 얼마나 잘하는지는 엔진마다 다릅니다. 가장 확실한 방법은 LLM이 처음부터 읽을 형태로 문장을 쓰게 하는 것입니다. 지시문에 "숫자는 한글 읽기로 쓴다", "전화번호는 세 덩어리로 끊어 읽는다"를 넣어 두면 TTS 엔진에 덜 의존하게 됩니다. 지시문 작성은 전화 상담 AI 지시문 쓰는 법에서 다룹니다.

기준 3: 고유명사와 외래어 발음

매장명, 지점명, 상품명, 영문 약어를 어떻게 읽는지 확인합니다. "KAT"를 "캣"으로 읽어야 하는 브랜드가 있고 "케이에이티"로 읽어야 하는 브랜드가 있습니다. TTS가 발음 사전이나 발음 표기 입력을 지원하는지, 지원하지 않는다면 텍스트를 한글 발음대로 바꿔 넣는 방식으로 우회할 수 있는지 봅니다.

기준 4: 운율과 문장 끝 처리

한국어는 문장 끝 억양이 의미를 바꿉니다. "예약하셨어요"가 질문인지 확인인지는 끝 억양으로 갈립니다. 좋은 TTS는 의문문 끝을 올리고, 쉼표와 문장 사이에 적절한 쉼을 둡니다. 나쁜 TTS는 모든 문장을 같은 높이로 읽어 질문을 해도 고객이 대답할 차례인지 알기 어렵게 만듭니다. 이는 턴테이킹에도 영향을 줍니다.

기준 5: 속도와 감정의 폭

• 속도: 전화 안내는 대면 대화보다 약간 느린 편이 알아듣기 쉽습니다. 속도 조절이 가능한지, 빠르게 했을 때 발음이 뭉개지지 않는지 봅니다.
• 감정의 폭: 불만 고객에게 사과할 때와 예약을 확정할 때 같은 톤이면 어색합니다. 다만 감정 표현이 과한 목소리는 상담 업무에서 가볍게 들릴 수 있습니다.
• 일관성: 같은 문장을 여러 번 합성했을 때 톤이 크게 달라지지 않아야 합니다. 생성형 TTS는 매번 조금씩 다르게 읽을 수 있습니다.

기준 6: 업종과 고객층에 맞는가

고령 고객이 많다면 속도가 느리고 낮은 대역이 충분한 목소리가, 짧은 주문 통화가 많다면 경쾌하고 빠른 목소리가 맞을 수 있습니다. 예를 들어 제로콜은 밝은·차분한 여성과 남성 목소리 가운데 매장 분위기에 맞춰 고르게 되어 있습니다.

기준 7: 권리와 투명성

• 목소리 권리: 특정인의 목소리를 복제한 커스텀 보이스를 쓴다면 본인 동의와 이용 범위를 계약으로 분명히 해야 합니다. 유명인을 닮은 목소리는 피합니다.
• AI임을 알리기: 목소리가 사람과 구별되지 않을 정도로 자연스러울수록, 통화 첫머리에 AI 상담원임을 밝히는 것이 고객 신뢰에 좋습니다.

실제로 비교하는 방법

1. 1후보를 세 개 이내로 줄입니다. 업종 방향에 맞는 목소리만 남깁니다.
2. 2같은 대본을 준비합니다. 인사말, 숫자가 많은 안내(시간·금액·전화번호), 사과 문장, 질문 문장을 넣습니다.
3. 3실제 전화로 듣습니다. 휴대폰으로 전화를 걸어 듣고, 스피커폰과 이어폰 상태도 바꿔 봅니다.
4. 4블라인드로 평가합니다. 직원 몇 명에게 어떤 엔진인지 알리지 않고 "알아듣기 쉬운가", "우리 매장답나", "다시 걸고 싶은가"를 묻습니다.
5. 5운영 후 다시 봅니다. 통화 녹음에서 고객이 "네?"라고 되묻는 지점을 찾으면 목소리나 읽기 규칙의 약점이 보입니다.

한국AI통신의 KAT Cloud는 AI 상담원 설정에서 목소리를 고를 수 있어, 같은 번호로 후보 목소리를 바꿔 가며 시험 통화를 해 볼 수 있습니다. 서비스 운영사는 한국에이아이통신(주)입니다. 목소리와 함께 모델 구조를 고민 중이라면 실시간 음성 모델 vs 캐스케이드도 참고하세요.

자주 묻는 질문

데모에서 좋았던 TTS 목소리가 전화에서는 왜 다르게 들리나요?

TTS 데모는 대개 넓은 대역의 고음질로 재생되지만, 전화는 8kHz 협대역으로 압축되어 높은 성분이 잘리기 때문입니다. 숨소리나 맑은 고음에 매력이 있던 목소리는 전화에서 흐릿해질 수 있으므로, 목소리는 반드시 실제 전화로 걸어 들어 보고 골라야 합니다.

TTS가 숫자를 잘못 읽으면 어떻게 고치나요?

TTS가 숫자를 잘못 읽을 때는 TTS 엔진의 정규화에 맡기기보다 LLM이 처음부터 한글 읽기 형태로 답을 쓰도록 지시문에 규칙을 넣는 방법이 가장 확실합니다. 시각은 "세 시 삼십 분", 전화번호는 세 덩어리로 끊어 쓰게 하는 식입니다. 발음 사전 기능이 있는 엔진이라면 함께 활용합니다.

AI 목소리는 남성과 여성 중 무엇이 좋은가요?

AI 목소리의 성별에 정답은 없습니다. 업종 분위기, 고객층, 브랜드 이미지에 맞는지가 더 중요하며, 같은 성별 안에서도 밝은 톤과 차분한 톤의 차이가 큽니다. 후보 두세 개를 실제 전화로 블라인드 비교해 직원과 고객 반응을 보고 정하는 것을 권합니다.