ElevenLabs Voice Design API 사례 연구: 언어 학습 앱에서 6개 언어 40개 캐릭터 음성 제작하기

개요: 네이티브 녹음 세션을 대체한 AI 음성 디자인

언어 학습 앱 LinguaPlay는 6개 언어(영어, 스페인어, 프랑스어, 독일어, 일본어, 한국어)에 걸쳐 40개의 고유한 캐릭터 음성을 필요로 했습니다. 기존 방식이라면 각 언어별 원어민 성우 최소 6~7명, 총 40명 이상의 성우 섭외와 스튜디오 녹음이 필요했을 것입니다. ElevenLabs의 Voice Design API, Multilingual v2 모델, 그리고 Emotion Presets를 활용하여 전체 프로세스를 2주 만에 완료하고, 비용을 기존 대비 78% 절감한 사례를 공유합니다.

기술 스택 및 환경 설정

1단계: ElevenLabs SDK 설치

# Python SDK 설치 pip install elevenlabs

npm install elevenlabs

2단계: API 키 설정

# 환경 변수 설정 (Linux/Mac)
export ELEVENLABS_API_KEY="YOUR_API_KEY"

# Windows PowerShell
$env:ELEVENLABS_API_KEY="YOUR_API_KEY"

3단계: API 연결 확인

import os
from elevenlabs.client import ElevenLabs

client = ElevenLabs(
    api_key=os.getenv("ELEVENLABS_API_KEY")
)

# 사용 가능한 모델 확인
models = client.models.get_all()
for model in models:
    print(f"{model.model_id}: {model.name}")

워크플로우: 40개 캐릭터 음성 설계 과정

Step 1 — 캐릭터 프로필 정의

각 캐릭터의 성별, 연령대, 성격 특성, 사용 언어를 매트릭스로 정리했습니다.

for i, preview in enumerate(voice_preview.previews): with open(f”maria_preview_{i}.mp3”, “wb”) as f: f.write(preview.audio_base_64) # base64 디코딩 후 저장 print(f”Preview {i}: generated_voice_id = {preview.generated_voice_id}“)

Step 3 — 선택한 프리뷰를 영구 음성으로 저장

# 마음에 드는 프리뷰를 영구 Voice로 생성
voice = client.text_to_voice.create_voice_from_preview(
    voice_name="Maria_Spanish_Tutor",
    voice_description="Warm female Spanish tutor, 30s, encouraging tone",
    generated_voice_id="PREVIEW_VOICE_ID_FROM_STEP2",
    labels={
        "language": "Spanish",
        "character": "Maria",
        "use_case": "language_learning"
    }
)
print(f"생성 완료: {voice.voice_id}")

Step 4 — Multilingual v2 모델로 다국어 TTS 생성

# 생성된 음성으로 다국어 콘텐츠 생성
audio = client.text_to_speech.convert(
    voice_id=voice.voice_id,
    model_id="eleven_multilingual_v2",
    text="Hola, hoy vamos a practicar los saludos básicos.",
    voice_settings={
        "stability": 0.5,
        "similarity_boost": 0.75,
        "style": 0.4,
        "use_speaker_boost": True
    }
)

# 오디오 파일 저장
with open("maria_lesson_01.mp3", "wb") as f:
    for chunk in audio:
        f.write(chunk)
print("레슨 오디오 생성 완료")

Step 5 — Emotion Presets를 활용한 감정 표현

# 격려하는 톤의 피드백 음성
encouraging_audio = client.text_to_speech.convert(
    voice_id=voice.voice_id,
    model_id="eleven_multilingual_v2",
    text="¡Muy bien! Tu pronunciación está mejorando mucho.",
    voice_settings={
        "stability": 0.3,       # 낮을수록 감정 표현이 풍부
        "similarity_boost": 0.8,
        "style": 0.7            # 높을수록 스타일 강조
    }
)

# 진지한 교정 톤
correction_audio = client.text_to_speech.convert(
    voice_id=voice.voice_id,
    model_id="eleven_multilingual_v2",
    text="Atención, escucha de nuevo la pronunciación correcta.",
    voice_settings={
        "stability": 0.7,       # 높을수록 안정적이고 차분
        "similarity_boost": 0.8,
        "style": 0.2            # 낮을수록 중립적
    }
)

Step 6 — 배치 처리로 40개 캐릭터 일괄 생성

import json

# 캐릭터 정의 파일 로드
with open("characters.json", "r") as f:
    characters = json.load(f)

# 전체 캐릭터 음성 일괄 생성
results = []
for char in characters:
    preview = client.text_to_voice.create_previews(
        voice_description=char["description"],
        text=char["sample_text"]
    )
    # 첫 번째 프리뷰 자동 선택 (실제로는 수동 검토 권장)
    voice = client.text_to_voice.create_voice_from_preview(
        voice_name=char["name"],
        voice_description=char["description"],
        generated_voice_id=preview.previews[0].generated_voice_id,
        labels=char["labels"]
    )
    results.append({
        "character": char["name"],
        "voice_id": voice.voice_id
    })
    print(f"✓ {char['name']} 생성 완료")

# 결과 저장
with open("voice_registry.json", "w") as f:
    json.dump(results, f, indent=2)

결과 요약

Q1: Voice Design API로 생성한 음성의 상업적 사용이 가능한가요?

네, ElevenLabs의 유료 플랜(Starter 이상)에서 생성한 음성은 상업적으로 사용할 수 있습니다. Voice Design API로 생성한 음성은 완전히 합성된 것이므로 초상권 문제가 없습니다. 다만, 각 플랜의 월간 문자 수 제한과 이용약관을 반드시 확인하세요.

Q2: 40개 캐릭터를 유지 관리할 때 월간 비용은 얼마나 드나요?

Voice Design API로 생성한 음성은 한 번 생성하면 추가 보관 비용이 없습니다. 비용은 실제 TTS 변환(텍스트 → 음성) 시에만 발생하며, Multilingual v2 모델 기준 월 10만 자 내외의 레슨 콘텐츠 업데이트 시 Scale 플랜(월 $99) 정도면 충분합니다. 초기 40개 캐릭터 음성 설계 비용은 별도 과금 없이 프리뷰 생성 횟수만큼 문자 수가 차감됩니다.

Q3: 기존에 녹음한 성우 음성과 AI 생성 음성을 혼합하여 사용할 수 있나요?

가능합니다. ElevenLabs는 Voice Cloning 기능도 제공하므로, 기존 성우 음성을 클로닝하여 AI 생성 음성과 함께 관리할 수 있습니다. 다만 클로닝에는 성우의 명시적 동의가 필요하며, Professional Voice Clone은 Enterprise 플랜에서 최고 품질을 제공합니다. 하이브리드 접근 방식으로 핵심 캐릭터는 클로닝, 보조 캐릭터는 Voice Design API를 활용하는 전략이 효과적입니다.