Azure Text to Speech는 글자 수로 과금합니다. 기본 제공 뉴럴 음성은 100만 자당 15달러이고, 무료 등급에서는 매달 50만 자까지 무료입니다. Azure 요금을 찾아보는 사람은 대개 어떤 음성 유형을 쓸지, 무료 등급으로 충분한지, 아니면 다른 서비스로 옮길지를 고민하고 있습니다. 이 페이지는 두 가지를 다룹니다. 먼저 Azure의 현재 요금, 무료 등급, 사용자 지정 음성 이용 조건을 보고, 이어서 대안 10가지와 전환 전에 확인할 점을 정리합니다.
Azure Text to Speech 요금과 무료 등급
US East 리전 종량제 요금. Microsoft의 Azure Speech 요금 페이지와 Azure 소매 가격 기준, 2026년 10월 5일 확인:
| 음성 유형 | 100만 자당 요금 | 무료 등급(F0) 월 제공량 |
|---|---|---|
| 뉴럴(기본 제공 음성) | 15달러 | 50만 자 |
| Neural HD | 22달러 | 포함 안 됨 |
| 사용자 지정 음성(전문), 뉴럴 | 24달러 | 포함 안 됨 |
| 사용자 지정 음성(전문), HD | 48달러 | 포함 안 됨 |
| 긴 오디오(배치, 기본 뉴럴) | 100달러 | 포함 안 됨 |
표에 나오지 않는 내용:
- 무료 등급은 기한이 없지만 양이 적습니다. 50만 자는 보통 말하는 속도로 약 11시간 분량으로, 프로토타입에는 충분합니다. 무료 리소스는 분당 20건 요청으로 제한되어, Standard의 초당 30건보다 훨씬 적습니다(Azure Speech 할당량).
- 사용자 지정 음성은 합성보다 비쌉니다. 전문 음성 학습은 컴퓨팅 시간당 52달러이고, 배포한 사용자 지정 음성 엔드포인트는 말을 하든 안 하든 호스팅되는 동안 시간당 4.03달러가 듭니다.
- 사용자 지정 음성은 승인이 필요합니다. 전문 음성과 개인 음성은 제한된 액세스입니다. Microsoft 신청 양식으로 신청하고, 학습 전에 화자가 동의 문구를 녹음해야 합니다.
- 대량 사용은 할인됩니다. 약정 등급은 뉴럴 8,000만 자에 월 960달러부터 시작하며, 100만 자당 12달러꼴입니다. 4억 자, 20억 자 등급은 더 저렴합니다.
- 요금은 리전마다 다릅니다. 위 수치는 US East 기준입니다. 리소스가 있는 리전의 요금은 요금 페이지에서 확인하세요.
Azure의 기본 제공 뉴럴 음성은 가격 경쟁력이 있고, 이미 Azure를 쓰고 있다면 ID와 결제 통합도 장점입니다. 다른 서비스를 찾는 이유는 대개 세 가지입니다. 실시간 대화에 더 낮은 지연 시간이 필요하거나, 승인 절차 없이 복제 음성이 필요하거나, 자신의 스크립트에서 더 자연스럽게 들리는 음성이 필요한 경우입니다.
Azure TTS 이전은 앱이 사용하는 목소리, 지역, 음성 제어에서 시작합니다. 구독 가격보다 먼저 이 요구사항으로 대안을 비교하세요.
Azure OpenAI tts, tts-hd, whisper가 2026년 12월 15일 중단
애플리케이션이 오디오를 위해 Azure OpenAI 리소스를 호출한다면 마감이 있습니다. Microsoft는 2026년 12월 15일에 whisper, tts, tts-hd 모델의 001 버전을 중단하며, 모델 중단 일정에는 세 모델 모두 대체가 없습니다(2026년 11월 15일 확인).
Azure OpenAI는 이 페이지에서 다루는 제품인 Azure AI Speech와는 다른 서비스입니다. Azure AI Speech는 계속 실행되며 가격도 변하지 않습니다. 코드가 어느 쪽을 사용하는지는 Azure 포털에서 리소스를 확인하면 알 수 있습니다. Azure OpenAI 리소스는 tts-hd 같은 명명된 모델 배포를 호스트하고, Speech 리소스는 이 페이지의 가격이 적용되는 Speech SDK와 REST 엔드포인트를 제공합니다.
tts 또는 tts-hd 001을 사용 중이라면 중단일 전에 배포를 파악한 후 각각 옮기세요:
- 텍스트 음성 변환의 그대로 옮기는 대상은 Azure AI Speech 뉴럴 보이스이며 위 가격 표가 적용됩니다.
whisper전사는 Azure Speech to Text 또는 Ink(스트리밍, 5개 언어) 같은 전용 음성 인식 API로 옮깁니다.- 음성 에이전트 안의 음성은 모델 교체가 작업의 일부일 뿐입니다. 에이전트에는 합성 옆에 음성 인식과 턴 처리도 필요합니다. Managed Agents는 그 요소들을 Cartesia에 묶은 것이고, playground에서 자신의 텍스트로 Sonic을 먼저 들어볼 수 있습니다.
비교할 요소
Azure 음성 서비스는 이미 Azure 자원을 관리하는 팀에 맞습니다. Cartesia는 자체 API로 Sonic을 제공합니다. 업체를 바꾸면 인증과 요청 처리가 바뀌며 맞춤 목소리 접근은 별도 검토가 필요합니다.
아래 옵션은 서로 다른 업무를 다루며 순위를 매긴 벤치마크가 아닙니다. 결정 전에 현재 가용성, 기능, 요금제 조건을 확인하세요.
대안 한눈에 보기
| 제품 | 평가 용도 | 선택 전 확인 |
|---|---|---|
| Cartesia | 음성 앱의 발화 | 모델, 언어, 통합 요구사항 |
| Speechify | 문서 소리 내어 읽기 | 읽기 앱, 스튜디오 또는 API 요금제 |
| Amazon Polly | AWS 앱의 TTS | 음성 엔진, 지역, 지원 제어 |
| Google Cloud Text-to-Speech | Google Cloud 앱의 TTS | 목소리별 기능과 할당량 |
| IBM Watson Text to Speech | TTS API 통합 | 언어, 제어, 서비스 한도 |
| Murf AI | 대본 기반 보이스오버 | 편집 제어와 내보내기 권리 |
| ElevenLabs | 음성 생성과 더빙 | 모델 선택과 사용 한도 |
| PlayHT(중단됨) | 기존 PlayHT 작업 흐름 | PlayHT 대안 가이드 |
| WellSaid Labs | 업무 보이스오버 | 팀 작업 흐름과 언어 범위 |
| Synthesia | AI 발표자 영상 | 아바타 요구사항과 영상 내보내기 |
Cartesia

우리는 음성 앱용 TTS 모델인 Sonic을 만듭니다. 생성 오디오를 스트리밍하고 목소리를 선택하거나 사용 권한이 있는 녹음으로 복제할 수 있습니다. API 통합 전에 플레이그라운드에서 자신의 텍스트를 시험하세요.
완전한 음성 에이전트에는 음성 인식과 대화 처리도 필요합니다. Ink는 STT 모델이고 Managed Agents는 음성 에이전트 빌더입니다. Sonic만으로는 통화자를 듣거나 할 말을 결정하지 않습니다.
사용할 모델과 요금제의 언어 범위, API 요구사항, 요금을 확인하세요. 네트워크 이동과 재생 버퍼링도 사용자가 듣는 시간에 포함되므로 앱에서 응답 시간을 측정하세요.
Speechify

Speechify에는 문서와 웹페이지를 오디오로 바꾸는 읽기 앱이 있습니다. 기존 텍스트를 듣는 것이 목표라면 그 흐름부터 보세요. 읽기, 스튜디오, API 제품은 별도로 평가하세요. 하나를 사용할 수 있다고 다른 제품의 포함 사항까지 알 수는 없습니다.
Amazon Polly

Amazon Polly는 AWS의 음성 합성 서비스입니다. 앱이 이미 AWS 인증과 과금을 사용한다면 평가할 만합니다. 음성 엔진마다 언어 범위와 제어가 다르므로 서비스 전체 기능 목록보다 실제 배포할 엔진을 확인하세요.
Google Cloud Text-to-Speech

Google Cloud Text-to-Speech는 Google Cloud API로 음성을 합성합니다. 기존 Google Cloud 앱에서는 계정과 과금 통합으로 도입이 쉬울 수 있습니다. 선택한 목소리가 필요한 언어, 스트리밍 동작, 음성 제어를 지원하는지 확인하세요.
IBM Watson Text to Speech

IBM Watson Text to Speech는 텍스트에서 음성을 생성하는 API입니다. IBM 기반 배포용 음성 서비스를 비교한다면 포함하세요. 지원 언어와 발음 제어를 확인한 뒤 앱에서 출력 형식과 서비스 한도를 테스트하세요.
Murf AI

Murf AI에는 대본에서 작업하고 내레이션을 미디어에 맞추는 보이스오버 편집기가 있습니다. 교육 자료와 녹화 발표에 고려하세요. 필요한 편집량을 테스트하고 요금제에 원하는 내보내기와 팀 접근이 포함되는지 확인하세요.
ElevenLabs

ElevenLabs는 TTS, 음성 복제, 더빙 도구와 대화형 앱용 제품을 제공합니다. 실제 배포할 모델과 엔드포인트를 비교하세요. 모든 모델을 서로 대체 가능하다고 보지 말고 자신의 대본으로 발음과 응답 시간을 테스트하세요.
PlayHT(중단됨)

PlayHT는 2025년 12월 31일에 중단되었습니다. 그 해 초 Meta가 PlayAI를 인수한 후였고, play.ht 도메인은 더 이상 확인되지 않습니다(2026년 11월 15일 확인). 아직 옮겨야 할 PlayHT 대본이나 음성 설정이 있다면 PlayHT 대안 가이드에서 비교 가능한 업체를 다룹니다.
WellSaid Labs

WellSaid Labs는 교육과 내부 소통 등 업무 콘텐츠의 보이스오버 제작에 집중합니다. 팀이 대본을 검토하고 발음을 바꾸는 방식을 평가하세요. 사용할 요금제의 언어 범위와 API 접근을 확인하세요.
Synthesia

Synthesia는 AI 발표자와 내레이션이 있는 영상을 만듭니다. 완성물에 화면 속 발표자가 필요할 때 평가하세요. 오디오 전용 제품이라면 음성 API로 사용하지 않을 영상 기능 비용을 피할 수 있는지 확인하세요.
전환 전에 테스트
현재 요청의 SSML 태그와 발음 규칙을 나열하세요. 새 API의 대응 기능을 확인한 뒤 전화나 브라우저 클라이언트에서 오디오 인코딩을 테스트하세요. 피크 동시 트래픽을 포함해 사용자가 연결하는 지역에서 지연시간을 측정하세요.
예상 사용량과 필요한 기능으로 비용을 비교하세요. 재시도, 오디오 재생성, 동시성 한도, 상업적 권리를 포함하세요. 낮은 시작 가격이 워크로드 비용 추정치는 아닙니다.
