AWS, Amazon Polly 생성형 엔진에 새로운 음성 14종 추가

Amazon Web Services는 2026년 10월 22일 Amazon Polly 생성형 텍스트 음성 변환 엔진의 업그레이드 버전을 정식 출시했다. 이번 업그레이드로 9개 로캘에 음성 14종이 추가됐으며, 힌디어와 핀란드어 생성형 음성이 처음으로 제공된다. 회사는 AWS 머신러닝 블로그 게시물에서 업데이트된 엔진이 지연 시간을 낮추면서 더욱 풍부한 표현력과 정확성을 갖춘 음성을 생성하며, 이제 프로덕션 환경에서 사용할 수 있다고 밝혔다.

이번 릴리스는 기존 생성형 음성을 그대로 대체해 사용할 수 있는 업그레이드다. 음성 이름과 API 호출 방식은 바뀌지 않으므로, 이미 해당 음성을 사용하는 애플리케이션은 수정 없이 계속 작동한다. AWS는 Amazon Polly를 텍스트를 자연스러운 음성으로 변환하는 완전관리형 서비스라고 설명한다. 이 서비스는 컨택센터, 대규모 언어 모델을 기반으로 구축된 에이전트형 애플리케이션, 미디어 및 엔터테인먼트, 이러닝, 접근성, 그리고 대규모로 안정적인 음성 출력을 필요로 하는 기타 워크로드에 사용된다.

음성 품질과 엔진 설계

AWS에 따르면 업그레이드된 음성은 별도의 수동 설정 없이 입력 텍스트에 맞춰 감정과 운율을 조정할 수 있다. 발표 자료에는 소포가 예상보다 일찍 도착했다는 동일한 문장을 중립적, 확신이 서지 않는, 놀란 어조로 각각 읽는 세 가지 예시와 샘플 오디오가 포함됐다. 한 샘플에서는 Tiffany 음성이 청취자에게 인사하고 자신을 Polly의 생성형 음성 중 하나라고 소개한다. 다른 샘플에서는 Kenneth 음성이 주문 확인 내용을 다시 읽어 주는데, AWS는 이 음성이 운송장 번호, 배송 날짜와 시간대, 통화 단위가 포함된 총액, 도로명 주소를 정확하게 표현한다고 밝혔다.

Amazon Polly 개발자 안내서는 생성형 엔진이 현재까지 Amazon Polly의 텍스트 음성 변환 모델 중 가장 규모가 크다고 설명한다. 이 엔진은 원시 텍스트를 음성 코드로 변환하는 10억 개 매개변수의 트랜스포머와, 해당 코드를 파형으로 바꾸는 합성곱 기반 디코더를 결합해 점진적이고 스트리밍 가능한 방식으로 작동한다. 안내서는 이 기술이 생성형 AI 패러다임에 속하기 때문에 학습 데이터와 모델을 업데이트하면 전반적인 품질이 향상되더라도 음성의 느낌이 조금씩 달라질 수 있다고 주의를 당부한다. 이는 팟캐스트 한 시즌처럼 장기간에 걸쳐 여러 부분으로 나누어 합성하는 콘텐츠에서 고려해야 할 사항이다.

새로운 음성, 언어 및 지역

로캘별로 추가된 음성 14종은 미국 영어(Kenneth, Nate), 호주 영어(Russell, Curtis), 인도 영어(Kiara, Arjun), 독일어(Tina), 미국 스페인어(Carlos), 브라질 포르투갈어(Leo, Carolina), 한국어(Hyunduk), 힌디어(Kiara, Arjun), 핀란드어(Suvi)다. AWS는 힌디어 음성 Arjun과 Kiara, 핀란드어 음성 Suvi의 샘플 스크립트를 공개했으며, 생성형 엔진에서 힌디어와 핀란드어를 정식 제공하는 것은 이번이 처음이라고 밝혔다.

AWS에 따르면 이번 추가로 생성형 음성 카탈로그는 11개 언어와 25개 로캘에 걸쳐 총 57종의 음성을 제공하게 됐다. 새로운 음성 14종은 AWS 리전 11곳에서 사용할 수 있다. 미국 동부(버지니아 북부), 미국 서부(오리건), 유럽(프랑크푸르트), 유럽(취리히), 유럽(런던), 아시아 태평양(시드니), 아시아 태평양(서울), 아시아 태평양(싱가포르), 아시아 태평양(도쿄), 캐나다(중부), AWS GovCloud(US-West)다. GovCloud(US-West)가 추가되면서 엔진의 서비스 제공 지역도 확대됐다.

API, 요금 및 문서에 명시된 제한 사항

기존 통합 방식은 변경 없이 그대로 유지된다. 엔진 매개변수를 generative로 설정한 기존 SynthesizeSpeech API 호출로 업그레이드된 음성을 이용할 수 있으며, AWS는 코드 변경이 필요하지 않다고 밝혔다. 실시간 워크로드의 경우 양방향 스트리밍 API인 StartSpeechSynthesisStream을 사용하면 애플리케이션이 Amazon Polly로 텍스트를 스트리밍하는 동시에 합성된 음성을 받아올 수 있다. AWS는 이러한 방식이 음성 에이전트와 게임 속 맞춤형 캐릭터에 특히 적합하다고 설명했다.

요금은 그대로다. AWS는 이번 업그레이드로 기존 가격을 유지하면서 음성 품질과 정확성이 향상되며, 비용 인상이나 신규 SKU 추가, 현재 통합 방식의 변경은 없다고 밝혔다. 또한 고객은 합성된 정적 프롬프트를 추가 비용 없이 캐시하고 재생할 수 있다. 생성형 엔진은 출력물을 세밀하게 제어할 수 있는 음성 합성 마크업 언어 태그도 계속 지원한다.

문서에 명시된 몇 가지 제한 사항은 계속 적용된다. 생성형 음성에서는 음성 마크를 여전히 사용할 수 없지만, 이번 업그레이드의 영향을 받지 않는 표준 음성과 신경망 음성은 계속 음성 마크를 지원한다. 개발자 안내서에 따르면 생성형 엔진은 뉴스 진행자 말투를 지원하지 않으며, 양방향 스트리밍은 일부 지역에서만 제공된다. 생성형 음성의 기본 샘플링 주파수는 24 kHz이며, 출력 형식은 MP3, OGG(Vorbis), 비압축 PCM이다. 안내서는 모델이 환각을 일으킬 가능성을 보일 때 음성 렌더링을 중단하는 내장형 비상 정지 기능도 설명한다. 이 기능은 보통 문장 끝부분에서 작동한다. AWS는 이 안전장치가 위험을 줄이기는 하지만 없애지는 못한다고 경고하며, 예외적인 경우 모델이 단어 일부를 잘라 내거나 중단 기준을 넘어서도 콘텐츠 생성을 계속할 수 있다고 밝혔다.

이용 가능 지역 및 초기 고객 활용

AWS에 따르면 품질 개선 사항은 Amazon Connect와 Genesys의 컨택 센터 흐름에 자동으로 적용됩니다. 개발자는 AWS Management Console, AWS Command Line Interface 또는 AWS SDK를 통해 음성을 사용할 수 있으며, 이때 polly:SynthesizeSpeech IAM 권한이 필요합니다. 또한 배포 시점에 DescribeVoices를 호출해 선택한 생성형 음성을 애플리케이션이 실행되는 리전에서 사용할 수 있는지 확인할 수 있습니다.

Sanoma Media Finland의 제품 관리자 Justus Reinikainen은 회사가 Amazon Polly를 사용해 실시간 뉴스 기사를 오디오로 변환하고 있으며, 현재 Polly의 핀란드어 신경망 음성을 사용해 매월 10,000건이 넘는 기사를 게시한다고 밝혔습니다. Reinikainen은 회사의 테스트에서 Suvi의 새로운 생성형 음성이 기존 신경망 음성보다 확실히 개선되었으며, 청취자에게 눈에 띄게 더 자연스럽게 들렸다고 말했습니다.