한국어 AI 음성 TTS 발음 정확도 비교 2026: 5개 도구 직접 테스트

AI 음성은 한국어 문장을 단순히 읽는 것과 한국 사람이 자연스럽게 읽는 것이 같지 않습니다. 이번에는 ElevenLabs, Typecast, Vrew, CLOVA Dubbing, CapCut에 같은 원문을 넣고 숫자·날짜·시간 11개, 영문·약어 12개를 직접 확인했습니다.

테스트 방법

서비스마다 A/B 두 문장을 각각 한 번만 생성했습니다. 결과가 마음에 들지 않아 다시 만드는 재생성은 하지 않았고, 속도·감정·피치 같은 세부 설정도 기본값을 유지했습니다. 생성시간은 생성 명령을 실행한 뒤 실제 재생 가능한 상태가 될 때까지 측정했습니다.

음성은 각 서비스에서 한국어 환경의 무료·체험 범위에서 처음 사용할 수 있는 일반 음성을 선택했습니다. ElevenLabs는 Juan, Typecast는 나윤, Vrew는 심성욱, CLOVA Dubbing은 현지, CapCut은 한국어 필터에서 첫 사용 가능 음성으로 표시된 Alex를 사용했습니다.

A — 숫자·날짜·시간

B — 영문·약어

채점 기준

A는 숫자·날짜·시간의 값이 유지되는지 11개 항목, B는 영문 브랜드·약어가 청취 시 해당 용어로 명확히 식별되는지 12개 항목을 확인했습니다. 영어식 발음과 한국어식 발음은 모두 허용했고, 값이나 용어가 달라질 때만 오답으로 처리했습니다.

다만 한국어에서는 같은 숫자라도 문맥에 따라 읽는 방식이 달라집니다. 예를 들어 시각의 ‘3시’는 보통 ‘세 시’, 기간의 ‘2시간’은 ‘두 시간’, ‘10시’는 ‘열 시’로 읽습니다. 이런 한국어 수사 자연스러움은 핵심 정확도와 분리해 별도 관찰했습니다.

값은 모두 맞았지만, Vrew의 ‘시간 읽기’는 달랐다

핵심 점수만 보면 5개 서비스가 모두 100%입니다. 하지만 직접 들어보면 차이가 있었습니다. Vrew의 심성욱 음성은 ‘3시’를 ‘삼 시’, ‘2시간’을 ‘이 시간’, ‘10시’를 ‘십 시’처럼 읽었습니다. 숫자값 자체는 각각 3, 2, 10으로 맞기 때문에 정확도 점수에서는 통과지만, 일반적인 한국어 시각·기간 표현에서는 ‘세 시·두 시간·열 시’가 자연스럽습니다.

이번 테스트에서 가장 빨랐던 CLOVA Dubbing

CLOVA Dubbing의 현지 음성은 A 4초, B 2초로 이번 단일 테스트에서 평균 3초가 측정됐습니다. 시간 표현도 ‘세 시·두 시간·열 시’처럼 자연스럽게 읽었습니다. 다만 생성시간은 서비스 서버 상태와 네트워크 환경의 영향을 받기 때문에 절대적인 엔진 속도 순위로 일반화하지 않았습니다.

CapCut은 한국어 필터에서도 Alex가 첫 음성이었다

테스트 당시 CapCut에서 한국어를 선택했지만 별도의 한국인 이름 음성이 먼저 표시되지 않았고, 첫 사용 가능 음성인 Alex를 그대로 사용했습니다. UI 현지화 관찰과 실제 TTS 성능은 분리해서 평가했습니다. Alex 음성의 핵심 정확도는 23/23이었고, 시간 수사도 자연스럽게 처리했습니다.

왜 원본 음성을 본문에 직접 넣지 않았나

다섯 서비스의 생성 음성 원본은 채점 근거로 별도 보관했습니다. 다만 서비스마다 음성의 공개·상업적 이용 및 출처표기 조건이 다릅니다. 특히 Typecast 무료 플랜 다운로드 음성은 개인용 온라인 게시 목적으로만 사용할 수 있고 상업적 이용이 불가하며 출처표기가 필요하다고 안내합니다. KRBench는 수익화를 전제로 운영하는 사이트이므로 이번 글에서는 서비스 간 조건을 통일해 원본 MP3를 직접 임베드하지 않았습니다.

Typecast 무료 사용 안내: 공식 도움말

결과를 어떻게 읽어야 하나

이번 테스트는 서비스당 두 문장, 총 23개 핵심 필드를 대상으로 한 소규모 실험입니다. 따라서 ‘5개 모두 한국어 발음이 완벽하다’는 의미는 아닙니다. 오히려 기본적인 값과 영문 용어는 모두 잘 처리했기 때문에, 실제 선택에서는 수사 정규화, 억양, 말하기 속도, 편집 기능, 라이선스를 함께 확인할 필요가 있습니다.

관련 KRBench 테스트