Fish Audio S2-Pro(으)로 AI로 목소리 복제하는 방법

업로드하기 전에 목소리에 대한 권리를 기록으로 남겨 두세요. Fish Audio S2-Pro는 오픈소스이므로 동의 이행의 부담은 사용자에게 있습니다 — 본인 소유가 아닌 목소리는 서면 허가를 반드시 보관하세요. 그런 다음 레퍼런스를 준비합니다. 30초 이상의 깨끗한 음성(배경 음악 없음, 다른 화자 없음, 44.1kHz WAV 권장)과 실제 발화와 정확히 일치하는 축어적 대본입니다. Fish Audio는 클로닝 과정에서 이 대본으로 음소를 정렬하므로, 실제로는 “we'll”이라고 말했는데 대본에는 “we will”이라고 적혀 있으면 작은 정렬 오차가 생기고 이는 더 긴 스크립트를 생성할수록 누적됩니다. 대본이 없다면 먼저 STT 모델로 음성을 텍스트화한 뒤 교정하세요.

오디오 노드를 추가하고 모델 선택기에서 Fish Audio S2-Pro를 선택한 다음, 레퍼런스 음원과 대본 쌍을 업로드하세요. 모델은 복제된 보이스 ID를 반환하며, 이는 프로젝트의 모든 오디오 노드에서 재사용할 수 있습니다. 참고: Astorie에서 Fish Audio는 현재 SEO 비교용 노출 위치로 자리 잡고 있습니다 — 이 모델은 ElevenLabs, MiniMax 등과 함께 Astorie 레지스트리에 등록되어 있지만, 실제 프로덕션 런타임 연동 여부는 워크스페이스 설정에 따라 다릅니다. 워크스페이스에 Fish Audio 런타임이 연결되어 있지 않다면 프로덕션에는 ElevenLabs를 사용하고, Fish Audio는 Astorie 외부에서의 셀프 호스팅 실험용으로 활용하세요.

Fish Audio S2-Pro의 가장 큰 차별점은 열린 형태의 대괄호 제어입니다. 정해진 토큰 목록 대신 [whispering sweetly], [laughing nervously], [pause for two seconds], [angry whisper]처럼 대괄호 안에 자연어를 자유롭게 써서, 톤이 바뀌어야 할 정확한 단어 위치에 배치할 수 있습니다. 대괄호 큐는 국소적으로 유지하세요 — 단어 근처의 태그는 그 단어와 바로 이어지는 구절에만 영향을 주며, 문단 전체에는 영향을 주지 않습니다. ElevenLabs의 고정된 인라인 태그 집합([whispers], [laughs], [excited])과 비교하면, Fish Audio는 더 넓은 표현 범위를 주는 대신 해석의 예측 가능성이 다소 떨어집니다. 장편 스크립트에 확정하기 전에 2~3가지 버전을 테스트해 보세요.

중요도가 높은 콘텐츠라면 캔버스에 Fish Audio S2-Pro 오디오 노드와 ElevenLabs Eleven v3 오디오 노드를 나란히 배치하고, 두 노드 모두 복제된 목소리로 같은 스크립트를 읽게 해 보세요. 비교 결과는 대체로 뚜렷합니다. ElevenLabs는 영어 감정 표현에서 더 정교하고 자신감 있는 톤을 내는 반면, Fish Audio는 열린 형태의 감정 태그를 더 유연하게 처리하고 별도의 모델 교체 없이 더 많은 언어를 지원합니다. 많은 제작팀이 프로토타입 녹음과 다국어 실험에는 Fish Audio를, 공개용 최종본에는 ElevenLabs를 사용합니다. 캔버스가 공유되어 있으므로 Astorie를 벗어나지 않고도 이 비교를 진행할 수 있습니다.