---
title: "TTS(텍스트 음성 변환)란? 음성 합성 API의 작동 방식 | BroadRouter"
description: "TTS는 글로 쓴 텍스트를 음성 오디오로 바꿉니다. TTS API의 작동 방식, SSML로 제어하는 것, 출력 형식, BroadNet이 음성 인식만 제공하고 TTS는 제공하지 않는 이유를 정리했습니다."
url: https://broadrouter.com/ko/glossary/text-to-speech/
lang: ko
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

이 페이지는 영어 원문을 AI의 도움을 받아 번역했습니다. [영어 원문 읽기](https://broadrouter.com/glossary/text-to-speech/) (2026-11-15 업데이트).

# 음성 합성(TTS, text-to-speech)

업데이트 2026-11-15

TTS(text-to-speech), 즉 음성 합성은 글로 쓴 텍스트를 음성 오디오로 변환합니다. TTS API는 텍스트, 목소리, MP3나 WAV 같은 출력 형식을 받아 생성된 음성을 반환합니다. 오디오를 텍스트로 바꾸는 음성 인식(STT)의 반대 방향입니다.

다른 이름: TTS, 텍스트 음성 변환, 음성 합성, 텍스트를 음성으로, TTS API, AI 음성 생성, text to speech, text-to-speech, speech synthesis

음성 인식은 듣고, 음성 합성은 대답합니다. 음성 비서에는 둘 다 필요합니다.

## 작동 방식

TTS API는 세 가지를 받습니다. 텍스트, 목소리, 오디오 형식입니다. OpenAI 가이드의 Python 예시는 이런 형태입니다.

```python
from openai import OpenAI
client = OpenAI()
with client.audio.speech.with_streaming_response.create(
    model="gpt-4o-mini-tts",
    voice="coral",
    input="Today is a wonderful day to build something people love!",
    instructions="Speak in a cheerful and positive tone.",
) as response:
    response.stream_to_file("speech.mp3")
```

가이드는 `/v1/audio/speech` 엔드포인트, 내장 목소리 13종, 그리고 MP3(기본값), Opus, AAC, FLAC, WAV, PCM 출력 형식을 문서화합니다. PCM은 헤더 없는 24kHz 16비트 원시 샘플입니다. 청크 전송 인코딩(chunked transfer encoding)으로 스트리밍을 지원하므로 파일이 다 만들어지기 전에 재생을 시작할 수 있으며, 가장 빠른 응답에는 WAV나 PCM을 권합니다. 가이드는 또 `tts-1`, `tts-1-hd`, `gpt-4o-mini-tts`를 지원 중단 예정으로 표시하며, 종료일은 2027년 1월 6일입니다. 특정 모델을 기반으로 만들기 전에 현재 모델 목록을 확인하세요.

많은 엔진이 W3C의 음성 합성용 XML 마크업인 SSML도 받습니다. 루트 `<speak>` 요소는 `version="1.1"`과 `xml:lang`을 선언합니다. 그 밖에 쉼을 넣는 `<break>`, 날짜나 숫자를 표시하는 `<say-as>`, 정확한 발음(예: IPA)을 지정하는 `<phoneme>`, 다른 언어로 된 구절을 위한 `<lang>` 등이 있습니다.

```xml
<speak version="1.1" xml:lang="en-US">
  Pasta should be cooked <lang xml:lang="it">al dente</lang>.
  <break/> Enjoy your meal.
</speak>
```

## 왜 중요한가

-   **음성 제품은 파이프라인입니다.** 음성 봇은 [음성 인식](https://broadrouter.com/ko/glossary/speech-to-text/), 채팅 모델, TTS 순으로 이어집니다. 단계마다 [지연 시간](https://broadrouter.com/ko/glossary/latency/)과 비용이 더해지며, 각 단계를 다른 제공업체가 맡을 수도 있습니다.
-   **형식 선택.** 출력 형식에 따라 파일 크기와 재생 지원 여부가 달라집니다. 예를 들어 WhatsApp은 [Ogg Opus](https://broadrouter.com/ko/glossary/ogg-opus/) 음성 메시지를 재생합니다.
-   **고지.** OpenAI는 TTS 목소리가 AI로 생성되었다는 사실을 최종 사용자에게 알리도록 요구합니다.

## BroadNet Inference에서는

BroadNet은 TTS를 제공하지 않습니다. API 레퍼런스가 문서화한 엔드포인트는 `POST /v1/chat/completions`와 `POST /v1/audio/transcriptions`뿐입니다. 대신 반대 방향을 제공합니다. [BroadNet Transcribe Arabic](https://broadrouter.com/ko/models/cohere-transcribe-arabic/)과 [BroadNet Transcribe](https://broadrouter.com/ko/models/cohere-transcribe/)는 WAV나 MP3 오디오를 텍스트로 바꾸며, 요금은 분당 각각 $0.0042, $0.002입니다. BroadNet은 라이브 또는 실시간 음성도 제공하지 않습니다.

제품이 말을 해야 한다면 BroadNet의 전사와 채팅에 별도의 TTS 제공업체를 조합하세요. [텍스트, 음성, 비전](https://broadrouter.com/ko/blog/text-speech-vision/)에서 BroadNet이 맡을 수 있는 작업과 다른 서비스가 필요한 부분을 정리했고, [WhatsApp 챗봇 아키텍처](https://broadrouter.com/ko/blog/arabic-whatsapp-chatbot-architecture/) 글은 파이프라인의 음성 메시지 쪽을 보여 줍니다.

## 흔한 실수

-   **TTS와 STT를 혼동하는 것.** 음성 인식 API는 오디오를 생성하지 않습니다. “speech”라는 단어만 보지 말고 엔드포인트 목록을 확인하세요.
-   **SSML이 어디서나 동작한다고 가정하는 것.** 일반 텍스트나 SSML의 일부만 받는 API가 많습니다.

## 자주 묻는 질문

### BroadNet Inference는 TTS를 제공하나요?

아니요. BroadNet이 문서화한 엔드포인트는 채팅 완성과 오디오 전사 두 가지입니다. /v1/audio/speech는 없습니다. 앱이 말을 해야 한다면 별도의 TTS 제공업체를 쓰세요.

### SSML이란 무엇인가요?

Speech Synthesis Markup Language로, W3C 권고안(버전 1.1, 2010년)입니다. 합성 음성의 발음, 쉼, 음높이, 속도, 언어 전환을 제어하는 XML입니다. 지원 범위는 TTS 제공업체마다 다릅니다.

### 목소리가 AI로 생성됐다고 사용자에게 알려야 하나요?

OpenAI의 사용 정책은 TTS 가이드에 인용된 대로, 목소리가 AI로 생성되었다는 사실을 명확히 고지하도록 요구합니다. 사용하는 제공업체의 약관과 현지 법률을 확인하세요.

## 함께 보기

-   [음성 인식(Speech-to-text, STT)](https://broadrouter.com/ko/glossary/speech-to-text/) (용어)
-   [멀티모달 AI(multimodal AI)](https://broadrouter.com/ko/glossary/multimodal/) (용어)
-   [Ogg Opus(오그 오퍼스)](https://broadrouter.com/ko/glossary/ogg-opus/) (용어)
-   [WAV](https://broadrouter.com/ko/glossary/wav/) (용어)
-   [스트리밍(streaming)](https://broadrouter.com/ko/glossary/streaming/) (용어)
-   [텍스트, 음성, 비전 중 무엇을 쓸까요? 작업부터 정하세요](https://broadrouter.com/ko/blog/text-speech-vision/) (글)
-   [아랍어 WhatsApp 챗봇 아키텍처: 음성 메시지에서 답장까지](https://broadrouter.com/ko/blog/arabic-whatsapp-chatbot-architecture/) (글)

실제 워크로드로 테스트해 보세요. 신규 계정에는 US$5 상당의 초기 크레딧이 제공되며 Gemma 및 음성 전사에 사용할 수 있습니다. DeepSeek, GLM 및 Qwen3.8 모델은 충전이 필요합니다.

[시작하기](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ko-glossary-text-to-speech&utm_content=page-cta) ·

**출처**

-   [OpenAI API 문서, TTS 가이드: /v1/audio/speech, 목소리, 출력 형식, 고지 규칙(2026-11-15 확인)](https://developers.openai.com/api/docs/guides/text-to-speech)
-   [W3C, Speech Synthesis Markup Language(SSML) Version 1.1, 권고안(2026-11-15 확인)](https://www.w3.org/TR/speech-synthesis11/)
-   [BroadNet Inference API 레퍼런스: 채팅 완성 및 오디오 전사 엔드포인트(2026-11-15 확인) (영어)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ko-glossary-text-to-speech&utm_content=sources)
