Gemini 3.8 TTS 사용법텍스트 음성 변환과 30초 커스텀 보이스 만들기

따라 하기: 첫 음성 만들고 내 목소리 입히기

준비: 열쇠와 도구

기본 목소리로 첫 음성 만들기

import base64
from google import genai
client = genai.Client()
interaction = client.interactions.create(
model="gemini-3.8-flash-tts",
input=[{
"type": "user_input",
"content": [{
"type": "text",
"text": "Have a wonderful day!",
"annotations": [{
"type": "speech_metadata",
"style": "cheerful and friendly",
}],
}],
}],
response_format={"type": "audio"},
generation_config={
"speech_config": [
{"voice": "Kore"},
]
},
)
with open("out.wav", "wb") as f:
f.write(base64.b64decode(interaction.output_audio.data))

내 목소리 복제하기

구글 발표문은 "30초 샘플"이라고 하고 개발 문서는 10초에서 30초 사이의 자연스러운 말소리를 요구해요. 녹음은 24kHz 모노 16비트 WAV를 권해요.

나는 이 음성의 소유자이며 구글이 이 음성을 사용하여 음성 합성 모델을 생성할 것을 허용합니다.

import base64
from google import genai
client = genai.Client()
with open("reference_speaker.wav", "rb") as f:
source_b64 = base64.b64encode(f.read()).decode("utf-8")
with open("speaker_consent.wav", "rb") as f:
consent_b64 = base64.b64encode(f.read()).decode("utf-8")
replicated_voice = client.voices.create(
store=True,
voice={
"model": "gemini-3.8-flash-tts",
"type": "replicated",
"display_name": "Custom Replicated Speaker",
"replicated": {
"source_audio": {
"mime_type": "audio/wav",
"data": source_b64,
},
"consent_audio": {
"mime_type": "audio/wav",
"data": consent_b64,
},
},
},
)
print(replicated_voice.id)

코드가 부담스럽다면 AI Studio의 음성 생성 화면(aistudio.google.com/generate-speech)을 써도 돼요. 브라우저에서 두 녹음을 올리고 미리 들어 본 뒤 ID를 복사할 수 있어요.

막히기 쉬운 세 군데

• API 키 오류가 뜨고 out.wav가 안 생겨요. 이때 뜨는 오류 문구는 공식 문서에 나와 있지 않아요. 여기서 다들 한 번 멈칫해요. export로 넣은 키는 그 터미널 창에만 살아 있어서 창을 새로 열면 사라져요. 지금 쓰는 창에서 export 줄을 다시 치고 실행해 봐요.
• 목소리 복제가 거절되거나 메뉴가 안 보여요. 구글 발표에 따르면 AI Studio를 통한 복제는 일부 지역에서 막혀 있어요. 한국은 목록에 없지만 계정 지역이 제한 목록에 걸리는지 먼저 봐요. 동의 녹음이 문장과 달라 거절되는 경우의 원인은 문서에 나와 있지 않아요. 조용한 곳에서 같은 사람이 문장을 그대로 다시 읽어 올려 봐요.
• 예전에 받은 voice ID가 안 먹혀요. 저장형 목소리(store=True)는 1년, 저장하지 않는 키(store=False)는 7일이 지나면 사라져요. 한 프로젝트에 200개까지만 저장돼요. 쓰지 않는 목소리는 voices.list()로 확인하고 voices.delete()로 정리해요.

여기서 더 나아가려면

문장 속에 <laugh>, <sigh> 같은 표시를 넣으면 웃음이나 한숨을 섞어 읽어요. 두 사람이 주고받는 대화도 speech_config에 "mode": "conversational"을 넣고 목소리 둘을 지정하면 한 번에 만들 수 있어요. 많은 양을 싸게 돌려야 한다면 모델 이름만 gemini-3.8-flash-lite-tts로 바꿔 비교해 봐요.

이상으로 글 마치겠습니다.

출처

• Google: Gemini 3.8 Flash TTS and Gemini 3.8 Flash-Lite TTS
• Gemini API: Text-to-speech generation (TTS)
• Gemini API: Gemini 3.8 Flash TTS
• Gemini API: Voice replication
• Gemini API: Quickstart