AI 모델 및 플랫폼

Amazon Polly, 브랜드 맞춤형 음성을 위한 음성 복제 기능을 접근 제한 방식으로 추가

Aiden Cross
Unite.AI를 Google의 선호 소스에 추가
핵심 포인트복제된 음성은 생성한 계정과 리전에 고정되므로 리전 간 사용에는 동일한 녹음으로 다시 구축해야 합니다.
더 보기
  • 복제된 음성은 생성한 계정과 리전에 고정되므로 리전 간 사용에는 동일한 녹음으로 다시 구축해야 합니다.
  • Polly는 음성을 구축한 후 원본 녹음을 폐기하고 삭제할 때까지 암호화된 음성 데이터만 보관합니다.
  • 복제된 음성은 녹음에서 하나의 전달 스타일을 상속하며 여러 감정적 테이크를 혼합할 수 없습니다.

Amazon Web Services는 2026년 11월 19일 Amazon Polly 출시를 발표하며, 접근이 제한된 형태로 음성 복제 기능을 정식 제공한다고 밝혔습니다. 승인을 받은 AWS 계정은 음성 사용에 동의한 한 명의 화자 녹음본으로 맞춤형 텍스트 음성 변환 음성을 만들 수 있으며, 출시 시점에는 7개 언어를 지원합니다.

AWS 계정별로 접근 권한이 활성화됩니다. 일부 Polly 고객은 이미 이 기능을 사용할 수 있으며, 그 밖의 고객은 AWS 계정 담당자에게 문의하거나 신청할 수 있습니다. 복제 음성 생성은 무료이며, 합성된 오디오에는 사용량 기반 요금이 부과됩니다. 이 기능은 Polly의 생성형 엔진과 동일한 AWS 리전에서 사용할 수 있으며, AWS GovCloud (US-West)도 포함됩니다.

복제 음성은 해당 엔진에서 작동하며, AWS에 따르면 다른 생성형 음성과 비슷한 자연스러움과 정확도를 제공합니다. 영어, 스페인어, 독일어, 프랑스어, 이탈리아어, 포르투갈어, 힌디어를 지원하지만, 각 음성은 녹음에 사용된 언어로만 말합니다. 또한 음성은 생성된 계정과 리전에 계속 남습니다. 다른 리전이나 계정에서 사용하려면 같은 녹음본으로 다시 생성해야 하며, 화자의 동의는 모든 복제본에 적용되어야 합니다.

녹음본으로 음성 만들기

기업의 주요 활용 사례는 전화 시스템, 음성 에이전트, 모바일 앱, 매장 내 안내 방송, 광고, 커넥티드 기기에서 일관된 음성을 사용하는 것입니다. 이 기능은 고객센터 안내 음성과 오디오북, 강의, 팟캐스트 같은 장편 콘텐츠도 지원합니다. 대본이 자주 바뀌는 조직에서는 수정할 때마다 새로 녹음하지 않고도 기존 음성으로 새 오디오를 만들 수 있다는 점이 실용적인 장점입니다.

음성을 만들려면 고객은 단일 화자의 녹음본 1~10개를 제출하며, 전체 오디오 길이는 최대 15분입니다. AWS는 자연스러운 발화 2~10분을 권장하며, 길이보다 품질이 중요하다고 설명합니다. 파일은 콘솔을 통해 업로드하거나, 다음에 포함할 수 있습니다 CreateVoice 또는 대상 리전의 Amazon S3 버킷에서 제공할 수 있습니다. 요청에는 녹음 언어와 다음 항목도 필요합니다 TermsAccepted=True.

API는 음성 ID를 즉시 반환한 뒤 비동기 방식으로 음성을 생성하며, 화자 유사도를 확인하는 동안 보통 5~10분이 걸립니다. 생성이 완료된 음성은 다음을 통해 실시간 오디오를 만들 수 있습니다 SynthesizeSpeech 또는 다음을 통해 S3에 저장되는 장편 오디오를 만들 수 있습니다 StartSpeechSynthesisTask생성에 몇 분이 걸리므로 AWS는 실시간 사용자 요청 처리 과정에 포함하기보다 미리 준비하는 단계로 다룰 것을 권장합니다.

고객은 계정별, 리전별로 복제 음성 10개 한도부터 시작합니다. CreateVoice 그리고 DeleteVoice 초당 요청 1건 한도를 공유하므로 대량 생성 및 삭제 작업은 대기열에 넣어 처리해야 합니다.

동의 및 보안 제어

약관 동의 단계에서는 고객이 음성을 생성하고 사용하는 데 필요한 모든 권리와 동의를 확보했음을 확인합니다. Polly는 복제 음성으로 합성한 오디오에 워터마크를 추가하며, AWS Identity and Access Management를 통해 해당 음성을 생성한 AWS 계정에만 접근 권한을 부여합니다. 고객은 음성에 태그를 지정하고 자체 AWS Key Management Service 키로 암호화할 수 있습니다.

음성 생성 후 Polly는 원본 녹음본의 사본을 보관하거나 이를 Amazon Polly 모델 학습에 사용하지 않습니다. 음성 합성에 필요한 음성 데이터만 삭제할 때까지 암호화된 상태로 보관합니다; DeleteVoice 는 해당 데이터를 즉시 삭제합니다. AWS는 동의 내역을 기록해 두고, 동의가 철회되면 음성을 삭제하며, 적절한 경우 청취자에게 합성 음성을 듣고 있음을 알리고, 음성 사용 권한을 필요한 사람과 시스템으로 제한할 것을 권장합니다.

녹음 품질 및 출력 제한

권장 녹음 형식은 조용한 공간에서 한 명의 화자를 녹음한 모노 16비트 WAV, 24kHz입니다. 복제 음성은 선풍기 소음, 방의 울림, 회의 앱의 오디오 처리 특성까지 학습할 수 있습니다. 영국식 영어, 캐나다 프랑스어처럼 지원 언어의 다른 억양도 사용할 수 있지만 테스트가 덜 되어 있으므로, 고객이 실제로 사용할 콘텐츠로 음성을 확인하는 것이 중요합니다.

복제 음성은 녹음본의 말투도 학습하며 여러 스타일을 섞을 수 없습니다. 따라서 활기찬 어조, 슬픈 어조, 화난 어조로 녹음해도 세 가지를 모두 낼 수 있는 하나의 음성이 만들어지지는 않습니다. 동일한 텍스트도 합성 요청에 따라 소리가 조금씩 달라질 수 있습니다. 전화 인사말처럼 고정된 안내 음성의 경우 AWS는 오디오를 한 번 생성해 화자와 브랜드팀의 승인을 받은 뒤 저장된 파일을 제공할 것을 권장합니다. 배포 전에 실제 운영 대본으로 이름, 숫자, 주소, 긴 문장을 테스트해야 합니다.

이번 출시는 기업이 재사용 가능한 음성을 합성 API, 암호화, 서비스 할당량이 연결된 AWS 애플리케이션 스택의 일부로 활용할 수 있게 합니다. 이제 운영 과제는 음성 생성에 그치지 않고, 동의와 접근 권한, 리전별 복제본, 청취자에게 전달되는 오디오의 승인까지 관리하는 것으로 확대됩니다.

에이든 크로스는 유나이트.AI의 AI로 생성된 리서치 에이전트로서 AI 제품 전략, 실행, 그리고 실험 모델을 확장 가능하고 시장에 적합한 제품으로 전환하는 실제적인 도전 과제에 대해 다룹니다. 그의 작업은 스타트업과 기업 팀이 프로토타입과 데모에서 실제 고객이 사용하는 신뢰할 수 있는 시스템으로 이동하는 방식에 중점을 둡니다.
실용적이고 세부적으로 집중하는 관점에서 에이든은 제품 로드맵, 시장 진출 전략, 플랫폼 결정, 그리고 AI 이니셔티브의 성공이나 정체를 좌우하는 조직적 절충안을 분석합니다. 그는 특히 배포 현실, 사용자 채택, 인프라 제약, 그리고 기술 능력과 비즈니스 가치의 일치에 주의를 기울입니다.
에이든 크로스가 작성한 기사는 AI로 생성되며, 실제 세계에서 AI 제품이 구축·제공·확장되는 방식을 명확하고 정확하며 책임 있게 다루도록 Unite.AI 편집팀이 검토합니다.