AI TTS 목소리 생성량 순위 | 1위 구글 Gemini 3.8부터 35개 모델 가격, 지연, 한국어 지원까지

AI 목소리로 쇼츠 내레이션을 만들거나 전화 상담 봇을 붙이려는 사람이 가장 먼저 부딪히는 질문은 "어떤 TTS가 제일 많이 쓰이고, 얼마이며, 한국어도 되나"다. 단비가 이 주제를 다시 들여다본 계기는 오픈라우터(OpenRouter)의 음성 모델 탭이었다. 10월 18일 새벽 Speech 탭 35개 모델을 주간 토큰순으로 줄 세우면 1위부터 3위까지 모두 구글 Gemini TTS다. 1위 Gemini 3.8 Flash TTS 한 모델의 주간 토큰이 5억 7,500만으로, 4위 Kokoro 82M의 15배가 넘는다.

구글 다음으로는 일레븐랩스의 신형 Eleven v4, 사흘 전 나온 Fish Audio Drama 3, SpaceXAI의 Grok Voice TTS가 10위권을 채웠다. 한동안 화제였던 마이크로소프트 MAI-Voice-2.1-Flash는 12위, ByteDance Seed Audio 1.0은 17위다. 다만 표에 찍힌 숫자를 그대로 읽으면 오해하기 쉽다. Gemini는 텍스트 입력 토큰과 오디오 출력 토큰을 따로 받고, Seed Audio의 0.15달러는 오디오 1분당 가격이며, 일레븐랩스 모델 옆 "50% off"는 10월 19일에 끝나는 한시 할인이다.

이 문서는 오픈라우터 TTS 생성량 순위 35개를 사이트와 같은 입력, 출력 가격 칸으로 옮기고, 모델마다 과금 단위와 할인 여부, 응답 지연, 한국어 지원, 보이스 클로닝, 오픈 웨이트 라이선스를 함께 묶었다. 쇼츠 내레이션, 실시간 대화 에이전트, 저가 대량 생성, 한국어 우선이라는 네 가지 용도별 추천과, 윈도우에서 오픈라우터 API로 음성 파일을 받는 방법까지 담았다.

오픈라우터 음성 모델 목록: https://openrouter.ai/models?output_modalities=speech

1. TTS 모델이란 무엇인가

TTS(Text-to-Speech)는 글자를 사람 목소리로 바꿔 주는 AI 모델이다. 대본을 넣으면 억양과 쉼, 감정을 붙여 mp3나 pcm 같은 오디오 파일로 돌려준다. 예전 내비게이션 음성처럼 끊기는 소리가 아니라, 요즘 모델은 숨소리와 웃음까지 흉내 내고 같은 목소리로 여러 언어를 말한다. 대괄호 안에 [속삭이며], [웃으며] 같은 연기 지시를 적으면 그대로 따라 하는 모델도 늘었다.

그림 1. TTS는 텍스트를 받아 오디오 파일을 만든다. 오픈라우터 TTS 가격은 토큰, 글자, UTF-8 바이트, 오디오 분 단위로 나뉜다.

TTS 모델을 비교할 때 자주 나오는 말은 아래 여섯 가지다.

• 내레이션용은 목소리 품질과 감정 표현이, 대화형 봇은 지연과 가격이 우선이다.
• 한국어는 모델이 지원해도 오픈라우터에서 고를 수 있는 보이스가 영어 전용인 경우가 있다.
• 글자 수 과금 모델은 공백과 문장부호도 글자로 센다.

핵심 포인트: TTS는 "텍스트를 넣으면 목소리 파일이 나오는 모델"이다. 고를 때는 품질보다 먼저 과금 단위, 지연, 한국어 보이스 유무를 본다.

2. 오픈라우터 TTS 순위는 어떻게 읽나

오픈라우터는 여러 회사의 AI 모델을 API 키 하나로 부를 수 있게 묶어 둔 중개 서비스다. 2026년 5월 1일 음성 합성 전용 주소 /api/v1/audio/speech를 열었고, 10월 18일 현재 Speech 탭에 35개 모델이 올라와 있다. 구글, 일레븐랩스, Fish Audio, 마이크로소프트, 알리바바, 미니맥스, 딥그램, 미스트랄, HeyGen 등 서로 다른 회사 모델을 같은 요청 형식으로 바꿔 쓸 수 있다.

모델 목록을 "Top Weekly"로 정렬하면 지난 1주일 동안 처리한 토큰이 많은 모델부터 나온다. 글자 수로 과금하는 TTS는 대본이 길수록 토큰이 늘어나므로, 이 순위는 "누가 가장 많은 분량의 목소리를 만들었나"에 가깝다.

• 35개 모델의 주간 토큰을 모두 더하면 약 11억 5,600만이고, 그중 구글 3개 모델이 85%를 넘는다.
• Gemini TTS의 토큰에는 텍스트 입력과 함께 오디오 출력 토큰(1초에 25토큰)이 들어간다. 글자를 토큰처럼 세는 다른 모델과는 단위가 달라 비중은 어림값으로 보는 편이 맞다.
• 요청 횟수로 봐도 구글이 앞선다. 오픈라우터 랭킹 페이지 기준 10월 첫 주 음성 요청의 54.3%가 구글 몫이었고, 10월 16일까지 1주 요청 수 1위도 Gemini 3.8 Flash TTS(160만 건)였다.
• 일레븐랩스는 오픈라우터 입점 7일 만에 하루 TTS 지출의 거의 3분의 1을 가져갔다고 오픈라우터가 밝혔다. 토큰은 구글, 매출은 일레븐랩스가 강한 구조다.

핵심 포인트: 생성량 순위는 "얼마나 많이 읽혔나"를 보여 준다. 구글은 토큰과 요청 수 모두 1위이고, 일레븐랩스는 비싼 단가 덕에 지출 비중이 크다.

3. 오픈라우터 TTS 주간 생성량 순위 35개 전체

아래 표는 10월 18일 0시 27분(한국 시간) 오픈라우터 Speech 탭을 Top Weekly로 정렬한 화면 그대로다. 입력과 출력 칸은 사이트 표기를 따랐고, 글자나 바이트로 과금하는 모델은 사이트처럼 출력 칸에 가격이 표시된다. 출시는 오픈라우터 등록 시점이며 괄호 안은 미국 날짜다.

그림 2. 주간 생성량 상위 10개 모델. 1위부터 3위까지 구글 Gemini TTS가 차지했다.

가격 칸의 단위는 모델마다 다르다.

• 구글 Gemini 3종: 100만 토큰당 가격. 입력은 텍스트 토큰, 출력은 오디오 토큰이다.
• Fish Audio 5종: 100만 UTF-8 바이트당 가격. 한글 1글자는 3바이트다.
• Seed Audio 1.0: 생성된 오디오 1분당 가격(1초 0.0025달러).
• 나머지 모델: 100만 자당 가격.

출시 칸도 원래 공개일과 다르다. 일레븐랩스 9개 모델은 10월 7일 오픈라우터에 한꺼번에 입점해 모두 "1주 전"으로 보이지만, Multilingual v2는 2023년, Flash v2.5와 Turbo v2.5는 2024년, Eleven v4는 2026년 9월 28일에 처음 공개됐다. Seed Audio 1.0의 원래 공개일은 7월 20일, HeyGen Voice는 10월 9일, Kokoro 82M은 2024년 12월이다.

4. 1위 구글 Gemini TTS 3종

구글은 9월 23일 Gemini 3.8 Flash TTS와 Flash-Lite TTS를 공개했다. 4월에 나온 3.1 Flash TTS Preview까지 세 모델이 오픈라우터 TTS 토큰의 85%를 차지한다. 공통점은 텍스트 입력과 오디오 출력을 따로 과금한다는 점, 30개 기본 보이스가 언어를 자동으로 감지해 읽는다는 점이다.

• 오디오 1초가 25토큰이므로 1분은 1,500토큰이다. 3.8 Flash 기준 오디오 10초가 0.00225달러, 1분이 약 0.0135달러이고, 대본 텍스트 입력비는 이보다 훨씬 작다.
• 영어 1분을 약 1,000자로 잡으면 100만 자 환산 3.8 Flash는 약 13.5달러, Flash Lite는 약 9달러다. 글자 과금 모델의 15~20달러대보다 싸다.
• 구글 공식 요금표에 따르면 3.8 Flash TTS 가격은 2026년 12월 31일까지이고, 2027년 1월 1일부터 입력 1달러, 출력 18달러로 두 배가 된다.
• 3.8 세대는 텍스트 설명으로 새 목소리를 만드는 보이스 디자인, 10~30초 녹음과 본인 동의 녹음으로 목소리를 복제하는 보이스 복제를 지원한다. 동의 문장은 한국어(ko-KR)로도 녹음할 수 있고, 결과물에는 SynthID 워터마크가 들어간다.
• 오픈라우터는 구글에서 만든 보이스를 voice_로 시작하는 ID로 호출할 수 있다고 안내한다. 기본 보이스는 Zephyr, Puck, Charon, Kore 등 30개다.
• 3.8 Flash TTS는 요청 1회에 출력 1만 6,384토큰, 오디오로 약 10분 분량까지 만든다. 지연은 3.7초로 실시간보다는 미리 만들어 두는 내레이션에 맞다.
• 아티피셜 애널리시스 음성 아레나에서 3.1 Flash TTS는 Elo 1,213점, 디자인 아레나 TTS 부문에서 3.8 Flash TTS는 1,460점을 받았다.

구글 딥마인드가 공개한 1분짜리 소개 영상은 텍스트 설명만으로 새 목소리를 만드는 보이스 디자인을 보여 준다.

보이스 복제와 API 사용법까지 따라 해 보고 싶다면 샘 위테빈의 17분짜리 실습 영상이 자세하다.

핵심 포인트: Gemini 3.8 Flash TTS는 한국어를 포함한 130개 언어, 분당 약 0.0135달러, 보이스 디자인과 복제를 한 모델에 담아 1위에 올랐다. 다만 2027년부터 가격이 두 배가 되고, 지연이 수 초라 실시간 대화용은 아니다.

5. Kokoro 82M과 Grok Voice TTS 1.0

4위와 8위는 성격이 정반대인 두 모델이다. Kokoro 82M은 8,200만 파라미터짜리 소형 오픈 웨이트 모델이고, Grok Voice TTS 1.0은 SpaceXAI(xAI)가 Grok 음성 비서, 테슬라 차량, 스타링크 상담에 쓰는 엔진을 API로 연 모델이다.

• Kokoro는 CPU에서도 돌아갈 만큼 가벼워 직접 설치하는 사람이 많고, 오픈라우터에서는 100만 자 0.62달러로 35개 중 유료 최저가다. 한국어 보이스는 없다.
• Grok Voice TTS는 문장 안에 쉼, 강조, 높낮이, 속도, 말투를 지정하는 태그를 넣을 수 있고, mp3, wav, pcm부터 전화망용 μ-law, A-law까지 8~48kHz로 출력한다. 요청 1회에 1만 5,000자까지 읽는다.
• Grok 보이스는 언어와 독립적이라 Eve, Rex 같은 영어 이름 보이스도 한국어 문장을 읽는다. 0.14초 지연과 한국어 지원을 함께 갖춘 모델은 35개 중 많지 않다.

Kokoro가 왜 이렇게 많이 쓰이는지는 Better Stack 채널의 로컬 실행 영상이 짧게 보여 준다.

6. 일레븐랩스 v4, v3와 기존 모델 7종

일레븐랩스는 10월 7일 TTS 모델 9개와 음성 인식 모델 2개를 오픈라우터에 올렸고, TTS 9개가 모두 Speech 탭 35개 안에 있다. 오픈라우터 모델 페이지는 "모든 일레븐랩스 모델이 10월 19일까지 일레븐랩스 정가의 절반이며 표시된 가격이 할인가"라고 안내한다. 할인은 미국 태평양 시간 10월 19일 오전 8시, 한국 시간으로 10월 20일 0시에 끝난다.

• 9월 28일 공개된 Eleven v4는 일레븐랩스가 "가장 감정 표현이 풍부한 모델"이라고 소개한 최신 세대다. [laughs], [said angrily in French accent], [light rain]처럼 감정, 말투, 효과음까지 대괄호 태그로 지시하고, v3보다 태그를 더 정확히 따른다.
• v4는 한 언어로 녹음된 목소리가 다른 언어를 원어민 억양으로 말하게 만든다. 일레븐랩스 문서는 "한국어 화자 목소리로 영어를 만들면 한국어 억양 없는 영어가 나온다"는 예를 든다.
• v4 Turbo는 같은 계열의 실시간용으로, 제조사 기준 추론 지연 중앙값이 약 100ms다. 오픈라우터 목록 지연은 630ms다.
• 일레븐랩스 직접 API 정가는 1,000자당 Flash와 Turbo 0.04달러, Multilingual, v3, v4 0.08달러이고, 1,000자는 대략 오디오 1분이다.
• 오픈라우터의 기본 보이스는 21개로 모델 간에 같고, 다국어 모델은 이 보이스로 한국어 문장을 읽는다. 오픈라우터 경로에서는 보이스 클로닝이 열려 있지 않다.

일레븐랩스가 공개한 Eleven v4와 v4 Turbo 소개 영상은 아래와 같다.

핵심 포인트: 일레븐랩스의 오픈라우터 가격은 한시적 반값이다. 10월 20일 0시(한국 시간) 이후 예산을 짠다면 표시가의 두 배로 계산해야 한다.

7. Fish Audio Drama 3, S2.1 Pro와 무료 버전

Fish Audio는 35개 중 5개 모델을 올렸고, 그중 Drama 3(6위), S2.1 Pro(9위), S2.1 Pro Free(10위) 세 개가 10위권에 들었다. 모든 Fish 모델은 글자가 아니라 UTF-8 바이트로 과금한다.

• 10월 13일 나온 Drama 3는 350억 파라미터 전문가 혼합(MoE) 구조에 토큰당 30억 파라미터만 쓰는 모델이다. [nervous, barely holding it together]처럼 대사 앞에 연기 방향을 평범한 말로 적고, <whisper> 같은 태그로 특정 단어만 바꾼다. 연기 지시는 한국어로 써도 된다.
• Drama 3 가중치는 허깅페이스에 공개됐다. 연 매출 50만 달러 미만이면 상업적으로도 무료지만, 그 이상이거나 TTS, 클로닝 API 서비스로 제공하려면 별도 라이선스가 필요하고, 동의 없는 실존 인물 목소리 복제는 금지된다.
• Fish Audio 공식 API의 Drama 3 80% 할인은 11월 12일까지다. 아직 Preview라 같은 대사도 생성할 때마다 결과가 달라질 수 있다.
• S2.1 Pro Free는 S2.1 Pro와 같은 모델을 11월 30일까지 무료로 쓰게 한 버전이다. 시험, 시제품, 소규모 사업용이며 응답 속도 보장이 없다.
• S1은 12월 31일 종료되며, 이후 S1 요청은 같은 가격의 S2.1 Pro로 처리된다.
• 오픈라우터에서 보이스 클로닝이 열린 모델은 Drama 3, S2.1 Pro, S2.1 Pro Free, HeyGen 2종, Seed Audio뿐이다.
• 바이트 과금이라 한국어는 비용이 세 배다. Drama 3 할인가 기준 한국어 100만 자는 약 6달러, S2.1 Pro는 약 45달러다.

Fish Audio의 Drama 3 발표 영상에서는 연기 톤이 다른 대사 예시를 들어 볼 수 있다.

8. 마이크로소프트 MAI-Voice 계열

마이크로소프트 AI는 10월 1일 음성 인식 모델 MAI-Transcribe-2와 함께 MAI-Voice-2.1, MAI-Voice-2.1-Flash를 발표하고 같은 날 오픈라우터에 올렸다. 오픈라우터 생성량은 12위, 13위, 16위, 25위로 네 모델 합계 871만 토큰이다. 2.1 세대는 23개 언어, 26개 로케일을 지원하고 한국어가 공식 목록에 들어 있다.

• 오픈라우터에서 2.1 계열은 보이스 97개를 제공하고, 그중 한국어 전용 보이스가 Grant, Haena, Harper, Junho 4개다. ko-KR-Haena:MAI-Voice-2.1-Flash처럼 보이스 이름 뒤에 모델명을 붙여 부른다.
• 한국어 전용 보이스가 이름으로 나뉜 모델은 35개 중 이 계열뿐이라, 영어식 억양이 섞이는 문제를 줄이기 쉽다.
• 2세대 MAI-Voice-2와 2-Flash의 오픈라우터 보이스는 영어, 스페인어, 프랑스어, 독일어 4개뿐이다.
• 제조사는 Flash의 모델 추론 시간을 약 45ms로 밝혔고, 오픈라우터 왕복 지연은 446ms다. 보이스 클로닝은 마이크로소프트 승인 절차가 필요하며 오픈라우터 경로에서는 열려 있지 않다.

실시간 음성 에이전트 플랫폼 라이브킷도 MAI 음성 모델 지원을 알리는 소개 영상을 올렸다.

9. Seed Audio 1.0의 긴 지연과 분당 요금

17위 Seed Audio 1.0은 "0.15달러, 12.7초"라는 숫자로 눈에 띈다. 바이트댄스 Seed 팀이 7월 20일 공개한 이 모델은 일반 TTS가 아니라 목소리, 효과음, 배경 소리를 한 장면으로 함께 만드는 오디오 제작 모델이다.

• 지연이 긴 이유는 스트리밍 없이 최대 2분짜리 오디오 전체를 다 만든 뒤 한 번에 돌려주기 때문이다. 만드는 길이에 따라 10초대에서 30초대까지 오르내린다.
• 0.15달러는 글자가 아니라 분 단위 가격이다. 1분을 약 1,000자로 잡으면 100만 자 환산 약 150달러로, 35개 중 가장 비싼 축이다. 같은 1분을 Gemini 3.8 Flash TTS로 만들면 약 0.0135달러다.
• 대사 등장 시점을 100ms 간격으로 지정할 수 있어, 영상 타이밍에 맞춘 더빙과 게임 대사, 광고처럼 효과음까지 한 번에 필요한 작업에 맞다.

fal 채널의 Seed Audio 1.0 소개 영상에서 장면형 오디오 예시를 들어 볼 수 있다.

10. 큐원, 미니맥스, 딥그램, 미스트랄

19위부터 24위까지는 알리바바, 미니맥스, 딥그램, 미스트랄 모델이 섞여 있다. 이 구간은 제조사 직접 API의 기능과 오픈라우터에서 쓸 수 있는 기능의 차이가 크다.

• 큐원 TTS는 알리바바 클라우드에서 한국어 보이스 클로닝과 500개 넘는 기본 보이스를 제공하지만, 오픈라우터에는 중국어와 영어용 보이스 2개만 열려 있다.
• 미니맥스 Speech 2.8은 HD가 음질을, Turbo가 속도와 가격을 앞세운 등급이다. 오픈라우터 보이스는 English로 시작하는 45개뿐이다.
• 딥그램 Aura-2는 콜센터 같은 실시간 음성 봇을 겨냥한 모델이고, Flux TTS는 영어 전용 음성 에이전트 모델이다.
• 미스트랄 Voxtral은 2~3초 참조 음성으로 클로닝하는 모델이며, 4B 오픈 웨이트(CC BY-NC 4.0, 비상업용)도 공개돼 있다.

킹이 AI 채널은 미니맥스 Speech 2.8의 실제 음성 샘플을 여러 장면으로 들려준다.

큐원 TTS의 언어별 발음과 감정 태그는 Fahd Mirza가 16개 언어로 시험한 영상에서 들어 볼 수 있다.

11. HeyGen Voice와 오픈 웨이트 Orpheus, Sesame

하위권에는 막 들어온 HeyGen과, 내려받아 직접 돌릴 수 있는 영어 전용 오픈 웨이트 모델이 있다.

• HeyGen Voice는 10월 9일 아티피셜 애널리시스의 클론 보이스 블라인드 테스트에서 Elo 1,201점으로 1위에 올랐다. 2위는 Qwen-Audio-3.1-TTS-Plus(1,182점), 3위는 Eleven v4 Turbo(1,166점)다. 이 시험은 미국, 영국 영어 클론 보이스 8개로 진행됐다.
• 오픈라우터 HeyGen 할인은 10월 31일까지다. 기본 보이스는 10개이고, 본인 HeyGen 키를 연결하면 계정의 클론 보이스도 부를 수 있다.
• HeyGen Voice는 목록 지연이 11.9초로 길고, Turbo는 1초 안쪽이다. 실시간 용도라면 Turbo를 고르는 편이 맞다.
• Orpheus와 Sesame는 Apache 2.0이라 상업적으로 써도 되지만 영어 전용이다. Orpheus는 모델 페이지 P50이 0.23초였는데 이날 목록에는 3.9초로 표시돼, 호스팅 업체 상황에 따라 지연이 크게 흔들린다.

HeyGen이 공개한 1분짜리 소개 영상은 영상에 맞춰 목소리를 조정한다는 HeyGen Voice의 콘셉트를 보여 준다.

12. 가격 비교: 100만 자로 환산한 실제 비용

TTS 가격은 단위가 넷으로 갈린다. 구글은 토큰, Fish Audio는 바이트, Seed Audio는 분, 나머지는 글자다. 아래 표는 영어 기준 1분을 약 1,000자로 놓고 모두 100만 자, 즉 약 1,000분 분량으로 환산한 값이다.

그림 3. 오픈라우터 표시가를 100만 자(약 1,000분) 기준으로 환산한 비교. 막대는 로그 눈금이다.

• 오디오 길이로 과금하는 Gemini와 Seed는 한국어처럼 1분에 들어가는 글자 수가 영어와 다른 언어에서도 분량 기준으로 비용이 정해진다.
• 마이크로소프트, 미니맥스, 딥그램, 미스트랄은 오픈라우터 가격과 제조사 정가가 같다. 오픈라우터를 거친다고 웃돈이 붙지는 않는다.
• 쇼츠 1편을 오디오 30초로 잡으면 Gemini 3.8 Flash TTS로 1,000편을 만들어도 약 6.75달러다.
• 할인 종료일은 제각각이다. 일레븐랩스 10월 19일, HeyGen 10월 31일, Fish Audio Drama 3(공식 API) 11월 12일, S2.1 Pro Free 11월 30일에 각각 끝난다.

13. 응답 지연 시간 비교

지연은 대화형 봇에서 가장 체감이 큰 항목이다. 아래는 10월 18일 0시 27분 목록 값이다. 같은 모델도 날마다 오르내리므로 정확한 판단에는 며칠치 값을 보는 편이 좋다.

그림 4. 오픈라우터 목록 지연 값. 막대 길이는 로그 눈금이며 0.5초 이하는 실시간 대화에 쓸 만한 구간이다.

• 실시간 음성 봇은 보통 0.5초 안쪽을 목표로 잡는다. 한국어까지 되는 모델 중에서는 Grok Voice TTS, Drama 3, Eleven Flash v2.5와 Turbo v2.5, MAI-Voice-2.1-Flash가 이 조건을 맞춘다.
• 생성량 1~3위 Gemini TTS는 모두 2초가 넘는다. 순위가 높다고 대화형 봇에 맞는 것은 아니다.
• 긴 내레이션은 문단 단위로 나눠 보내면 첫 소리가 빨리 나온다.

14. 한국어로 쓸 수 있는 TTS 모델

한국어 지원은 두 단계로 봐야 한다. 제조사가 한국어를 공식 지원하는지, 그리고 오픈라우터에서 한국어로 읽을 보이스를 실제로 고를 수 있는지다.

그림 5. 제조사 공식 언어 목록과 오픈라우터 보이스 목록을 함께 본 한국어 지원 현황.

• 상위 10개 중 한국어를 못 하는 모델은 4위 Kokoro 82M 하나다.
• 구글, 일레븐랩스, Grok, HeyGen은 영어 이름 보이스가 한국어 문장을 읽는 구조라 보이스마다 발음 자연스러움이 다르다. 짧은 문장으로 두세 개 보이스를 들어 보고 고르는 편이 좋다.
• 블라인드 테스트 순위 대부분은 영어 보이스로 매긴 결과다. 구글은 일본어, 포르투갈어, 베트남어, 힌디어 등에서 Gemini 3.8이 상위권이라고 밝혔지만 한국어 순위는 따로 공개하지 않았다.

직접 설치형 한국어 TTS까지 넓혀 보고 싶다면 샘 호트만 채널이 2026년 한국어 오픈소스 TTS 다섯 가지를 소개한 영상이 출발점으로 좋다.

국내 서비스인 타입캐스트, 수퍼톤과 해외 API를 함께 비교한 내용은 AI TTS API 비교 문서와 타입캐스트 문서, 수퍼톤 플레이 문서에 있다.

15. 용도별 TTS 모델 추천

같은 순위표라도 용도가 바뀌면 답이 달라진다. 아래는 오픈라우터에서 바로 부를 수 있는 모델만으로 고른 조합이다.

그림 6. 쇼츠, 실시간 대화, 대량 생성, 한국어 네 가지 용도별 선택.

15.1. 쇼츠 채널 기준으로 고르는 순서

1. 대본이 한국어라면 Gemini 3.8 Flash TTS의 기본 보이스 몇 개와 MAI-Voice-2.1의 Haena, Junho 보이스로 같은 문장을 만들어 비교한다.
2. 감정 연기가 더 필요하면 Eleven v4나 Drama 3에 대괄호 연기 지시를 넣어 본다. 일레븐랩스는 할인 종료 후 100만 자 80달러다.
3. 채널 고유 목소리를 만들 계획이면 Gemini 3.8의 보이스 복제(동의 녹음 필요), Drama 3, S2.1 Pro, HeyGen Voice를 검토하되, 본인 목소리나 사용 동의를 받은 녹음만 쓴다.
4. 월 사용량이 늘어나면 일레븐랩스와 HeyGen 할인 종료일, Gemini의 2027년 가격 인상을 다시 반영해 예산을 잡는다.

핵심 포인트: 한국어 쇼츠는 Gemini 3.8 Flash TTS, 실시간 봇은 Grok Voice TTS나 MAI-Voice-2.1-Flash, 영어 대량 생성은 Gemini Flash Lite나 Kokoro가 출발점으로 무난하다.

16. 윈도우에서 오픈라우터 API로 TTS 호출하기

오픈라우터 TTS는 OpenAI의 음성 API와 같은 형식이라, 기존 OpenAI 라이브러리에서 주소만 바꿔도 된다. 응답은 JSON이 아니라 오디오 바이트 그 자체이므로 파일로 바로 저장하면 된다.

16.1. PowerShell에서 mp3 한 개 받기

1. 오픈라우터 설정 화면에서 API 키를 만들고 크레딧을 충전한다.
2. 메모장으로 body.json 파일을 만들고 아래 표의 네 항목을 JSON으로 적는다.
3. PowerShell에서 `curl.exe https://openrouter.ai/api/v1/audio/speech -H 'Authorization: Bearer 발급받은키' -H 'Content-Type: application/json' --data-binary '@body.json' -o voice.mp3`를 실행한다.
4. 같은 폴더에 생긴 voice.mp3를 재생한다. 응답 헤더의 X-Generation-Id는 사용 내역을 찾을 때 쓰는 번호다.

• 선택 항목으로 instructions(말투 지시, 구글 Gemini TTS와 Fish Audio 등에 반영), speed(지원 모델만), input_references(클로닝용 참조 음성 1~3개)가 있다.
• Gemini TTS와 Fish Audio(S1 제외)는 input에 화자별 대사 목록을 넣어 여러 사람의 대화를 한 파일로 만들 수 있다.
• 파이썬은 openai 라이브러리의 base_url을 오픈라우터 주소로 바꾸고 client.audio.speech 메서드를 쓰면 된다.
• 보이스 이름 전체 목록은 `https://openrouter.ai/api/v1/models?output_modalities=speech` 응답의 supported_voices 항목에 있다.
• 키는 환경 변수로 두고 스크립트 파일에 직접 적지 않는 편이 안전하다.

17. X 반응과 벤치마크

출시 직후 X에서 가장 많이 퍼진 것은 벤치마크 결과와 할인 소식이었다.

• "Drama 3가 나온 지 사흘 만에 오픈라우터 4위로 뛰었지만, 진짜 놀라운 건 바로 위 3위의 Kokoro 82M"이라는 게시물이 화제가 됐다. "1억 파라미터도 안 되고 나온 지 2년 가까이 된 모델이 저사양 CPU에서도 돈다"는 내용이다.
• "HeyGen Voice가 Eleven v4보다 블라인드 테스트에서 앞서고 100만 자 30달러로 더 싸다"는 반응이 많았지만, 한 튀르키예 크리에이터는 "테스트가 영어로만 진행됐다"며 자국어로 들어 보기 전에는 바꾸지 않겠다는 의견을 남겼다.
• "따라 할 만한 것은 1위 배지가 아니라 모든 모델을 같은 클론 보이스 8개로 비교한 시험 방식"이라는 평도 있었다. 한국어 품질은 따로 들어 봐야 한다는 뜻이기도 하다.

18. 출처

• 오픈라우터 음성 모델 목록: https://openrouter.ai/models?output_modalities=speech
• 오픈라우터 음성 모델 API: https://openrouter.ai/api/v1/models?output_modalities=speech
• 오픈라우터 음성 모델 요청 수 순위: https://openrouter.ai/rankings/speech
• 오픈라우터 TTS 문서: https://openrouter.ai/docs/guides/overview/multimodal/tts
• 구글 Gemini 3.8 TTS 발표: https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-8-text-to-speech/
• Gemini 3.8 Flash TTS 모델 문서: https://ai.google.dev/gemini-api/docs/models/gemini-3.8-flash-tts
• Gemini API 요금: https://ai.google.dev/gemini-api/docs/pricing
• Gemini 보이스 복제 문서: https://ai.google.dev/gemini-api/docs/voice-replication
• Kokoro 82M 허깅페이스: https://huggingface.co/hexgrad/Kokoro-82M
• SpaceXAI TTS 문서: https://docs.x.ai/developers/model-capabilities/audio/text-to-speech
• 일레븐랩스 Eleven v4 발표: https://elevenlabs.io/blog/eleven-v4
• 일레븐랩스 모델 문서: https://elevenlabs.io/docs/overview/models
• 일레븐랩스 API 요금: https://elevenlabs.io/pricing/api
• Fish Audio Drama 3 발표: https://fish.audio/blog/fish-audio-drama-3/
• Fish Audio 변경 기록: https://docs.fish.audio/developer-guide/getting-started/changelog
• MAI-Voice-2.1 모델 페이지: https://microsoft.ai/models/mai-voice-2-1/
• Seed Audio 1.0 발표: https://seed.bytedance.com/en/blog/from-speech-to-audio-creation-introducing-the-seed-audio-1-0-audio-creation-model
• 미니맥스 요금: https://platform.minimax.io/docs/pricing/overview
• 딥그램 요금: https://deepgram.com/pricing
• 미스트랄 Voxtral TTS: https://mistral.ai/news/voxtral-tts/
• HeyGen Voice 문서: https://developers.heygen.com/docs/voices/heygen-voice-speech
• Orpheus 3B 허깅페이스: https://huggingface.co/canopylabs/orpheus-3b-0.1-ft
• Sesame CSM 1B 허깅페이스: https://huggingface.co/sesame/csm-1b

19. 마무리

앞에서 다룬 오픈라우터 TTS 생성량 순위 35개와 모델별 가격, 지연, 한국어 지원의 핵심만 짧게 정리한다.

• 10월 18일 주간 생성량 1~3위는 모두 구글 Gemini TTS이며, 세 모델이 35개 전체 토큰의 85% 이상을 차지했다.
• Gemini는 텍스트 입력과 오디오 출력(1초 25토큰)을 따로 과금해 3.8 Flash 기준 오디오 1분이 약 0.0135달러이고, 2027년 1월부터 두 배가 된다.
• 10위권에는 Kokoro 82M, Eleven v4와 v4 Turbo, Drama 3, Grok Voice TTS, Fish S2.1 Pro와 무료 버전이 들어섰고, 마이크로소프트 MAI-Voice-2.1-Flash는 12위다.
• 일레븐랩스와 HeyGen의 오픈라우터 가격은 50% 할인가로 각각 10월 19일, 10월 31일에 끝난다.
• Seed Audio 1.0의 0.15달러는 분당 요금이고, Fish Audio는 바이트 과금이라 한국어 대본은 표시가의 세 배가 든다.
• 한국어 실시간 봇은 Grok Voice TTS, MAI-Voice-2.1-Flash, Eleven Flash v2.5가 0.5초 안쪽이며, Gemini TTS는 수 초가 걸려 내레이션용에 가깝다.
• 가격, 할인, 지연은 주 단위로 바뀌므로 결제 전 오픈라우터 모델 페이지의 현재 값을 다시 보는 편이 좋다.

「TTS 순위표에서 먼저 볼 것은 1위 이름이 아니라 과금 단위, 할인 종료일, 한국어 보이스 유무다」

처음 시작한다면 Gemini 3.8 Flash TTS로 짧은 한국어 대본 하나를 만들어 보고, 실시간 응답이 필요하면 Grok Voice TTS나 MAI-Voice-2.1-Flash, 감정 연기가 아쉬우면 Eleven v4나 Drama 3와 같은 문장으로 비교하는 순서를 권한다. 보이스 클로닝은 본인 목소리나 동의를 받은 녹음으로만 진행해야 한다.

자주 묻는 질문

• 오픈라우터 TTS 생성량 1위 모델은 무엇인가요?

  10월 18일 Speech 탭 주간 토큰 기준 1위는 구글 Gemini 3.8 Flash TTS로 5억 7,500만 토큰입니다. 2위 Gemini 3.1 Flash TTS Preview, 3위 Gemini 3.8 Flash Lite TTS까지 구글이 1~3위를 차지했고, 세 모델이 35개 전체 토큰의 85% 이상을 처리했습니다.

• Gemini TTS의 입력 가격과 출력 가격은 각각 무엇을 뜻하나요?

  입력은 읽힐 대본 텍스트 토큰, 출력은 만들어진 오디오 토큰 가격입니다. 오디오는 1초에 25토큰이라 3.8 Flash TTS는 100만 토큰 9달러 기준 1분에 약 0.0135달러이고, 텍스트 입력비는 이보다 훨씬 작습니다.

• Gemini 3.8 Flash TTS 가격은 계속 유지되나요?

  구글 공식 요금표상 현재 가격은 2026년 12월 31일까지입니다. 2027년 1월 1일부터 입력 100만 토큰 1달러, 오디오 출력 100만 토큰 18달러로 두 배가 되므로 장기 예산은 인상분을 반영해야 합니다.

• Kokoro 82M은 왜 4위까지 올라왔나요?

  8,200만 파라미터짜리 가벼운 Apache 2.0 오픈 웨이트 모델이라 지연이 0.15초 수준이고, 오픈라우터 가격도 100만 자 0.62달러로 유료 모델 중 가장 쌉니다. 다만 지원 언어 8개에 한국어는 없습니다.

• 일레븐랩스 모델 옆 50% off 가격은 할인가인가요?

  오픈라우터에 표시된 금액이 할인가입니다. 정가는 그 두 배로 Eleven v4와 v3, Multilingual v2가 100만 자 80달러, v4 Turbo와 Flash, Turbo 계열이 40달러이며, 할인은 한국 시간 10월 20일 0시에 끝납니다.

• Fish Audio Drama 3와 S2.1 Pro Free는 어떤 모델인가요?

  Drama 3는 10월 13일 나온 연기 지시형 오픈 웨이트 모델로, 오픈라우터에서 100만 바이트 2달러(80% 할인)입니다. S2.1 Pro Free는 S2.1 Pro와 같은 모델을 11월 30일까지 공정 사용 한도 안에서 무료로 쓰게 한 버전입니다.

• Fish Audio로 한국어를 만들면 비용이 왜 더 드나요?

  Fish Audio는 글자가 아니라 UTF-8 바이트로 과금합니다. 영어 알파벳은 1바이트지만 한글 1글자는 3바이트라, S2.1 Pro로 한국어 100만 자를 만들면 약 45달러, Drama 3 할인가로는 약 6달러가 듭니다.

• Seed Audio 1.0의 0.15달러는 정말 싼 가격인가요?

  0.15달러는 100만 자가 아니라 생성된 오디오 1분당 요금입니다. 1분을 약 1,000자로 잡으면 100만 자 환산 약 150달러로 비싼 축이며, 스트리밍 없이 최대 2분 오디오를 다 만든 뒤 돌려줘 지연도 10초가 넘습니다.

• 한국어 실시간 음성 봇에는 어떤 TTS가 맞나요?

  0.5초 안쪽 지연과 한국어를 함께 갖춘 모델은 Grok Voice TTS 1.0(142ms), Drama 3(171ms), Eleven Flash v2.5(257ms), MAI-Voice-2.1-Flash(446ms)입니다. 생성량 1~3위 Gemini TTS는 2초가 넘어 내레이션 쪽에 가깝습니다.

• 오픈라우터에서 한국어 전용 보이스를 고를 수 있는 모델은 무엇인가요?

  보이스 이름으로 한국어가 나뉜 모델은 MAI-Voice-2.1과 2.1-Flash로 Grant, Haena, Harper, Junho 4개가 있습니다. Gemini, 일레븐랩스, Grok, HeyGen은 영어 이름 보이스가 언어를 감지해 한국어 문장을 읽습니다.

• 상업적으로 써도 되는 오픈 웨이트 TTS는 어떤 것인가요?

  Kokoro 82M, Orpheus 3B, Sesame CSM 1B는 Apache 2.0이라 상업 이용이 가능하지만 한국어는 없습니다. Drama 3는 연 매출 50만 달러 미만이면 상업적으로 무료이고, S2 Pro는 연구 라이선스, Voxtral은 비상업 라이선스입니다.

• 오픈라우터에서 보이스 클로닝도 쓸 수 있나요?

  오픈라우터에서 참조 음성 클로닝이 열린 모델은 Drama 3, S2.1 Pro와 Free, HeyGen 2종, Seed Audio입니다. Gemini 3.8은 구글에서 동의 녹음과 함께 만든 복제 보이스를 ID로 부를 수 있고, MAI와 일레븐랩스는 오픈라우터 경로에서 클로닝을 지원하지 않습니다.