브랜드에 맞는 목소리 고르기

Rene, Kabir Goel 
브랜드에 맞는 목소리 고르기

브랜드 음성 에이전트의 목소리를 고르는 일은 글꼴을 고르는 일과 다릅니다. 글꼴은 페이지 위에 앉아 읽히기를 기다립니다. 목소리는 고객에게 말을 걸고, 문제를 처리하고, 실시간으로 회사를 대표합니다. 그것도 고객이 짜증 나 있거나, 급하거나, 시끄러운 길거리에서 전화하는 순간에 그렇게 하는 경우가 많습니다.

대부분의 팀은 데모 몇 개를 듣고 “프로페셔널하게 들리는” 것을 골라 목소리를 정합니다. 그 방법은 목소리가 실제 통화에서 회사 이름을 잘못 발음하거나, 고객에게 클레임이 거절됐다고 밝게 들리게 말하기 전까지는 통합니다. 이 가이드는 브랜드, 유스케이스, 발신자가 처한 환경에 실제로 맞는 목소리를 고르는 방법을 다룹니다.

음성 카탈로그가 아니라 유스케이스에서 시작하라

가장 흔한 실수는 목소리가 해야 할 일을 정의하기 전에 보이스 라이브러리부터 둘러보는 것입니다. 명상 앱에서 통하는 목소리는 채권 추심 전화에서는 실패합니다. 회의실 데모에서 권위 있게 들리는 목소리가 8kHz 전화선에서는 로봇처럼 들릴 수 있습니다.

목소리를 하나라도 듣기 전에 다음 질문에 답해 보세요.

  • 발신자가 이루려는 것은 무엇인가? 주문 상태를 확인하는 사람은 효율을 원합니다. 청구에 이의를 제기하는 사람은 공감을 원합니다. 목소리는 브랜드 전체의 마케팅 톤이 아니라 그 상호작용의 감정적 톤에 맞아야 합니다.
  • 발신자는 어디에 있는가? 차, 사무실, 주방에서 걸려오는 전화에는 배경 소음이 있습니다. 목소리는 스튜디오 녹음뿐 아니라 PSTN의 8kHz에서도 알아들을 수 있어야 합니다.
  • 일이 잘못될 때는 어떻게 되는가? 목소리는 사과, 정정, 에스컬레이션을 어색하지 않게 처리해야 합니다. 밝게만 들릴 수 있는 목소리는 대화가 진지해지는 순간 약점이 됩니다.

중요한 세 가지 특성

1. 명료성

발신자가 목소리가 말하는 내용을 알아들을 수 있나요? 당연하게 들리지만, 명료성은 특정하고 예측 가능한 지점에서 무너집니다.

  • 숫자와 코드. “확인 코드는 8-4-2-1-J입니다”는 모호해서는 안 됩니다. 숫자를 뭉뚱그려 읽는 목소리도 있고, “$1,200”를 발신자가 기대하는 “one thousand two hundred”가 아니라 “twelve hundred dollars”로 읽는 목소리도 있습니다.
  • 이름과 도메인 용어. 제품 이름이 “Sonic”인데 목소리가 “Sah-nik”이라고 말한다면 문제입니다. 실제 제품명, 고객 이름, 업계 어휘로 테스트하세요.
  • 억양이 있는 발화. 발신자에 영어 비원어민이나 지역 억양이 포함된다면, 목소리는 그들에게도 명료해야 하고, 음성 인식 모델도 그들을 이해해야 합니다. 둘은 관련 있지만 별개의 문제입니다.

Sonic은 가격, 날짜, 전화번호, 주소처럼 관례적인 표기를 스스로 올바르게 읽습니다. 모델이 잘못 발음하는 제품명이나 용어는 발음 사전에 한 번 등록하면 매 통화마다 프롬프트 엔지니어링을 할 필요가 없습니다.

2. 감정적 톤

모든 목소리에는 기본 감정적 톤, 즉 말하는 모든 것을 물들이는 기저의 분위기가 있습니다. 어떤 목소리는 따뜻하고 안심시키게 들리고, 어떤 목소리는 짧고 효율적으로 들립니다. 어느 쪽도 틀리지 않습니다. 문제는 그 톤이 상호작용에 맞는가입니다.

보이스 라이브러리에서 몇 가지 예를 들면 다음과 같습니다.

유스케이스톤이유
고객 지원차분하고 절제됨발신자는 종종 짜증 나 있습니다. 차분한 목소리는 상황을 가라앉힙니다.
아웃바운드 영업따뜻하고 에너지 있음발신자는 이 전화를 원하지 않았습니다. 에너지가 전화를 끊지 않게 합니다.
채권 추심 / 컴플라이언스명료하고 단호함법적 고지에는 권위가 필요합니다. 따뜻함은 메시지를 약하게 합니다.
의료 예약안정되고 안심시키는발신자는 불안할 수 있습니다. 목소리는 스트레스를 더하지 말고 줄여야 합니다.

Cartesia의 Sonic 모델은 대부분의 TTS 시스템보다 한발 더 나아갑니다. 읽는 텍스트에 따라 감정 전달을 조정합니다. LLM이 공감하는 응답을 생성하면 Sonic은 공감하는 듯 들리고, 텍스트가 단호한 거절이면 Sonic은 단호하게 들립니다. 즉, 음성 디자인은 LLM의 생성과 결합되어 있고, 목소리는 정적인 설정이 아니라 콘텐츠를 따라갑니다.

3. 레이턴시

발신자가 말을 마친 뒤 말을 시작하는 데 2초가 걸리는 목소리는 아무리 좋게 들려도 고장 난 것처럼 느껴집니다. 대화에서 사람들은 약 200밀리초 안의 응답을 기대합니다. 1초를 넘으면 발신자는 자기 말을 반복하거나 에이전트 말에 겹쳐 말하기 시작합니다.

레이턴시는 목소리 자체가 아니라 TTS 모델의 속성입니다. 하지만 어떤 목소리를 쓸 수 있는지를 제약합니다. 자연스럽게 들리기 위해 무거운 처리가 필요한 목소리는 데모에서는 완벽하게 들려도 실시간 음성 에이전트에서는 쓸 수 없을 수 있습니다.

기본 음성 vs 클론 음성

대부분의 브랜드는 기본 음성으로 시작해야 합니다. 기본 음성은 미리 만들어져 있고, 테스트됐으며, 바로 사용할 수 있습니다. Cartesia의 보이스 라이브러리에는 고객 지원, 영업, 예약 등 특정 유스케이스를 위해 설계된 목소리가 있습니다.

음성 클로닝이 의미 있는 상황은 두 가지입니다.

  1. 브랜드 연속성. 회사에 이미 알려진 목소리(대변인, 팟캐스트 진행자, 실적 발표를 하는 CEO)가 있다면, 그 목소리를 클로닝해 채널 전반의 일관성을 유지할 수 있습니다.
  2. 차별화. 같은 분야의 경쟁사가 모두 같은 세 개의 기본 음성을 쓴다면, 클론 음성은 여러분을 차별화합니다.

Cartesia는 두 가지 클로닝 옵션을 제공합니다. 5초의 오디오로 만드는 인스턴트 보이스 클로닝과, 30분 이상의 오디오로 더 높은 충실도를 내는 프로페셔널 보이스 클로닝입니다. 인스턴트 클로닝은 빠르고 프로토타이핑에 잘 맞습니다. 프로페셔널 클로닝은 더 많은 뉘앙스를 포착해 프로덕션 사용에 더 적합합니다.

선택을 위한 프레임워크

우리가 권장하는 과정은 다음과 같습니다.

1단계: 유스케이스 정의. 음성 에이전트가 처리하는 상위 세 가지 작업을 적으세요. 각각에 대해 필요한 감정적 톤, 처리해야 할 어휘, 의사소통 실패 시의 결과를 기록하세요.

2단계: 목소리 후보 추리기. 필요한 톤에 맞는 목소리 세 개에서 다섯 개를 라이브러리에서 고르세요. 이 단계를 과도하게 고민하지 마세요. 테스트에서 좁혀집니다.

3단계: 실제 스크립트로 테스트. 에이전트가 말할 가장 흔한 열 가지를 적으세요. 사과, 거절, 숫자가 많은 확인, 제품명 같은 어려운 것도 포함합니다. 각 목소리로 오디오를 생성해 이어서 들어 보세요.

4단계: 맥락에서 테스트. 에이전트가 전화에서 쓰인다면 스튜디오 헤드폰이 아니라 전화 스피커로 들으세요. 발신자가 시끄러운 환경에 있다면 배경 소음을 추가하세요. 조용한 방에서 가장 좋게 들리는 목소리가 차 안에서 가장 좋은 목소리는 아닐 수 있습니다.

5단계: 실제 발신자로 파일럿. 그 목소리를 프로덕션에서 일주일간 운영하세요. 녹음을 들으세요. 발신자가 에이전트에게 반복을 요청하는 순간에 주목하세요. 그것은 명료성 실패입니다. 발신자의 말투가 바뀌는 순간에 주목하세요. 그것은 톤 불일치입니다.

흔한 실수

  • 창업자처럼 들리는 목소리 고르기. 창업자의 취향은 고객의 경험이 아닙니다. 실제 발신자로 테스트하세요.
  • 모든 유스케이스에 같은 목소리 쓰기. 지원 회선과 영업 회선을 모두 가진 회사는 각각 다른 목소리가 필요할 수 있습니다. 브랜드는 회사이지 목소리가 아닙니다.
  • STT 쪽 무시하기. 에이전트가 말하는 목소리는 방정식의 절반일 뿐입니다. 음성 인식 모델이 발신자의 억양을 이해하지 못하면 세상에서 가장 좋은 목소리도 대화를 구하지 못합니다. 우리의 스트리밍 STT 모델 Ink는 억양 있는 발화와 시끄러운 환경을 처리하지만, 실제 발신자 층으로 테스트하세요.
  • 데모에 맞춰 최적화하기. 영업 데모에서 인상적인 목소리가 10분짜리 지원 통화에서도 버티지는 못할 수 있습니다. 길게 들으면 짧은 클립에 숨어 있던 인공적인 흔적과 버릇이 드러납니다.

관련 가이드

브랜드의 목소리를 몇 초 만에 들어 보세요.

Sonic 무료로 체험하기 (영어)

자주 묻는 질문

텍스트 음성 변환에서 브랜드 보이스란 무엇인가요?

TTS에서 브랜드 보이스는 기업이 음성 에이전트, IVR 시스템, 오디오 콘텐츠 전반에서 사용하는 특정 합성 음성입니다. 목소리의 억양, 속도, 감정적 톤, 그리고 제품명과 업계 용어 같은 도메인 특화 어휘를 처리하는 방식이 포함됩니다. 올바른 목소리는 전화 너머에서도 브랜드를 알아볼 수 있고 신뢰할 수 있게 만들고, 잘못된 목소리는 글로 보여 주는 모습과 대화에서 들리는 모습 사이에 괴리를 만듭니다.

비즈니스에 맞는 TTS 목소리는 어떻게 고르나요?

음성 카탈로그가 아니라 유스케이스에서 시작하세요. 고객 지원 에이전트에는 차분하고 안정된 목소리가, 아웃바운드 영업 에이전트에는 에너지와 속도감이, 컴플라이언스 회선에는 명료함과 권위가 필요합니다. 그런 다음 스튜디오 데모가 아니라 실제 통화 시나리오로, 실제 스크립트와 제품명, 발신자 환경의 배경 소음을 넣어 테스트하세요. 듣기 좋은 정도가 아니라 숫자, 이름, 도메인 용어의 정확도를 평가하세요.

클론 음성과 기본 음성 중 무엇을 써야 하나요?

기본 음성은 대부분의 유스케이스에서 잘 작동하고 도입도 빠릅니다. 음성 클로닝은 기존 브랜드 보이스와의 연속성이 필요할 때 의미가 있습니다. 예를 들어 이미 알려진 대변인이 있거나 고객이 브랜드와 연결 짓는 목소리가 있는 경우입니다. Cartesia는 5초의 오디오로 만드는 인스턴트 보이스 클로닝과, 30분 이상의 오디오로 더 높은 충실도를 내는 프로페셔널 보이스 클로닝을 제공합니다.

음성 에이전트에서 가장 중요한 목소리 특성은 무엇인가요?

가장 중요한 것은 세 가지입니다. 명료성(발신자가 숫자, 이름, 용어를 올바르게 알아들을 수 있는가), 감정적 톤(목소리가 상호작용의 분위기에 맞는가), 레이턴시(음성 모델이 자연스러운 대화에 충분히 빨리 응답하는가)입니다. 아름답게 들리는 목소리라도 제품명을 잘못 발음하거나 말을 시작하는 데 2초가 걸리면 고객 경험을 돕기보다 해칩니다.

브랜드 보이스를 나중에 바꿀 수 있나요?

네. Cartesia의 보이스 라이브러리에서는 목소리 교체가 재녹음 프로젝트가 아니라 설정 변경입니다. 플레이그라운드에서 다른 목소리를 테스트하고, 실제 발신자로 A/B 테스트를 하고, 에이전트 코드를 바꾸지 않고 프로덕션에서 교체할 수 있습니다. 다만 잦은 변경은 다시 전화하는 사람을 혼란스럽게 하므로 처음 선택을 신중하게 하세요.