잘 만든 AI 아바타 영상도 한 가지 때문에 어색해질 수 있습니다. 스크립트를 '연기'하지 않고 '읽기만' 하는 목소리입니다. 립싱크도 맞고 화면 구성도 좋은데, 첫 문장과 마지막 문장의 톤이 똑같습니다.
ElevenLabs가 2026년 9월 28일 공개한 Eleven v4는 바로 이 문제를 겨냥한 모델이고, AI Studios에도 이제 v4가 적용됐습니다. 이 글에서는 v4가 무엇이 달라졌는지, AI Studios에서 영상을 만들 때 어떤 차이가 있는지, 그리고 v4를 제대로 활용하는 스크립트 작성법을 정리합니다.
ElevenLabs Eleven v4란?
Eleven v4는 ElevenLabs의 최신 TTS(텍스트 음성 변환) 모델입니다. 핵심은 단어를 정확히 발음하는 것을 넘어, 스크립트에서 톤·속도·감정·캐릭터·맥락을 읽어내 '연기'하는 데 있습니다.
모델은 두 가지입니다. Eleven v4는 영상·콘텐츠 제작용 기본 모델이고, Eleven v4 Turbo는 같은 구조를 속도에 맞춰 조정한 실시간 보이스 에이전트용 모델입니다.
ElevenLabs가 출시와 함께 공개한 수치는 다음과 같습니다.
- Artificial Analysis TTS 리더보드 1위 (2026년 9월)
- 경쟁 모델과의 블라인드 비교에서 청취자 약 75%가 v4 선호
- v4 Turbo 기준, 첫 음성이 나오기까지 평균 약 150ms
스크립트 작성 방식도 바뀝니다. SSML 같은 별도 마크업 대신, [laughs], [whispers], [light rain]처럼 자연어 태그를 문장 사이에 그대로 넣으면 됩니다.
v4에서 좋아진 5가지
1. 더 풍부해진 이모션 태그
v4는 v3보다 더 다양한 지시를 이해하고, 특히 태그가 연달아 나올 때도 더 안정적으로 따릅니다. 기본 감정을 넘어 [said angrily in a French accent] 같은 연기 지시나 [door slams] 같은 효과음 지시도 가능합니다.
2. 90개 이상 언어 지원
지원 언어가 90개 이상으로 늘었습니다. 한 목소리가 각 언어를 현지 악센트로 말하고, 번역된 스크립트에서도 리듬과 감정이 밋밋해지지 않습니다.
3. 같은 화자는 끝까지 같은 목소리
이전 모델에서는 문단이나 영상이 바뀔 때 목소리가 미묘하게 달라지는 경우가 있었습니다. v4는 여러 화자가 나오는 대화에서도 음성 왜곡 없이 화자의 목소리를 일관되게 유지합니다.
4. 긴 스크립트도 문맥이 이어집니다
v4는 문장을 하나씩 따로 읽지 않고 스크립트 전체를 하나의 흐름으로 읽습니다. 덕분에 10분짜리 교육 영상도 짧은 클립 40개를 이어 붙인 듯한 느낌 없이 톤과 속도가 자연스럽게 이어집니다.
5. 첫 음성까지 평균 150ms
v4 Turbo 기준으로 첫 음성이 들리기까지 중간값 약 150ms, 추론 지연은 약 100ms입니다. ElevenLabs가 밝힌 경쟁 모델은 262~814ms 수준입니다. 이 차이가 대화형 서비스에서 자연스러운 주고받기를 가능하게 합니다.
AI Studios에서 달라지는 점
AI Studios 사용자에게는 두 가지가 달라집니다.
이모션 태그가 v4로 생성됩니다. 지금까지 AI Studios에서 이모션 태그를 넣은 스크립트는 Eleven v3로 음성이 만들어졌습니다. 이제 v4가 적용돼, 작성 방식은 그대로여도 더 넓은 태그 범위와 더 정확한 태그 반영을 경험할 수 있습니다.
목소리가 일관됩니다. 강의 시리즈, 제품 소개, 주간 업데이트처럼 같은 아바타와 목소리가 계속 등장하는 콘텐츠에서, 장면과 영상이 바뀌어도 목소리가 흔들리지 않습니다. 시청자는 '비슷한 목소리'가 아니라 한 명의 발표자를 듣게 됩니다.
이모션 태그로 스크립트 쓰는 법
태그는 꾸밈이 아니라 배우에게 주는 연기 지시라고 생각하면 쉽습니다. 톤이 바뀌어야 하는 문장 바로 앞에 넣으세요.
태그가 없는 스크립트:
다시 만나서 반갑습니다. 지난주에는 온보딩을 다뤘죠. 오늘은 거의 모든 신입 팀이 하는 실수 한 가지를 살펴보겠습니다.
The same script with direction:
[warmly] 다시 만나서 반갑습니다. 지난주에는 온보딩을 다뤘죠.
[pauses] [lowers voice] 오늘은 거의 모든 신입 팀이 하는 실수 한 가지를 살펴보겠습니다.
도움이 되는 습관:
- 바뀌는 지점에만 태그를. 스크립트 전체가 따뜻한 톤이라면 맨 앞에 하나면 충분합니다.
- 구체적으로. [happy]보다 [sighs, relieved]가 모델에게 더 많은 단서를 줍니다.
- 스크립트는 통째로. v4는 전체 맥락을 읽기 때문에, 짧은 장면으로 쪼개기보다 전체를 넣는 쪽이 호흡이 자연스럽습니다.
- 한 번 듣고, 한 번 고치기. 전체 영상을 만들기 전에 첫 장면을 미리 들어보세요.
차이가 드러나는 곳
자주 묻는 질문
일레븐랩스 v4란 무엇인가요?
2026년 9월 28일 공개된 ElevenLabs의 최신 TTS 모델입니다. 감정 표현에 집중한 모델로, 90개 이상 언어를 지원하고 저지연 Turbo 버전도 있습니다.
AI Studios에서도 v4를 쓸 수 있나요?
네. 이모션 태그를 넣은 스크립트는 이제 v3 대신 Eleven v4로 음성이 생성됩니다.
기존 스크립트를 고쳐야 하나요?
아니요. 쓰던 태그는 그대로 작동하고, v4는 더 정확하게 반영하며 더 많은 태그를 지원합니다.
이모션 태그가 무엇인가요?
[laughs], [whispers]처럼 대괄호 안에 넣는 짧은 연기 지시입니다. 스크립트 안에 넣어 문장의 톤을 조절합니다.
몇 개 언어를 지원하나요?
90개 이상입니다. 한 목소리로 각 언어를 현지 악센트에 가깝게 말할 수 있습니다.
다음 스크립트에서 바로 확인해 보세요
차이를 듣는 가장 쉬운 방법은 이미 만든 스크립트에 톤이 바뀌어야 할 지점 두세 곳에 태그를 넣고 다시 생성해 보는 것입니다. AI Studios에서 다음 영상부터 시작해 보세요.
출처
- Eleven v4: Our most expressive text-to-speech AI model yet (ElevenLabs 블로그)
- Eleven v4 제품 페이지 (ElevenLabs)
- ElevenLabs Launches Eleven V4 With Low-Latency Turbo Variant (Unite.AI)
