모델/오디오/텍스트 음성 변환

서비스 중모델 10개

텍스트 음성 변환 API — 자연스러운 AI 음성 생성

Muapi의 텍스트 음성 변환 API는 하나의 통합 REST 연동으로 작성한 텍스트를 자연스러운 사람 목소리의 오디오로 변환합니다. MiniMax, Google Gemini, ElevenLabs(Eleven v4 API 포함), Fish Audio(Fish Audio S2.1 Pro API) 중에서 선택해 단일 음성 내레이션이나 여러 화자의 대화를 생성하세요.음성, 감정, 속도, 안정성, 유사도를 조절해 스튜디오급 또는 초고속 음성을 생성하세요. 모든 모델에서 동일한 비동기 제출 및 상태 조회 방식을 사용하며, 요금은 문자 1,000자당 $0.015부터 시작합니다.

텍스트 음성 변환 API 키 받기 MiniMax Speech HD 사용해 보기 Gemini Flash TTS 사용해 보기 Text-to-Speech API examples and comparison on GitHub

Muapi에서 텍스트 음성 변환을 사용할 수 있습니다

단일 음성 또는 다중 화자 모델을 선택하고 대본을 제출한 뒤, 반환된 요청 ID를 조회해 오디오 파일을 다운로드하세요.

MiniMax Speech

스튜디오 및 터보 등급의 단일 음성 내레이션모델 2개

TTS서비스 중

MiniMax

MiniMax Speech 2.6 HD

오디오북, 팟캐스트, 내레이션에 적합한 스튜디오급 음성으로, 또렷한 발음과 자연스러운 속도, 사실적인 감정을 구현합니다.

Text → audio

$0.13/1,000 chars

모델 사용해 보기

TTS서비스 중

MiniMax

MiniMax Speech 2.6 Turbo

빠르게 제작할 수 있는 가볍고 자연스러운 음성입니다. 속도, 음량, 음높이, 감정을 조절할 수 있습니다.

Text → audio빠름

$0.07/1,000 chars

모델 사용해 보기

Gemini TTS

음성 및 어조를 조절하는 표현력 있는 다중 화자 대화모델 4개

TTS서비스 중

Google Gemini

Gemini 3.1 Flash TTS

[whispers] 같은 인라인 어조 태그와 개성 있는 음성, 억양, 감정 스타일을 지원하는 비용 효율적인 다중 화자 음성입니다.

Dialogue → audio빠름

$0.035/1,000 chars

모델 사용해 보기

TTS서비스 중

Google Gemini

Gemini 2.5 Pro TTS

오디오북, 영화 같은 대화, 장문 내레이션에 적합한 프리미엄 다중 화자 음성으로 높은 충실도의 결과를 제공합니다.

Dialogue → audio

$0.035/1,000 chars

모델 사용해 보기

TTSnew

Google Gemini

Dialogue → audio빠름

$0.015/1,000 chars

모델 사용해 보기

TTSnew

Google Gemini

Dialogue → audio빠름

$0.01/1,000 chars

모델 사용해 보기

ElevenLabs

표현력 있는 Eleven v4 음성, 빠른 단일 음성, 다국어 대화모델 3개

TTS서비스 중

ElevenLabs

ElevenLabs TTS Turbo 2.5

보이스오버, IVR, 대량 내레이션에 적합한 빠른 단일 음성입니다. 안정성, 유사도, 말하기 속도를 조절할 수 있습니다.

Text → audio빠름

$0.05/1,000 chars

모델 사용해 보기

TTS서비스 중

ElevenLabs

ElevenLabs Text to Dialogue V3

구조화된 대본으로 다국어 다중 화자 대화를 생성합니다. 화자별 음성 ID와 자연스러운 대화 순서를 지원합니다.

Dialogue → audio

$0.10/1,000 chars

모델 사용해 보기

TTSnew

ElevenLabs

Eleven v4

표현력 있는 단일 음성 내레이션을 위한 ElevenLabs의 Eleven v4 텍스트 음성 변환입니다. 요청당 최대 2,000자, $0.08/1,000 characters이며 결과는 MP3로 반환됩니다.

Text → audio

$0.08/1,000 chars

모델 사용해 보기

Fish Audio S2.1 Pro

요청당 최대 10,000자 장문 내레이션모델 1개

TTSnew

Fish Audio

Fish Audio S2.1 Pro

장문 텍스트 음성 변환입니다. 요청당 최대 10,000자이며 1M UTF-8 bytes당 $15(영어 약 1,000자당 $0.015)로 청구되고 MP3로 반환됩니다.

Text → audio

$15/1M UTF-8 bytes

모델 사용해 보기

텍스트 음성 변환 API란 무엇인가요?

텍스트 음성 변환(TTS) API는 단일 HTTP 요청으로 텍스트를 음성 오디오로 바꿉니다. 대본을 제출하고 음성과 전달 스타일을 선택하면 오디오 엔지니어링 파이프라인을 구축하지 않아도 다운로드 가능한 오디오 파일을 받을 수 있습니다.

Muapi는 통합 REST 방식으로 TTS 엔드포인트를 제공합니다. API 키 하나와 요청 및 상태 조회 흐름 하나로 사용하고 사용량에 따라 요금을 지불하면 됩니다. 보이스오버와 IVR에는 단일 음성 내레이션(Eleven v4 API 및 Fish Audio S2.1 Pro API 포함)을, 캐릭터·팟캐스트·오디오북에는 다중 화자 대화를 선택하세요.

텍스트 음성 변환 기능

다중 화자 대화

Gemini TTS와 ElevenLabs Text to Dialogue V3는 대본의 대화 차례마다 서로 다른 음성, 억양, 전달 스타일을 지정합니다.

인라인 감정 및 어조

Gemini 모델은 한 문장 안에서 표현을 조절할 수 있도록 [whispers], [shouting], [determination] 같은 인라인 태그를 지원합니다.

스튜디오 및 터보 등급

충실도가 중요할 때는 MiniMax Speech 2.6 HD 또는 Gemini 2.5 Pro TTS를, 지연 시간과 비용이 우선일 때는 더 빠른 모델을 사용하세요.

음성 매개변수 조절

속도, 음량, 음높이, 감정, 안정성, 유사도 등 모델별 설정을 조절하세요.

사용자 지정 및 복제 음성

ElevenLabs 엔드포인트는 사용자 지정 음성 ID를 지원합니다. 호환되는 음성 복제 절차로 재사용할 음성을 먼저 만드세요.

네 곳의 제공사, 하나의 API

MiniMax, Google Gemini, ElevenLabs, Fish Audio 모델 모두 Muapi 인증, 비동기 작업, 결과 조회, 결제 방식을 공유합니다.

텍스트 음성 변환 활용 사례

내레이션 및 보이스오버

대본으로 오디오북 챕터, 영상 내레이션, 광고, 설명 영상, 소셜 클립을 제작하세요.

캐릭터 및 팟캐스트

서로 다른 음성과 감정 연출로 여러 진행자의 대화와 캐릭터 대사를 구현하세요.

IVR 및 앱 오디오

전화 안내, 알림, 접근성 오디오 등 동적 음성을 대규모로 생성하세요.

현지화

글로벌 콘텐츠와 교육 자료에 다국어 대화와 언어 설정을 활용하세요.

Eleven v4 API와 Fish Audio S2.1 Pro API를 포함한 텍스트 음성 변환 모델 비교

모델	제공사	요금	추천 용도
MiniMax Speech 2.6 HD	MiniMax	$0.13/1,000 characters	스튜디오급 단일 음성 내레이션
MiniMax Speech 2.6 Turbo	MiniMax	$0.07/1,000 characters	빠른 단일 음성 생성
ElevenLabs TTS Turbo 2.5	ElevenLabs	$0.05/1,000 characters	대량 내레이션 및 IVR
Gemini 3.1 Flash TTS	Google	$0.035/1,000 characters	빠른 다중 화자 대화
Gemini 2.5 Pro TTS	Google	$0.035/1,000 characters	스튜디오급 다중 화자 대화
ElevenLabs Text to Dialogue V3	ElevenLabs	$0.10/1,000 characters	다국어 다중 화자 대화
Eleven v4	ElevenLabs	$0.08/1,000 characters	표현력 있는 단일 음성 내레이션, 요청당 최대 2,000자
Fish Audio S2.1 Pro	Fish Audio	$15/1M UTF-8 bytes (~$0.015/1,000 English characters)	장문 내레이션, 요청당 최대 10,000자

Fish Audio S2.1 Pro는 UTF-8 바이트 단위로 청구됩니다. 영어 텍스트는 문자당 약 1바이트이며, 라틴 문자 이외의 문자는 문자당 3~4바이트를 사용합니다.

텍스트 음성 변환 API 예시

Muapi API 키로 일반 텍스트나 구조화된 대화를 제출하고 요청 ID를 저장한 다음, 표준 예측 결과 엔드포인트를 조회해 오디오 URL을 확인하세요.

단일 음성 생성

curl -X POST https://api.muapi.ai/api/v1/minimax-speech-2.6-hd \
  -H "x-api-key: YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"prompt":"Welcome to Muapi. Your workspace is ready.","voice_id":"Friendly_Person","speed":1,"emotion":"happy","format":"mp3"}'

# Response: {"request_id":"REQUEST_ID"}

prompt, voice 및 선택적 전달 매개변수를 사용해 MiniMax 또는 ElevenLabs 단일 음성 엔드포인트를 호출하세요.

Gemini 대화 생성

curl -X POST https://api.muapi.ai/api/v1/gemini-3-1-flash-tts \
  -H "x-api-key: YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"speakers":[{"speaker_id":"Speaker 1","voice_name":"Kore","accent":"Neutral","style":"Empathetic","pace":"Natural"},{"speaker_id":"Speaker 2","voice_name":"Puck","accent":"British (RP)","style":"Deadpan","pace":"Natural"}],"dialogue_turns":[{"speaker_id":"Speaker 1","text":"[warmly] Welcome to the show."},{"speaker_id":"Speaker 2","text":"[whispers] Let us begin."}]}'

화자와 대화 순서를 정의하세요. 각 대화 차례에서 사용할 음성 구성을 지정합니다.

Eleven v4 API로 음성 생성

curl -X POST https://api.muapi.ai/api/v1/elevenlabs-v4 \
  -H "x-api-key: YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"prompt":"Welcome to the future of voice. This is Eleven v4, speaking with natural rhythm and emotion.","voice_id":"voice_daniel"}'

# Response: {"request_id":"REQUEST_ID"}

prompt에 최대 2,000자를 보내고 voice_daniel 또는 voice_liam을 선택하세요. Eleven v4 요금은 1,000자당 $0.08입니다.

Fish Audio S2.1 Pro API로 장문 음성 생성

curl -X POST https://api.muapi.ai/api/v1/fish-s2-1-pro \
  -H "x-api-key: YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"prompt":"Welcome to the show. Today we look at how voice models have changed the way we tell stories.","voice_id":"voice_fish_narrator"}'

# Response: {"request_id":"REQUEST_ID"}

voice_fish_narrator와 함께 prompt에 최대 10,000자를 보내세요. 1M UTF-8 bytes당 $15가 청구됩니다.

ElevenLabs 대화 생성

curl -X POST https://api.muapi.ai/api/v1/elevenlabs-text-to-dialogue-v3 \
  -H "x-api-key: YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"dialogue":[{"text":"Welcome to the show.","voice_id":"ZQe5CZNOzWyzPSCn5a3c"},{"text":"Let us begin.","voice_id":"EXAVITQu4vr4xnSDxMaL"}],"language_code":"en","stability":0.5}'

다국어 다중 화자 결과를 위해 대화 차례별 음성 ID가 포함된 구조화된 대화 배열을 전달하세요.

오디오 결과 조회

curl https://api.muapi.ai/api/v1/predictions/REQUEST_ID/result \
  -H "x-api-key: YOUR_API_KEY"

# Read the generated audio URL after status becomes completed.

status가 completed가 될 때까지 조회한 다음 응답에서 다운로드 가능한 오디오 URL을 확인하세요.

텍스트 음성 변환 API FAQ

텍스트 음성 변환 API란 무엇인가요?

Muapi의 TTS API는 MiniMax, Google Gemini, ElevenLabs, Fish Audio 엔드포인트를 통해 작성한 텍스트를 자연스러운 오디오로 변환하며 단일 음성 내레이션과 다중 화자 대화를 지원합니다.

다중 화자 대화에는 어떤 모델을 사용해야 하나요?

화자 프로필과 인라인 어조 태그를 사용하려면 Gemini 3.1 Flash TTS 또는 Gemini 2.5 Pro TTS를, 화자별 음성 ID가 있는 다국어 구조화 대화에는 ElevenLabs Text to Dialogue V3를 사용하세요.

텍스트 음성 변환 비용은 얼마인가요?

Fish Audio S2.1 Pro는 영어 1,000자당 $0.015(1M UTF-8 bytes당 $15)부터 시작합니다. Gemini 3.1 Flash 및 2.5 Pro TTS는 1,000자당 $0.035, ElevenLabs TTS Turbo 2.5는 $0.05, Eleven v4는 $0.08, ElevenLabs Dialogue V3는 $0.10, MiniMax Turbo는 $0.07, MiniMax HD는 $0.13입니다. Gemini 3.8 Flash와 Flash Lite는 1,000자당 각각 $0.015와 $0.01입니다.

Eleven v4 API는 어떻게 사용하며 글자 수 제한은 얼마인가요?

prompt(최대 2,000자)와 voice_id voice_daniel 또는 voice_liam을 사용해 elevenlabs-v4 엔드포인트를 호출한 다음 요청 ID를 조회해 MP3를 받으세요. Eleven v4 요금은 1,000자당 $0.08입니다.

Fish Audio S2.1 Pro API란 무엇인가요?

Fish Audio S2.1 Pro API(fish-s2-1-pro)는 voice_fish_narrator를 사용해 요청당 최대 10,000자를 처리하고 MP3를 반환하는 장문 텍스트 음성 변환 엔드포인트입니다. 1M UTF-8 bytes당 $15가 청구되며 영어 1,000자당 약 $0.015입니다.

사용자 지정 음성이나 복제 음성을 사용할 수 있나요?

네. ElevenLabs 엔드포인트는 사용자 지정 ElevenLabs 음성 ID를 지원하며, MiniMax는 선택한 모델 스키마에서 허용하는 경우 학습된 음성 ID를 지원합니다.

어떤 오디오 형식으로 반환되나요?

각 모델은 표준 예측 결과 엔드포인트에서 다운로드 가능한 오디오 파일 URL을 반환합니다. 파일을 삽입하거나 다운로드하거나 동영상 또는 립싱크 파이프라인에 전달할 수 있습니다.

텍스트 음성 변환 API 모델은 어떻게 이용하나요?

Muapi API 키를 만들고 대본에 맞는 엔드포인트를 호출한 뒤 반환된 요청 ID를 조회하세요. 현재 제공 중인 모델은 대기자 명단 없이 이용할 수 있습니다.

Eleven v4 API 및 ElevenLabs 엔드포인트 →Eleven v4, TTS Turbo 2.5, Text to Dialogue V3를 비교하세요.Fish Audio S2.1 Pro API →요청당 최대 10,000자의 장문 내레이션을 생성하며 UTF-8 바이트 단위로 청구됩니다.Gemini TTS 모델 살펴보기 →Gemini TTS의 네 가지 등급인 3.8 Flash, 3.8 Flash Lite, 3.1 Flash, 2.5 Pro를 비교하세요.음성 복제 살펴보기 →호환되는 음성 워크플로에서 재사용할 음성을 만드세요.Suno Music 살펴보기 →음성 대신 음악이 필요할 때 곡을 생성하고 리믹스하거나 확장하세요.오디오 모델 둘러보기 →음성, 음악, 효과음, 동영상-오디오 엔드포인트를 비교하세요.립싱크 모델 살펴보기 →생성한 음성을 얼굴 영상과 결합해 말하는 아바타를 만드세요.

자연스러운 음성을 생성할 준비가 되셨나요?

Muapi API 키 하나로 내레이션, 캐릭터 대사, IVR, 팟캐스트, 다국어 오디오를 생성하세요.

API 키 받기 텍스트 음성 변환 사용해 보기