한국어 AI 음성 대본에 숫자를 ’11시’처럼 쓰든 ‘열한 시’처럼 풀어 쓰든, 이번 비교에서 자동자막의 숫자는 똑같이 나왔습니다. 두 판 모두 자막이 ’11시 40분’, ‘3250m’처럼 숫자로 정리됐기 때문에, 자막을 보고 음성이 ‘열한 시’로 읽었는지 ‘십일 시’로 읽었는지는 알 수 없습니다. 숫자를 어떻게 읽었는지는 그 구간을 직접 들어서 확인해야 합니다.
어떤 질문을 확인했나요?
어제(10월 22일) 글 TTS 자동자막, 숫자는 맞았는데 ‘말미잘이’가 ‘말미자리’로에서는 숫자를 한글로 풀어 쓴 대본만 시험했고, 아라비아 숫자로 쓴 대본과는 비교하지 않았다고 적었습니다. 오늘은 그 빈칸을 채우기 위해 숫자 표기 하나만 바꾼 두 대본을 만들었습니다.
어떻게 시험했나요?
- A판(숫자 그대로): 2023년, 수심 3,250m, 2.5번째 초안, 밤 11시 40분, 쉼 15%, 30초
- B판(한글로 풀어 씀): 이천이십삼 년, 삼천이백오십 미터, 이 점 오 번째, 열한 시 사십 분, 십오 퍼센트, 삼십 초
- 나머지 문장은 같습니다. 두 판 모두 ‘NOAA’라는 영문 약어를 그대로 두었습니다.
- 음성: 로컬 VoxCPM2(무료 오픈 모델, CPU, 같은 설정)로 판마다 1회 합성했습니다. 두 판 모두 같은 합성 내레이터 참조음성을 썼습니다(실존 인물 목소리가 아닌 AI 합성 음성).
- 자막: 로컬 Whisper large-v3-turbo로 한국어 지정, 후편집 없이 판마다 1회 받아 적었습니다.
완성 길이는 A판 13.92초, B판 15.20초였습니다. B판이 더 길지만 대본 글자 수도 더 많아서, 이 차이를 숫자 읽기 방식 때문이라고 말할 수는 없습니다.
자막은 어떻게 나왔나요?
| 대본 위치 | A판 자막 | B판 자막 |
|---|---|---|
| 연도 | 2023년 | 2023년 |
| 수심 | 3250m | 3250m |
| 초안 번호 | 2.5번째 | 2.5번째 |
| 시각 | 11시 40분 | 11시 40분 |
| 비율 | 15% | 15% |
| 길이 | 30초 안으로 | 30초안으로 |
| NOAA | 오후의 | NOAA |
| 맞췄습니다 | 마쳤습니다 | 마쳤습니다 |
숫자 여섯 곳은 두 판이 글자까지 같았습니다. B판의 ’30초안으로’는 띄어쓰기만 붙었습니다. 숫자가 아닌 곳에서 두 가지가 달랐습니다. 마지막 동사 ‘맞췄습니다’는 두 판 모두 ‘마쳤습니다’로 받아 적혔고, 영문 약어 ‘NOAA’는 A판에서만 ‘오후의’라는 전혀 다른 말이 됐습니다.
왜 자막만 보고 판단하면 안 되나요?
이번 자동자막은 들은 숫자를 아라비아 숫자로 정리해서 적었습니다. 그래서 대본에 ’11시’라고 쓴 A판을 음성이 ‘열한 시’로 읽었든 ‘십일 시’로 읽었든, 자막에는 둘 다 ’11시’로 나올 수 있습니다. 실제로 B판처럼 ‘열한 시’라고 풀어 쓴 대본도 자막은 ’11시’였습니다. 즉 자막의 숫자가 맞다는 것은 ‘숫자 값이 들렸다’는 뜻일 뿐, 원하는 읽기 방식으로 읽었다는 증거는 아닙니다.
‘NOAA’가 A판에서만 ‘오후의’가 된 이유는 이번 자료로는 알 수 없습니다. 음성이 약어를 다르게 발음했을 수도 있고, 받아 적는 쪽이 앞의 숫자 문맥 때문에 다르게 들었을 수도 있습니다. 같은 대본을 다시 합성하면 결과가 달라질 수도 있습니다.
그래서 어떻게 쓰기로 했나요?
한국어는 같은 숫자를 ‘열한 시’처럼 고유어로도, ‘십일 분’처럼 한자어로도 읽습니다. 시각·개수처럼 읽는 방식이 정해진 숫자는 대본에 원하는 읽기대로 한글로 풀어 쓰고, 자막에는 읽기 쉬운 숫자를 남기는 방식을 계속 쓰기로 했습니다. ElevenLabs 공식 도움말도 숫자·약어·날짜·기호를 AI가 읽기를 바라는 방식대로 글자로 풀어 쓰라고 권합니다(2026년 10월 23일 다시 확인). 이 권고는 ElevenLabs 기준이며, 우리가 쓴 VoxCPM2에서도 같은지 따로 검증한 것은 아닙니다. 출처: ElevenLabs 도움말 — 숫자·날짜 발음.
이 결과로 말할 수 없는 것
- 판마다 합성 1회, 자막 전사 1회의 결과입니다. 같은 결과가 늘 나온다는 뜻은 아닙니다.
- 자막은 실제 발음을 증명하지 않으며, 이 시험만을 위한 사람의 청취 확인은 하지 않았습니다. 그래서 A판이 ’11시’를 ‘열한 시’로 읽었는지는 이 글에서 판정하지 않습니다.
- ‘NOAA’ 오전사가 음성 탓인지 전사 탓인지 분리하지 않았습니다.
- 로컬 음성 모델 1개와 받아쓰기 모델 1개만 썼고, 다른 서비스나 텍스트 정규화 기능은 시험하지 않았습니다.
따라 해 볼 순서
- 대본에서 시각·개수·소수·퍼센트처럼 읽는 방식이 갈리는 숫자를 표시합니다.
- 원하는 읽기 방식이 있는 숫자는 ‘열한 시 사십 분’처럼 한글로 풀어 씁니다.
- 자동자막을 만든 뒤 숫자 값이 맞는지 보되, 그것으로 발음 확인을 끝내지 않습니다.
- 표시한 숫자 구간과 영문 약어 구간은 음성을 직접 들어 읽기 방식을 확인합니다.
- 숫자 외 단어(동사 끝, 약어)도 대본과 자막을 한 줄씩 맞대어 틀린 곳만 자막에서 고칩니다.
자주 묻는 질문
자막에 숫자가 맞게 나오면 음성도 맞게 읽은 건가요?
이번 비교에서는 그렇게 볼 수 없었습니다. ’11시’로 쓴 판과 ‘열한 시’로 쓴 판의 자막이 모두 ’11시 40분’이었기 때문에, 자막은 읽기 방식을 구분하지 못했습니다. 읽기 방식은 그 구간을 들어서 확인해야 합니다.
영문 약어는 그대로 둬도 되나요?
이번에는 ‘NOAA’를 두 판 모두 그대로 두었는데, 숫자 그대로 쓴 판에서만 자막이 ‘오후의’로 나왔습니다. 한 번의 결과라 원인은 모르지만, 약어가 들어간 문장은 자막과 음성을 따로 확인하는 편이 안전합니다.