텍스트를 음성(MP3)으로 만드는 방법 — 윈도우 기본 기능부터 자막 더빙까지

세 가지 방법과 고르는 기준

텍스트를 음성으로 바꾸는 기술을 TTS(Text To Speech)라고 합니다. 예전에는 기계음 같은 목소리뿐이었지만, 지금은 신경망으로 만든 음성이 보급되면서 짧은 문장은 사람이 읽은 것과 구분하기 어려운 수준이 됐습니다. 다만 그 좋은 음성은 대부분 인터넷 너머의 서버에서 만들어집니다. 그래서 선택은 대체로 품질과 조건 사이의 교환입니다.

윈도우에 들어 있는 음성으로 WAV 만들기

윈도우에는 음성 합성 기능이 기본으로 들어 있습니다. 내레이터나 Edge의 소리 내어 읽기가 쓰는 그 기능인데, 파일로 저장하는 버튼은 어디에도 없습니다. PowerShell 을 쓰면 같은 음성으로 WAV 파일을 만들 수 있습니다. 시작 메뉴에서 PowerShell 을 열고 아래를 붙여 넣으세요.

Add-Type -AssemblyName System.Speech
$s = New-Object System.Speech.Synthesis.SpeechSynthesizer

# 쓸 수 있는 음성 목록 보기
$s.GetInstalledVoices() | ForEach-Object { $_.VoiceInfo.Name + " (" + $_.VoiceInfo.Culture + ")" }

# 음성 고르고 속도 조절 (-10 ~ 10, 0이 기본)
$s.SelectVoice("Microsoft Heami Desktop")
$s.Rate = 0

# 파일로 저장
$s.SetOutputToWaveFile("C:\temp\narration.wav")
$s.Speak("안녕하세요. 오늘은 텍스트를 음성으로 바꾸는 방법을 정리해 보겠습니다.")
$s.Dispose()

한국어 윈도우라면 보통 Microsoft Heami Desktop(한국어 여성)과 Microsoft Zira Desktop(영어) 정도가 들어 있습니다. 긴 대본은 텍스트 파일을 읽어 그대로 넘기면 됩니다. 아래처럼 하면 대본 파일 하나가 음성 파일 하나가 됩니다.

Add-Type -AssemblyName System.Speech
$s = New-Object System.Speech.Synthesis.SpeechSynthesizer
$s.SetOutputToWaveFile("C:\temp\narration.wav")
$s.Speak((Get-Content "C:\temp\script.txt" -Raw -Encoding UTF8))
$s.Dispose()

• 저장되는 형식은 WAV 입니다. 용량이 크니 MP3 가 필요하면 별도로 변환해야 합니다.
• Edge 브라우저의 소리 내어 읽기는 훨씬 자연스러운 음성을 쓰지만, 그 소리를 파일로 저장하는 기능은 없습니다.
• $s.Rate 는 -10에서 10 사이입니다. 안내 멘트는 0~2 정도가 알아듣기 좋습니다.

자연스러운 음성으로 MP3 만들기 — 무료 프로그램

Microsoft Edge 브라우저가 읽어 주는 목소리는 신경망으로 만든 음성이라 훨씬 자연스럽습니다. 이 음성을 파일로 저장해 주는 무료 프로그램이 있습니다. 이 사이트에서 만든 Voxsave 도 그중 하나로, 텍스트를 붙여 넣거나 자막 파일을 끌어다 놓으면 MP3 로 저장합니다.

1. 1프로그램을 받아 실행하고, 대본을 붙여 넣거나 자막 파일(.srt·.vtt)을 창에 끌어다 놓습니다.
2. 2음성을 고릅니다. 한국어는 여성(SunHi)·남성(InJoon) 음성이 있고, 다국어 음성도 있습니다.
3. 3속도와 음높이를 조절하고 미리듣기로 확인합니다.
4. 4저장을 누르면 MP3 파일이 만들어집니다.

• 가입·로그인·API 키가 필요 없습니다.
• 미리듣기는 인터넷 없이도 되지만, MP3 저장에는 인터넷이 필요합니다. 음성 합성 자체를 마이크로소프트 서버가 처리하기 때문입니다.
• 윈도우 10(1803 이상)·11 전용입니다.
• 코드 서명이 없는 무료 프로그램이라 처음 실행할 때 SmartScreen 경고가 뜹니다. 추가 정보 → 실행으로 넘어가면 됩니다.

명령어로 자동화하기 — edge-tts

같은 음성을 명령어로도 쓸 수 있습니다. 파이썬이 설치돼 있다면 edge-tts 를 설치해 대본 여러 개를 한 번에 돌리거나 다른 작업과 묶을 수 있습니다.

pip install edge-tts

# 텍스트 → MP3, 자막(.srt)도 함께 생성
edge-tts --text "Hello, world!" --write-media hello.mp3 --write-subtitles hello.srt

# 쓸 수 있는 음성 목록
edge-tts --list-voices

# 대본 파일을 한국어 음성으로 읽어 MP3 로 저장
edge-tts --voice ko-KR-SunHiNeural --file script.txt --write-media narration.mp3

# 속도·음량·음높이 조절
edge-tts --rate=-50% --text "Hello, world!" --write-media slower.mp3
edge-tts --volume=-50% --text "Hello, world!" --write-media quieter.mp3
edge-tts --pitch=-50Hz --text "Hello, world!" --write-media lower.mp3

위 예시는 edge-tts 공식 문서와 명령행 도움말에 있는 옵션 그대로입니다. 폴더 안의 대본을 반복문으로 돌리면 여러 편을 한 번에 만들 수 있습니다. 창이 있는 프로그램이 편한 분에게는 앞 절의 방법이, 같은 작업을 반복하는 분에게는 이쪽이 맞습니다.

자막 파일을 더빙할 때 — 길이가 맞지 않는 문제

자막 파일에는 각 줄이 화면에 떠 있는 시간이 적혀 있습니다. 그런데 그 문장을 소리 내어 읽으면 대개 자막 구간보다 길어집니다. 사람은 자막을 눈으로 빠르게 읽지만, 읽어 주는 음성은 또박또박 발음하기 때문입니다. 영어 자막을 한국어로 번역해 더빙하면 차이가 더 벌어집니다.

• 속도를 조금 올립니다. 10~20% 정도는 부자연스럽지 않게 들립니다.
• 문장을 줄입니다. 자막을 그대로 읽을 필요는 없습니다. 같은 뜻을 짧게 다시 쓰면 잘 맞습니다.
• 줄을 합칩니다. 짧은 자막 두 줄을 한 문장으로 합치면 앞뒤 여유가 생깁니다.
• 정확한 동기화가 필요하면 영상 편집 프로그램에서 구간별로 오디오를 잘라 붙이는 편이 빠릅니다.

클라우드 서비스와 상업적 이용

가입해서 쓰는 서비스는 목소리 선택지가 많고 감정 표현도 세밀합니다. 대신 무료로 쓸 수 있는 양이 정해져 있고, 만든 음성을 어디에 쓸 수 있는지가 요금제에 따라 다릅니다. 수익이 걸린 콘텐츠라면 이 부분을 먼저 보고 시작해야 합니다.

음성 자체의 권리와 별개로 생각할 것이 하나 더 있습니다. 실제 사람의 목소리를 복제하는 기능은 본인 동의 없이 쓰면 문제가 됩니다. 기본으로 제공되는 음성만 쓰는 편이 안전합니다.

자주 묻는 질문