ElevenLabs
ElevenLabs Eleven v3(으)로 AI로 목소리 복제하는 방법
ElevenLabs는 보유한 레퍼런스 음성 분량에 따라 선택하는 두 가지 보이스 클로닝 등급을 제공합니다. 즉시 보이스 클로닝(IVC)은 10초 샘플만으로 학습되어 몇 초 만에 사용할 수 있어 내부 나레이션 초안, 프로토타입 더빙, 개인 영상 보이스오버에 적합합니다. 전문 보이스 클로닝(PVC)은 30분 이상의 깨끗한 스튜디오 음원이 필요하지만, 완성된 목소리는 흔들림 없이 강의나 오디오북 전체를 소화할 수 있습니다. Astorie에서는 두 모드 모두 Eleven v3(비영어 작업은 Multilingual v2)로 연결되므로, 목소리를 한 번 등록하면 인라인 감정 태그와 함께 70개 이상 언어로 새 나레이션을 생성할 수 있습니다. 중요: 본인이 소유했거나 복제에 대한 명시적 서면 동의를 받은 목소리만 복제하세요. ElevenLabs는 본인 목소리를 복제할 때 음성 인증을 요구하지만, 플랫폼이 강제하든 하지 않든 동의는 반드시 지켜야 할 원칙입니다.
Step-by-Step Guide
권리 확인 및 클로닝 등급 선택
녹음하거나 업로드하기 전에 목소리 소유자로부터 명시적인 서면 동의를 받으세요. ElevenLabs는 본인 목소리를 복제할 때 음성 인증을 요구하며, Astorie도 동일한 정책을 따릅니다. 즉시 보이스 클로닝(10초 샘플, 몇 초 만에 준비 완료, 초안과 짧은 나레이션에 적합)과 전문 보이스 클로닝(30분 이상의 깨끗한 스튜디오 음원, 24시간 후 준비 완료, 장편 강의·오디오북·브랜드 나레이터 목소리에 허용되는 유일한 방식) 중에서 선택하세요. 샘플이 30초짜리 휴대폰 녹음이라면 IVC만 가능합니다 — PVC는 저품질 입력을 거부합니다. 녹음 환경을 직접 통제할 수 있다면 배경 소음 없이 다양한 스크립트로 구성된 30분 분량을 준비하세요. 이 한 번의 수고가 수천 번의 생성에서도 흔들리지 않는 목소리를 만들어 줍니다.
깨끗한 레퍼런스 샘플 녹음 또는 업로드
즉시 보이스 클로닝은 조용한 공간에서 10초 분량의 대화체 음성을 녹음하세요 — 배경 음악, 에어컨 소음, 다른 화자의 목소리가 섞이면 안 됩니다. 복제된 목소리가 어떤 느낌이길 원하는지에 맞춰 말하세요. 차분한 나레이터 톤으로 말하면 차분한 클론이, 신난 톤으로 읽으면 신난 클론이 나옵니다. 전문 보이스 클로닝은 30분 이상의 스튜디오급 녹음이 필요합니다. 서술형 문단, 대화체 문장, 전문 용어 낭독, 다양한 감정 표현 등 내용을 다양하게 구성해 모델이 당신의 전체 발화 범위를 포착하도록 하세요. 업로드하는 모든 음원은 44.1kHz WAV 또는 320kbps MP3로 변환하세요. 히스 노이즈, 실내 잔향, 입술 소리, 숨소리 팝이 섞인 음원은 그대로 클론에 학습되며, 나중에 제거할 수 없습니다.
목소리 등록 후 캔버스에서 테스트
오디오 노드를 추가하고 ElevenLabs Eleven v3(비영어 작업은 Multilingual v2)를 선택한 다음, 보이스 선택기에서 새로 복제한 목소리를 고르세요. 샘플에 없던 소리 요소를 포함한 30초짜리 테스트 문장을 생성해 보세요 — 'ㅅ' 발음이 들어간 단어, 의문문 억양, 숫자 나열, 감탄사 등입니다. 바로 이 지점에서 IVC 클론은 무너지고 PVC 클론은 버텨냅니다. IVC 클론이 의문문이나 숫자에서 어색하다면 이는 등급 간의 트레이드오프이니, 더 다양한 내용으로 재녹음하거나 PVC로 업그레이드하세요. 테스트를 통과하면 복제된 목소리는 프로젝트의 모든 오디오 노드에서 재사용할 수 있고, 립싱크 노드(OmniHuman, Kling LipSync)에 연결해 토킹 헤드 영상을 만들 수도 있습니다.
Eleven v3 인라인 태그로 연기 지시하기
복제된 목소리라도 여전히 연기 지시가 필요합니다. Eleven v3는 영향을 줄 단어 근처에 배치하는 [whispers], [laughs], [sighs], [excited], [pause] 같은 인라인 태그를 이해합니다. 강의 인트로에서 “Hi everyone, [excited] welcome to module three!”라고 쓰면 태그 없는 동일한 문장보다 눈에 띄게 더 따뜻한 톤으로 나옵니다. 태그는 드물고 국소적으로 사용하세요 — 60초 나레이션에 태그 3개면 충분하며, 10개를 넣으면 서로 충돌해 일관성 없는 낭독이 됩니다. 구두점도 리듬을 좌우합니다. 말줄임표는 사색적인 멈춤을, 줄표(—)는 날카로운 전환을, 짧은 문장은 긴 문장보다 더 빠르고 자신감 있는 속도로 읽힙니다.
Prompt Examples
복제한 진행자 목소리로 만든 팟캐스트 인트로 — [excited] 태그가 환영 인사 부분의 에너지를 끌어올리고, 말줄임표가 본편 시작 전 사색적인 멈춤을 만듭니다. 프로토타입 녹음용 IVC와 공개용 PVC 모두에서 동일하게 잘 작동합니다.
Hi everyone, welcome back to the show. [excited] Today we're diving into something I've been waiting weeks to talk about... let's get into it.
복제한 창업자 목소리로 만든 강의 나레이션 — 번호 구조가 복제된 목소리에 명확한 리듬 기준점을 주고, “Ready?” 앞의 [pause]가 실제 강사가 수강생들이 따라올 시간을 주는 것과 같은 의도적인 순간을 만듭니다.
In this module, we'll cover three core concepts. First, we look at how the data flows through the pipeline. Then, we trace each transformation step. Finally, we audit the output for quality. [pause] Ready? Let's start.
Parameter Tips
즉시 보이스 클로닝(IVC)은 10초의 깨끗한 음원만 있으면 몇 초 만에 준비됩니다. 전문 보이스 클로닝(PVC)은 30분 이상의 음원과 24시간의 학습 시간이 필요하지만, 장편 콘텐츠에서도 흔들리지 않는 목소리를 만들어 냅니다. 중간 등급은 없습니다.
비영어권 복제 목소리는 오디오 노드를 Eleven v3에서 ElevenLabs Multilingual v2로 전환하세요 — 두 모델 모두 동일한 복제 보이스 ID를 사용할 수 있지만, Multilingual v2가 영어 외 언어에서 더 자연스러운 억양을 만들어 냅니다.
목소리 사용 동의는 선택 사항이 아닙니다. 본인 소유가 아닌 목소리는 내부 초안용이라도 서면 허가 기록을 남겨두세요. ElevenLabs의 음성 인증은 본인 목소리만 확인하며, 타인의 목소리에 대한 허가는 전적으로 사용자의 책임입니다.
복제된 목소리는 워크스페이스의 모든 오디오 노드에서 재사용할 수 있으며, 립싱크 노드(OmniHuman, Kling LipSync)에 연결해 토킹 헤드 영상을 만들 수 있습니다.
What to Expect
복제한 ElevenLabs 목소리는 재녹음 없이 얻을 수 있는, 실제 목소리에 가장 가까운 결과물입니다. IVC는 몇 초 만에 초안을 만들어 주요 콘텐츠를 제외한 모든 용도에 사용할 수 있고, PVC는 학습에 하루가 걸리지만 강의나 오디오북에 실제로 배포할 수 있는 유일한 방식입니다. 목소리를 한 번만 등록하면 되므로 생성마다 결과물이 일관되게 유지됩니다 — 이후의 모든 오디오 노드 호출이 동일한 보이스 ID를 재사용하기 때문입니다. Fish Audio S2-Pro와의 트레이드오프: ElevenLabs는 더 넓은 목소리 생태계와 더 강력한 영어 감정 표현력을 갖췄고, Fish Audio S2-Pro는 오픈소스 서빙과 자연어 대괄호 제어를 갖췄습니다. 이미 파이프라인에서 ElevenLabs 보이스오버를 쓰고 있는 크리에이터라면, 같은 계열로 복제하는 편이 모든 작업을 하나의 캔버스 안에 유지하는 데 유리합니다.
Use ElevenLabs Eleven v3 on Astorie
Connect ElevenLabs Eleven v3 with other AI models on Astorie's infinite canvas. No GPU required — start free.
Get Started Free