게임 대사 한 줄을 다시 녹음할 때: Fish Audio·타입캐스트·ElevenLabs 리뷰

게임 속 길드장이 처음 말을 하는 순간은 강하다. 자막으로만 읽던 인물이 목소리를 얻자, 대화창 뒤에 사람이 있는 것처럼 느껴진다. 성공지식백과의 〈이세계에서 살아남기〉 제작 영상은 Codex로 만든 시뮬레이션 게임에 Fish Audio의 목소리를 붙이는 과정을 보여준다. 영상은 Fish Audio의 지원을 받아 제작됐다고 밝힌다.

데모에서 확인할 수 있는 일은 분명하다. 텍스트 대사에 캐릭터 음성을 붙이고, 음성 복제와 목소리 디자인을 시험하며, API로 게임에 연결한다. 그러나 게임을 출시할 때 필요한 판단은 첫 대사를 듣는 순간에 끝나지 않는다. 플레이어가 한 선택지의 문구를 바꾸면, 같은 인물이 같은 나이와 성격으로 다시 말해야 한다. 캐릭터가 수십 장면에 걸쳐 등장한다면 한 줄의 수정은 목소리의 연속성을 시험한다.

지금 비교하는 것은 영상 번역이 아니다

‘AI 더빙’에는 서로 다른 두 작업이 섞여 있다. 이미 녹음한 영상의 언어를 바꾸고 원래 화자의 인상을 살리는 작업과, 대본에서 게임 캐릭터의 음성을 새로 만드는 작업이다. 앞의 경우 ElevenLabs Dubbing처럼 원본 오디오·영상을 받아 번역, 화자 구분, 음성 생성까지 처리하는 제품을 봐야 한다. 공유된 영상의 게임 장면은 주로 뒤의 작업, 곧 텍스트 음성 합성(TTS)에 해당한다.

이 구분을 해두면 제품 소개에서 말하는 ‘자연스러움’도 더 정확하게 읽힌다. 게임용 TTS에는 대사를 짧게 끊어 다시 만들 수 있는지, 화가 난 장면과 평소 대화에서 같은 인물로 들리는지, 음성 파일과 권리를 출시 후에도 유지할 수 있는지가 함께 걸린다. 세 업체 모두 한국어와 API를 지원하지만, 그 질문에 답하는 방식은 다르다.

세 서비스의 설명을 같은 자리에 놓으면

이 표는 음질 순위가 아니다. Fish는 UTF-8 바이트, 타입캐스트는 글자당 1크레딧, ElevenLabs는 모델별로 차감량이 다른 크레딧으로 비용을 센다. 한국어 대사의 공백·기호와 여러 번의 재생성을 넣으면 가격표의 숫자만으로 실제 제작비를 비교할 수 없다. 더욱이 세 업체의 한국어 목소리를 같은 대본으로 생성해 블라인드로 듣는 시험은 아직 하지 않았다. 이 글에서 기능은 공식 문서로 확인한 범위, 음질은 미검증 범위로 남긴다.

그럼 무엇을 먼저 고를 수 있을까. 한국어 캐릭터가 중심인 게임이라면 Fish Audio와 타입캐스트를 같은 대사로 비교하고, ElevenLabs를 세 번째 기준으로 넣을 만하다. 이 순서는 승자를 정한 결과가 아니라 실험 순서다. 모델을 고르는 순간보다, 대사가 바뀐 뒤 어떤 설정과 목소리로 다시 만들 수 있는지를 기록하는 순간에 서비스 간 차이가 제작비로 돌아온다.