Eleven V4

Eleven V4가 잘하는 것과 부족한 것

Eleven V4는 합성 보이스오버에서 가장 어려운 부분인 연기에 대한 ElevenLabs의 답입니다. 대부분의 텍스트 음성 변환은 단어를 정확히 읽지만, 배우처럼 읽어 내는 경우는 드뭅니다. ElevenLabs는 2026년 9월 새로운 아키텍처로 Eleven v4를 공개했고, 지금까지 가장 감정이 풍부한 모델이라고 소개합니다.

대표 기능은 대본 안에서 바로 하는 연출입니다. [laughs], [whispers], [sighs] 같은 태그를 일어나야 할 위치에 쓰면, v4가 v3보다 더 안정적으로 순서대로 연기합니다. 한 줄이 차분하게 시작해 웃음이 터지고 속삭임으로 내려앉을 수도 있습니다. 이런 감정 표현은 90개 이상의 언어에서 이어지므로, 같은 목소리로 같은 연기를 여러 시장에 맞게 현지화하는 일이 현실적입니다.

모델은 두 가지 버전입니다. Standard는 표현력이 가장 뛰어나 완성본 보이스오버에 알맞습니다. Turbo는 연기가 거의 그대로이고 오디오가 더 빨리 나오며 비용도 훨씬 낮아서, 긴 내레이션·초안·대량 작업의 기본값으로 적합합니다. ZOOOP에서는 엄선한 20가지 음성 중에서 고르고 **안정성(Stability)**을 설정합니다. 낮추면 더 생동감 있고 변화가 많게, 높이면 긴 대본의 모든 줄이 일관되게 읽힙니다.

부족한 점도 있습니다. 한 번 생성에 최대 5,000자까지만 들어가므로 긴 대본은 나누어야 합니다. 별도의 스타일 입력란이 없고 연출은 텍스트 안의 태그로 넣습니다. 대본은 깔끔하게 두고 읽는 방식을 따로 설명하고 싶다면(“따뜻하고 느리게”, “극적인 뉴스 방송처럼”) 그렇게 설계된 Gemini 3.8 Flash TTS가 맞습니다. ZOOOP의 Eleven V4에서는 음성 복제를 사용할 수 없습니다.

합리적인 활용 기준은 이렇습니다. 내레이션과 캐릭터 음성의 기본값은 Eleven V4로 두고, 최종 믹스에는 Standard를, 초안과 긴 낭독에는 Turbo를 쓰세요. 스타일 지시가 필요하면 Gemini 3.8 Flash TTS, 기존 v3 프로젝트와 맞추려면 Multilingual V3, 목소리를 말하는 영상으로 만들려면 Kling Avatar V2를 선택하세요.