최종 업데이트: 2026-06-22

음성 합성 비용의 정의

음성 합성 API의 음성 합성 비용은 글로 쓴 텍스트를 음성 오디오로 바꿀 때 부과되는 금액으로, 입력 문자 수와 제공업체가 공개한 100만 문자당 요율로 산출됩니다. 음성 내레이션, 오디오북 초안, 접근성 안내, 음성 어시스턴트 응답을 만드는 작업에는 이 수치가 필요합니다. 음성 합성은 만들어진 오디오의 길이가 아니라 입력 텍스트의 문자 수를 기준으로 비용이 매겨지기 때문입니다.

합성 과금 방식

텍스트 음성 변환(TTS) 제공업체는 보낸 텍스트의 문자를 셉니다. 글자, 공백, 문장 부호가 모두 포함되며, 100만 문자당 비용이 부과됩니다. 이는 오디오 길이로 과금하는 음성 인식과 정반대이며, 토큰으로 과금하는 텍스트 모델과도 다릅니다. 문자 한 개의 비용은 1센트의 극히 작은 일부이므로, 제공업체는 대표 수치를 읽기 쉽게 유지하기 위해 100만 문자 단위로 요율을 공개합니다.

공식

입력 문자 수가 $n$이고 백만 문자당 가격이 $p$일 때 비용은 다음과 같습니다.

$10^6$으로 나누면 100만 문자 단위의 요율이 문자 한 개당 요율로 환산되고, 여기에 문자 수를 곱합니다. 이 관계는 선형이므로 텍스트가 두 배가 되면 비용도 두 배가 됩니다.

계산 예시

100만 문자당 $15의 요율로 8,400자 분량의 내레이션 대본을 합성하는 경우를 살펴봅니다. 이 요율은 더 높은 품질의 음성 등급에 공개된 값입니다. 비용은 다음과 같습니다.

따라서 이 대본을 음성으로 만드는 데 약 13센트가 듭니다. 약 30만 자에 해당하는 5만 단어 분량의 오디오북 초안은 같은 요율로 약 $4.50이 들며, 이는 긴 내레이션을 반복해 다듬는 작업에서도 합성을 실용적으로 만들어 줍니다.

참고 사항과 변형

요율은 음성 등급에 따라 달라집니다. 표준 등급은 더 자연스러운 억양을 내는 고음질 등급보다 문자당 비용이 낮으므로, 사용하려는 등급에 맞게 요율을 설정해야 합니다. 일부 제공업체는 멀티바이트 문자를 한 문자로 세고 다른 제공업체는 바이트 단위로 세는데, 이는 비라틴 문자 체계에서 중요합니다. 해당 언어로 예산을 산정하기 전에 문자 집계 규칙을 확인해야 합니다. 수정 후 같은 텍스트를 다시 합성하면 전체 문자 수를 기준으로 다시 과금됩니다.

활용

대본당 비용은 내레이션 예산의 기본 단위로, 대본 수를 곱하면 반복 지출을 추정할 수 있습니다. 음성을 합성하는 대신 반대로 오디오를 텍스트로 받아 적는 경우에는 오디오 전사 비용 계산기를를 참고하시기 바랍니다. 합성이 텍스트를 작성하는 언어 모델과 결합되는 경우, 프롬프트와 완성 부분의 비용은 토큰 비용 계산기가가 다룹니다.