Edge-TTS 한국어 음성 생성 시 발음 오류와 자막 싱크 문제 해결 방법

 

유튜브 쇼츠 자동화 시스템을 구축하면서 TTS 엔진 선택이 생각보다 큰 고민이었다.

ElevenLabs는 품질이 좋지만 비용이 발생한다. OpenAI TTS도 마찬가지다. 무료로 쓸 수 있으면서 한국어 품질이 괜찮은 걸 찾다가 Edge-TTS를 선택했다. Microsoft Edge 브라우저의 음성 합성 기술을 무료로 사용할 수 있는 라이브러리다.

실제로 써보니 한국어 품질은 생각보다 훨씬 좋았다. 다만 두 가지 문제가 있었다. 영문 혼재 시 발음 오류, 그리고 자막 싱크 불일치다. 이 글에서는 UGREEN DXP4800PLUS NAS Docker 환경에서 Edge-TTS를 설치하고, 실제로 겪은 문제와 해결 방법을 정리한다.

왜 Edge-TTS를 선택했는가

TTS 엔진 선택 기준은 세 가지였다.

  • 무료 또는 저비용
  • 한국어 품질
  • Python 연동 가능

비교 결과:

TTS비용한국어 품질
ElevenLabs유료최상
OpenAI TTS유료상
Clova유료상
Edge-TTS무료중상
gTTS무료중

Edge-TTS는 무료이면서 한국어 품질이 실용적인 수준이었다. 특히 ko-KR-SunHiNeural 목소리는 자연스러운 억양으로 쇼츠 자동화에 충분히 사용 가능했다.

실제로 생성한 음성을 유튜브 쇼츠 테스트 영상에 적용해 보니 TTS 특유의 기계음이 완전히 사라진 것은 아니었지만, 무료 서비스라는 점을 고려하면 충분히 실사용 가능한 수준이었다.

특히 30~40초 길이의 AI 자동화 관련 쇼츠에서는 시청자들이 TTS라는 사실을 거의 인지하지 못했다.

NAS Docker 환경에서 Edge-TTS 설치

UGREEN DXP4800PLUS NAS에 SSH로 접속한 후 설치한다.

bash
pip3 install edge-tts --break-system-packages


설치 확인:

bash
edge-tts --version
# edge-tts 7.2.8


사용 가능한 한국어 목소리 확인:

bash

edge-tts --list-voices | grep ko-KR


주요 한국어 목소리:

  • ko-KR-SunHiNeural (여성, 자연스러운 억양)
  • ko-KR-InJoonNeural (남성, 안정적인 톤)

기본 음성 생성

Python에서 사용하는 기본 방법이다.

python
import asyncio
import edge_tts

async def generate_tts(text: str, output_path: str):
    tts = edge_tts.Communicate(text, "ko-KR-SunHiNeural")
    await tts.save(output_path)

asyncio.run(generate_tts("안녕하세요. 테스트입니다.", "/tmp/test.mp3"))


명령줄에서 바로 생성하는 방법:

bash
edge-tts \
  --voice "ko-KR-SunHiNeural" \
  --text "안녕하세요 테스트입니다" \
  --write-media /tmp/test.mp3

실제로 겪은 문제 ① 영문 혼재 시 발음 오류

쇼츠 자동화 대본에는 영문이 자주 섞인다.

"ChatGPT vs Claude 비교"
"YouTube Data API 쿼터 절약"
"n8n으로 자동화하기"

이걸 그대로 TTS에 넣으면 발음이 어색해진다.

vs      → "브이에스" 또는 "브스"
API     → "에이피아이" 또는 이상한 발음
GPT     → "지피티" 또는 "그피트"
n8n     → 읽지 못함
%       → 무시하거나 "퍼센트"
$       → 무시하거나 "달러"

해결 방법: TTS 전처리 규칙 적용

python
def preprocess_for_tts(text: str) -> str:
    replacements = {
        " vs ":   " 대 ",
        " VS ":   " 대 ",
        "ChatGPT": "챗지피티",
        "GPT":    "지피티",
        "API":    "에이피아이",
        "n8n":    "엔에잇엔",
        "NAS":    "나스",
        "Docker": "도커",
        "FastAPI": "패스트에이피아이",
        "%":      "퍼센트",
        "$":      "달러",
        "#":      "",
    }
    for old, new in replacements.items():
        text = text.replace(old, new)
    return text

전처리 후 TTS 생성:

python
raw_text = "ChatGPT vs Claude 비교, API 쿼터는 10,000유닛"
clean_text = preprocess_for_tts(raw_text)
# "챗지피티 대 Claude 비교, 에이피아이 쿼터는 10,000유닛"

await generate_tts(clean_text, "/tmp/output.mp3")

실제로 겪은 문제 ② 자막 싱크 불일치

처음에는 텍스트를 줄 수로 균등 분할해서 SRT 자막을 만들었다.

python
# 초기 방식 - 문제 있음
sentences = text.split("\n")
per = total_duration / len(sentences)
# 각 문장에 균등하게 시간 배분

문제는 문장 길이가 달라도 같은 시간이 배분된다는 것이었다.

"안녕"          → 0.5초면 충분한데 5초 배분
"정말 길고 복잡한 문장입니다" → 5초가 필요한데 0.5초 배분

결과적으로 음성과 자막이 전혀 맞지 않았다.


해결 방법: Edge-TTS --write-subtitle 옵션 사용

Edge-TTS는 음성 생성 시 정확한 타임스탬프가 포함된 자막 파일을 함께 생성할 수 있다.

bash
edge-tts \
  --voice "ko-KR-SunHiNeural" \
  --text "안녕하세요 테스트입니다" \
  --write-media /tmp/output.mp3 \
  --write-subtitle /tmp/output.vtt

생성된 VTT 파일:

WEBVTT

00:00:00.000 --> 00:00:01.250
안녕하세요

00:00:01.250 --> 00:00:02.800
테스트입니다


실제 발화 타이밍 그대로 자막이 생성된다. 균등 분할 방식과 비교하면 싱크 정확도가 완전히 다르다.

Python에서 사용하는 방법:

python
import asyncio
import edge_tts

async def generate_tts_with_subtitle(text: str, audio_path: str, subtitle_path: str):
    tts = edge_tts.Communicate(text, "ko-KR-SunHiNeural")
    
    with open(audio_path, "wb") as audio_file, \
         open(subtitle_path, "w", encoding="utf-8") as sub_file:
        async for chunk in tts.stream():
            if chunk["type"] == "audio":
                audio_file.write(chunk["data"])
            elif chunk["type"] == "WordBoundary":
                # 단어별 타임스탬프 활용 가능
                pass
    
    await tts.save(audio_path)

asyncio.run(generate_tts_with_subtitle(
    "안녕하세요 테스트입니다",
    "/tmp/output.mp3",
    "/tmp/output.vtt"
))

쇼츠 자동화 파이프라인 적용

현재 운영 중인 유튜브 쇼츠 자동화 파이프라인에서 Edge-TTS는 이 위치에 있다.

YouTube API 트렌드 수집
↓
AI 언어 모델 대본 생성
↓
TTS 전처리 (발음 오류 수정)
↓
Edge-TTS 음성 생성 + VTT 자막
↓
FFmpeg 영상 합성
↓
drafts 폴더 저장

실제 운영 코드 구조:

python
async def generate_video(trend_data: dict):
    # 1. 대본 전처리
    raw_script = trend_data["full_text"]
    clean_script = preprocess_for_tts(raw_script)
    
    # 2. TTS + 자막 생성
    await generate_tts_with_subtitle(
        clean_script,
        "/tmp/output.mp3",
        "/tmp/output.vtt"
    )
    
    # 3. FFmpeg 합성
    compose_video("/tmp/output.mp3", "/tmp/output.vtt")

마무리

Edge-TTS는 무료 TTS 중에서 한국어 품질이 가장 실용적인 수준이다. 다만 두 가지는 반드시 고려해야 한다.

첫째, 영문 혼재 시 전처리 규칙이 필요하다. vs, API, GPT 같은 용어는 미리 한국어로 변환해야 자연스러운 발음이 나온다.

둘째, 자막 싱크는 균등 분할 방식이 아니라 --write-subtitle 옵션으로 실제 발화 타이밍 기반으로 생성해야 한다.

이 두 가지만 해결하면 쇼츠 자동화에 충분히 사용 가능한 품질이 나온다.

관련 글

댓글

댓글 쓰기

이 블로그의 인기 게시물

UGREEN DXP4800PLUS NAS로 유튜브 쇼츠 자동화 시스템 구축기 (Docker · FastAPI · PostgreSQL · Edge-TTS)

이미지
 집에 NAS가 있다면 유튜브 쇼츠 자동화 시스템을 직접 구축할 수 있다. 이 글은 UGREEN DXP4800PLUS NAS 위에서 실제로 운영 중인 쇼츠 자동화 파이프라인 구축 과정을 기록한 실전 후기다. 현재 운영 현황 (2026년 6월 기준) 수집 영상: 676개 저장 스냅샷: 38,134개 성장률 계산 성공률: 95.1% 트렌드 클러스터: 10종 (IT_DEVICE, AI/자동화, 연예/엔터 등) 자동 영상 생성: Video Factory v2 개발 중 단순 성공 사례가 아니다. FastAPI 404 오류, 분류기 정확도 문제, 영상 생성 실패까지 실제 겪은 삽질과 해결 과정을 함께 담았다. 전체 파이프라인 구조 YouTube API 수집 (30분마다) ↓ PostgreSQL 저장 ↓ 성장률 계산 ↓ content_cluster 분류 (10종) ↓ format_type 분류 (6종) ↓ 트렌드 대시보드 ↓ AI 대본 자동 생성 ↓ Edge-TTS 음성 생성 ↓ FFmpeg 영상 합성 ↓ drafts 폴더 저장 처음에는 간단한 스크립트 몇 개면 끝날 줄 알았다. 실전은 달랐다. FastAPI app.mount("/") 사용 시 API 404 오류 해결 방법 FastAPI에서 정적 파일을 서빙할 때 이런 코드를 썼다. # 오류 코드 - API가 전부 404 app . mount ( "/" , StaticFiles ( directory = "static" , html = True ) , name = "static" ) @app . get ( "/api/trends" ) async def get_trends ( ) : . . . API 호출마다 404가 났다. 원인은 라우팅 우선순위였다. app.mount("/") 가 상단에 있으면 뒤에 선언된 모든 엔드포인트가 무시된다. # 해결 코드 - 항상 moun...
자세한 내용 보기

YouTube Data API 쿼터 초과를 피하는 방법 (700개 쇼츠 수집 사례)

이미지
  처음에는 단순히 API 몇 개 호출하면 끝날 줄 알았다. UGREEN DXP4800PLUS NAS 위에서 유튜브 쇼츠 자동화 시스템을 구축하면서 YouTube Data API를 쓰기 시작했는데, 실제로 운영해보니 쿼터 관리가 더 큰 문제였다. YouTube Data API를 사용해 쇼츠 수집기나 트렌드 분석 시스템을 만들다 보면 쿼터(Quota) 부족 오류를 한 번쯤 겪게 된다. 하루 10,000유닛이면 사실상 무제한이라고 생각했는데, 글로벌 AI 키워드를 몇 개 추가하고 나서 하루도 지나지 않아 쿼터 부족 오류가 발생했다. 로그를 확인해보니 범인은 search.list 였다. 같은 API라도 videos.list 는 1유닛인데 search.list 는 100유닛이다. 이 차이를 이해하기 전까지는 쿼터가 왜 사라지는지 전혀 감이 오지 않았다. 약 700개 영상, 4만 개 이상의 스냅샷을 수집하는 과정에서 부딪힌 쿼터 제한과 해결 방법을 정리한다. YouTube Data API 기본 제한 사항 YouTube Data API v3는 무료로 제공되지만 일일 쿼터(Quota)가 존재한다. 기본 할당량: 하루 10,000 유닛 주요 API별 소비 유닛: videos.list : 1 유닛 search.list : 100 유닛 channels.list : 1 유닛 search.list 가 videos.list 보다 100배 비싸다. 처음에 이걸 몰라서 쿼터를 빠르게 소진했다. 실제로 겪은 문제들 문제 1: search.list 남용으로 쿼터 소진 초기 수집기는 이런 구조였다. # 초기 구조 - 쿼터 낭비 search_results = search . list ( q = "쇼츠" , type = "video" ) # 100 유닛 for video in search_results : detail = videos . list ( id = video . id ) # 1 유닛씩 s...
자세한 내용 보기

FastAPI app.mount 사용 후 API가 404가 되는 이유와 해결 방법

이미지
필자는 UGREEN DXP4800PLUS NAS 환경에서 Docker 기반 유튜브 쇼츠 자동화 시스템을 운영하고 있다. FastAPI와 PostgreSQL로 트렌드 수집 대시보드를 구축하던 중 모든 API 엔드포인트가 404를 반환하는 문제를 겪었다. 처음에는 PostgreSQL 연결 문제라고 생각했다. API가 전부 404를 반환하니 DB 연결이 끊어진 줄 알았다. docker compose logs로 컨테이너 로그를 뒤졌고, curl로 직접 호출해보니 FastAPI까지 요청이 들어오지도 않았다. 결국 원인은 app.mount("/") 한 줄이었다. 수정하고 나서 허탈했다. 30분을 날렸다.  app.mount("/") 선언 위치 하나 때문이었다. 수정 후 즉시 정상 동작했다. 이 글에서는 해당 오류의 원인과 해결 방법, 그리고 FastAPI 내부 동작 원리까지 정리한다. 문제 상황 아래와 같이 코드를 작성했을 때 /api/trends 엔드포인트가 404를 반환한다. from fastapi import FastAPI from fastapi . staticfiles import StaticFiles app = FastAPI ( ) # 정적 파일 마운트 app . mount ( "/" , StaticFiles ( directory = "static" , html = True ) , name = "static" ) # API 엔드포인트 선언 @app . get ( "/api/trends" ) async def get_trends ( ) : return { "status" : "success" } 코드 자체는 문법적으로 문제가 없다. 하지만 실행하면 /api/trends 호출 시 404가 반환된다. 원인 분석 FastAPI는 라우팅 처리 시 선언 순서대로 매칭 을 시도한다....
자세한 내용 보기