무검열 텍스트 음성 변환 API의 NSFW 대본 비교: 무엇을 선택할까

9개 TTS API 모두 NSFW 테스트 대본을 끝까지 읽었습니다. 속삭임과 소리 지시, 음성 복제, 두 목소리 지원, 음성 비용을 비교합니다.

작성자: SpicyAPI Engineering
발행: 2026년 10월 6일
읽는 시간: 약 12분
수정: 2026년 10월 12일

성인용 오디오북, 대화 상대의 목소리, 게임 대사를 만들고 계신가요? 이 페이지는 2026년 9월 테스트를 바탕으로 SpicyAPI의 무검열 텍스트 음성 변환 모델 9개 중 어떤 모델이 대본을 그대로 읽고 호흡과 신음을 연기하는지, 완성된 음성의 분당 비용은 얼마인지 설명합니다.

한 줄 답변: 9개 모두 노골적인 테스트 대본을 끝까지 읽었고, 거부하거나 음성이 끊기거나 단어가 완화되는 경우는 없었습니다. 따라서 연기 지시 처리, 목소리, 두 화자 및 음성 복제 지원, 과금 단위에 따라 선택하면 됩니다. 대괄호 지시를 연기하게 하려면 Gemini 3.8 Flash TTS, 완성 음성의 최저 분당 가격을 원하면 Gemini 3.8 Flash-Lite TTS나 Grok TTS부터 시작하세요. 각각 약 $0.013, $0.015입니다. Chatterbox는 사용 권한이 있는 목소리를 모방할 때만 선택하세요.

비교표

모델	목소리	언어	연기 지시 방법	대본 내 지시	두 목소리	참조 음성	최대 텍스트	과금 및 가격
Gemini 2.5 Pro TTS	30	자동 감지	`style`, `accent`, `pace`, `scene`, `instructions`	`[sighs]` 같은 대괄호 지시를 연기	지원	미지원	5,000	초당 $0.00045
Gemini 3.8 Flash TTS	30	130+, 자동	같은 다섯 필드	대괄호 지시를 대체로 연기	지원	미지원	5,000	초당 $0.00032
Gemini 3.8 Flash-Lite TTS	30	100+, 자동	같은 다섯 필드	대괄호 내용을 읽기도 함. 소리를 글자로 표기	지원	미지원	5,000	초당 $0.00021
Grok TTS	71	자동 또는 20개 코드	`speed` 0.7–1.5, 태그	`[laugh]`, `[pause]`, 호흡 태그, `<whisper>` 같은 감싸는 태그	미지원	미지원	15,000	1,000자당 $0.018
MiniMax Speech 2.8 Turbo	472	40개 및 자동	7개 `emotion` 값, `speed`, `pitch`, `volume`	소괄호 `(sighs)`, `(breath)`	미지원	미지원	5,000	1,000자당 $0.072
MiniMax Speech 2.8 HD	472	40개 및 자동	Turbo와 동일	Turbo와 동일	미지원	미지원	5,000	1,000자당 $0.12
Seed Speech 2.0	41	중국어 포함 10개	`instructions` 지시문, `speed`, `pitch`, `volume`	태그 없음. `instructions`에서 낭독 방식 설명	미지원	미지원	5,000	1,000자당 $0.072
Qwen3 TTS	9, 베이징 및 쓰촨 방언 목소리 포함	중국어 포함 10개	`instructions` 지시문	태그 없음. `instructions`에서 낭독 방식 설명	미지원	미지원	2,000	1,000자당 $0.068, 최소 100자
Chatterbox	기본 제공 1개	영어만	`exaggeration`, `temperature`, `guidance_scale`	태그를 읽음. 소리를 글자로 표기	미지원	지원, MP3 또는 WAV 파일	1,000	요청당 정액 $0.036

Gemini 2.5 Pro TTS는 Google 정가보다 10% 저렴합니다. Google의 음성 생성 문서는 Flash가 130개를 넘는 언어, Flash-Lite가 100개를 넘는 언어를 지원한다고 설명합니다. Gemini와 Chatterbox는 24 kHz 모노 WAV를 출력하고 나머지는 기본적으로 MP3를 출력합니다. SpicyAPI는 자체 콘텐츠 필터를 추가하지 않으며 실패한 요청에는 과금하지 않습니다.

각 모델에서 신음, 호흡, 속삭임을 만드는 방법

연기 지시가 많은 대본에서 Gemini 2.5 Pro, Gemini 3.8 Flash, Grok, MiniMax는 대부분의 테이크에서 태그를 말하지 않고 연기합니다. Gemini 3.8 Flash-Lite는 가끔, Chatterbox는 항상 태그의 단어를 읽으므로 이 두 모델에서는 소리를 글자로 표기하세요.

소리를 쓰는 방법은 모델마다 다릅니다.

Gemini 2.5 Pro 및 3.8 Flash: [whispering], [sighs], [laughing] 등을 영향을 줄 단어 바로 앞에 넣으세요. 속도, 억양, 분위기는 별도 필드에 넣으며 해당 내용은 읽히지 않습니다.
Gemini 3.8 Flash-Lite: 대본에 대괄호를 넣지 마세요. 소리를 단어로 쓰고("Mmm…", "ahh…", "ha…") 분위기는 instructions에 넣으세요. 지시를 연기하는 것이 중요하면 Flash를 사용하세요.
Grok TTS: [pause], [laugh], 호흡 태그를 대본에 넣고, 문구 전체를 <whisper>…</whisper> 같은 태그로 감싸세요. xAI의 음성 태그 가이드는 태그를 연달아 나열하는 것보다 문장부호와 함께 쓰는 편이 자연스럽다고 설명합니다.
MiniMax Speech 2.8: 소리가 나야 하는 위치에 (breath), (pant), (gasps) 같은 소괄호 태그를 넣으세요. 요청마다 emotion 값을 하나 선택하고 분위기가 바뀌면 장면을 나누세요.
Chatterbox: 태그를 읽습니다. 소리를 글자로 표기하고 극적인 대사에는 exaggeration을 높이세요. 낭독이 급하면 guidance_scale을 낮추세요.
Seed Speech 2.0 및 Qwen3 TTS: 태그를 쓰지 않습니다. instructions에서 낭독 방식을 설명하고("breathless, close to the microphone") 소리를 글자로 표기하세요.

용도별 선택

정교한 지시와 연기 지시 실행. Gemini 3.8 Flash TTS와 Gemini 2.5 Pro TTS는 같은 필드를 쓰며 모두 대괄호 지시를 연기합니다. Flash는 초당 가격이 낮고 130+개 언어 지원이 문서에 명시되어 있습니다. 참조 음성이나 긴 단일 요청이 필요하면 다른 모델을 선택하세요. 설정은 내레이션 작업 과정과 2.5 Pro 테스트를 참고하세요.

가장 저렴한 일반 낭독. Gemini 3.8 Flash-Lite TTS와 Grok TTS입니다. Lite는 반환된 음성으로 과금하므로 느리게 읽으면 비용이 늘어납니다. Grok은 대본 글자 수로 과금하며 한 요청에 장 전체를 받습니다. Grok은 단일 화자입니다. 일반적인 두 화자 낭독에는 dialogue와 speakers 필드를 사용하는 Lite를 선택하세요.

많은 목소리와 감정 조절. MiniMax Speech 2.8입니다. Turbo는 HD보다 40% 저렴하므로 먼저 써보세요. HD와 Turbo 비교를 참고할 수 있습니다. 참조 음성이 필요하면 다른 모델을 선택하세요. 둘 다 받지 않습니다.

다국어 또는 중국어 캐릭터. Seed Speech 2.0는 자연어 instructions를 받습니다(대화 작업 과정). Qwen3 TTS는 베이징 및 쓰촨 방언 목소리를 추가로 제공하지만 텍스트는 2,000자로 제한됩니다(화자 가이드).

직접 제공하는 목소리. Chatterbox는 선택적으로 MP3 또는 WAV 참조 파일을 받고 그 음색으로 읽습니다. 한 사람의 목소리만 깨끗하게 녹음한 몇 초 분량이 가장 좋습니다. 사용할 권리가 있는 목소리만 사용하세요. 참조 음성 가이드를 참고하세요. 영어만 지원하므로 다른 언어는 다른 모델을 선택하세요. Google 자체 API에는 Gemini 3.8 음성 복제가 명시되어 있지만 SpicyAPI 작업에는 참조 필드가 없습니다.

비용

과금 단위가 다르므로 ~270자 문단 하나와 대략 십 분 길이의 장으로 비교합니다.

모델	일반적인 음성 길이	문단 하나의 비용	10분 음성의 대략적인 비용
Gemini 2.5 Pro TTS	23–29 s	$0.010–0.013	약 $0.27
Gemini 3.8 Flash TTS	20–24 s	$0.006–0.008	약 $0.19
Gemini 3.8 Flash-Lite TTS	22–26 s	약 $0.005	약 $0.13
Grok TTS	약 19 s	$0.005	약 $0.15
MiniMax Speech 2.8 Turbo	20–22 s	$0.019	약 $0.56
MiniMax Speech 2.8 HD	20–22 s	$0.032	약 $0.93
Seed Speech 2.0	약 25 s	$0.019	약 $0.47
Qwen3 TTS	약 24 s	$0.018	약 $0.46, 네 번의 요청
Chatterbox	약 15 s	정액 $0.036	1,000자 요청 열한 번이면 약 $0.40, 500자 단위로 나누면 약 $0.79

십 분 비용은 모델별 발화 속도로 환산한 것이므로 초당 과금하는 Gemini에서는 느리게 읽을수록 비싸집니다. Seed, Qwen3, Grok, MiniMax는 태그를 포함해 보낸 대본으로 과금하므로 실행 전 견적이 최종 가격입니다. Chatterbox는 1,000자 미만이면 음성 길이에 관계없이 $0.036입니다.

9개 모델의 공통 제한

모두 비동기 방식입니다(제출, 폴링, 다운로드). 따라서 실시간 통화보다는 오디오북, 게임 대사, 음성 메시지에 적합합니다. 요청 하나가 단어별 시간 정보 없이 파일 하나를 반환하며 14일 동안 보관됩니다. 한 요청에 두 목소리(250자씩 최대 20줄)를 쓸 수 있는 것은 Gemini뿐입니다. 다른 모델에서는 각 화자를 따로 생성한 다음 파일을 합치세요. 대본은 가상의 성인 캐릭터로 제한하세요. 게시물에 대한 법적 의무는 사용자에게 있습니다.

세 과금 방식은 다르게 동작합니다. Gemini는 반환된 음성의 초 수로 과금하므로 작업 중 긴 음성에 맞춘 금액(Flash 약 $0.21, 2.5 Pro $0.30)을 임시로 확보하고, 음성을 측정한 뒤 실제 금액만 남도록 나머지를 해제합니다. Grok, MiniMax, Seed, Qwen3는 대본 글자 수로 과금하므로 실행 전 표시된 견적이 최종 가격입니다. Chatterbox는 요청당 정액입니다.

먼저 Playground에서 시험하기

Gemini 3.8 Flash TTS 페이지를 열고 Playground 탭의 Form 보기를 유지하세요. 실행하려면 잔액이 있는 계정으로 로그인하세요.
Text에 대본을 붙여넣거나 Sample script를 누르세요. [whispers], [sighs] 같은 대괄호 지시를 영향을 줄 단어 바로 앞에 넣으세요.
Voice를 선택하세요(기본값 Kore). 원하면 Style, Pace, Accent도 선택하세요. Delivery instructions와 Scene은 낭독을 조절하지만 읽히지 않습니다.
모델을 실행하고 Preview를 재생한 다음 Download를 눌러 파일을 저장하세요.

Grok TTS에서도 같은 절차를 따릅니다. 대신 Voice, Language, Speed를 쓰고 <whisper>…</whisper> 같은 태그는 Text에 넣습니다. 재시도할 때는 필드 하나씩 바꾸세요.

다음으로 코드에서 실행하기

Python SDK를 설치하고(pip install spicyapi) 환경에 SPICY_API_KEY를 설정한 후 실행하세요.

python

import uuid
from spicyapi import SpicyClient, output_assets

client = SpicyClient()  # reads SPICY_API_KEY from the environment

task = client.create_task(
    model="google/gemini-3.8-flash-tts/text-to-speech",
    input_data={
        "text": "[whispering] You made it. I was starting to think you had changed your mind. [sighs] Stay a little longer.",
        "voice_id": "Kore",
        "instructions": "Quiet and warm, speaking to one adult listener.",
    },
    idempotency_key=str(uuid.uuid4()),
)

print("Resume task:", task["taskId"], flush=True)
final = client.wait_for_terminal(task["taskId"])
if final["state"] != "succeeded":
    raise RuntimeError(f"{task['taskId']} ended as {final['state']}: {final.get('errorCode')}")
assets = output_assets(final)
if not assets or any(a.get("pending") or a.get("unavailable") or not a.get("url") for a in assets):
    raise RuntimeError(f"Task {task['taskId']} has no ready output; check this task before a new run")
print(assets[0]["url"])  # copy the audio to your own storage now

Grok TTS를 사용하려면 model을 xai/grok-tts/text-to-speech로, 입력을 {"text": "<whisper>You made it.</whisper> [pause] I was starting to think you had changed your mind. [sigh] Stay a little longer.", "voice_id": "eve", "language": "en"}로 바꾸세요. 생성, 대기, 다운로드, 재시도는 작업 가이드와 Python SDK 참조에 설명되어 있습니다.

또는 Agent에 실행 맡기기

어시스턴트가 대본을 음성으로 만들게 하려면, 세 공식 도구 모두 가격을 표시하고 유료 호출 전에 확인을 요청합니다.

CLI. input 객체를 input.json에 넣고 다음을 실행하세요.

``bash spicyapi tasks create --model google/gemini-3.8-flash-tts/text-to-speech --input-file input.json --wait ``

CLI 문서를 참고하세요. npx @spicyapi/cli는 설치 없이 동작합니다.

MCP 서버. 어시스턴트에 MCP 서버를 추가하고 "Read this script with Gemini 3.8 Flash TTS in the Kore voice."라고 요청하세요. spicyapi_task_create를 호출해 가격 확인을 기다린 다음 spicyapi_task_wait를 호출합니다.
Skill. npx skills add spicyapi-ai/spicy-skill로 Agent Skill을 설치합니다. 코딩 어시스턴트가 필드를 추측하는 대신 현재 모델 스키마를 읽게 합니다.

자주 묻는 질문

노골적인 대본을 거부하거나 완화하는 모델이 있나요?

없습니다. 9개 모두 노골적인 테스트 대본을 끝까지 읽었습니다.

영어가 아닌 대본도 되나요?

영어만 지원하는 Chatterbox를 제외하고 됩니다. Gemini Flash와 Flash-Lite는 130+개와 100+개 언어를 감지합니다. MiniMax는 40개, Grok은 20개, Seed Speech와 Qwen3는 각각 10개 언어를 명시합니다.

`[moaning]` 같은 지시를 가장 안정적으로 연기하는 모델은 무엇인가요?

Gemini 2.5 Pro TTS, Gemini 3.8 Flash TTS, Grok TTS, MiniMax Speech 2.8은 대부분의 테이크에서 태그를 소리로 연기합니다. Gemini 3.8 Flash-Lite TTS는 가끔, Chatterbox는 항상 태그 단어를 읽으므로 이 둘에서는 소리를 글자로 쓰세요.