Fish Audio로 게임 캐릭터 목소리 입히기: 〈이세계에서 살아남기〉 제작 가이드

게임 화면 위쪽의 제작 단계 버튼으로 제작 과정을 일곱 단계로 나눠 볼 수 있습니다. 규칙과 화면 구조만 있는 코드에서 시작해 초상화와 배경, 행동별 반복 영상, 아이템과 대화, 주민 사건 연출, 배경 음악이 차례로 붙고, 목소리는 마지막 일곱 번째 단계입니다.

캐릭터 그림: GPT Image 2.5 Flare와 Sunburst

캐릭터 그림은 GPT Image 2.5로 만들었습니다. 이 모델은 Flare와 Sunburst 두 가지로 나옵니다. OpenAI 모델 문서는 Flare를 일상적인 고품질 이미지 생성에 가장 빠른 모델로, Sunburst를 이미지 생성과 편집에서 가장 뛰어난 모델로 소개합니다. 문서의 속도 표시는 Flare가 매우 빠름, Sunburst가 중간입니다.

어느 쪽이 게임에 맞는지 보려고 첫 상인 캐릭터 로제를 같은 프롬프트로 두 모델에서 한 장씩 뽑았습니다. 조건은 medium 품질, 1K, 2:3 비율, 투명 배경이었습니다.

Flare는 부드럽게 칠한 느낌이었고, 들고 있는 장부가 이미지 끝에 닿았습니다. Sunburst는 선이 또렷하고 옷 장식 같은 디테일이 더 살아 있었습니다. 그래서 게임에 나오는 인물은 전부 Sunburst로 만들고, 이 로제 그림을 이후 캐릭터의 그림체 기준으로 삼았습니다.

그림체를 정한 뒤에도 초안을 그대로 쓰지는 않았습니다. 처음 만나는 상인인데 이미 편하게 웃고 있어서 첫 만남 장면과 맞지 않았기 때문입니다. 로제를 max 품질·4K로 다시 생성한 다음, 그 이미지를 참조로 넣어 얼굴과 의상은 유지하고 표정과 자세만 바꿨습니다.

새 주민을 만들 때도 같은 기준을 썼습니다. 로제 원본을 스타일 참조로 넣고, 인물마다 실루엣과 직업 소품만 확실히 구분했습니다.

검술 사범 가릭의 훈련 영상은 Sunburst로 그린 원화를 MiniMax H3에 넣어 8초짜리 2K 영상으로 만들었습니다. 훈련 단계에 따라 초급은 허수아비, 중급은 고블린과 오크, 상급은 오우거를 상대하는 영상으로 바뀝니다. 그림과 영상을 뽑는 자세한 프롬프트는 이 시리즈의 다음 편에서 따로 다룹니다.

자막만 나오는 대사는 왜 밋밋한가

게임에서 주민과 대화하는 장면은 캐릭터 그림, 이름, 대사 자막으로 이뤄집니다. 그림이 아무리 정성스러워도 대사가 글자로만 지나가면 캐릭터가 살아 있다는 느낌이 약합니다. 마법 훈련에서 벨라도나가 "마력이라곤 한 방울도 안 느껴지는 꼬마가 왔네"라고 말할 때, 이 문장을 읽는 것과 목소리로 듣는 것은 전혀 다릅니다.

문제는 분량입니다. 마법사 한 명만 해도 첫 만남, 훈련, 식사, 소풍, 선물, 관계 이벤트마다 대사가 있어 수십 줄이 넘습니다. 이 대사를 전부 직접 녹음하거나 성우를 구하기는 현실적으로 어렵습니다. 그래서 진짜 사람처럼 들리는 AI 목소리를 쓰기로 했습니다.

게임에는 주민이 여섯 명 나옵니다. 영상을 찍을 때는 상인 로제와 마법사 벨라도나 두 명에게만 목소리가 있었고, 가릭, 브리나, 토마, 오스왈드 네 명은 자막뿐이었습니다. 아래에서는 가릭에게 목소리를 붙이는 과정을 순서대로 보여 드립니다.

Fish Audio에서 캐릭터 목소리 고르기

Fish Audio는 텍스트 음성 변환(TTS), 음성 복제, 음성 디자인을 제공하는 AI 음성 서비스입니다. Fish Audio가 현재 가장 앞선 음성 모델로 소개하는 S2.1 Pro는 한국어를 포함해 83개 언어를 지원합니다. 제가 로제에게 입힌 목소리도 Fish Audio 보이스 라이브러리에 있는 목소리였는데, 전에 써 본 다른 AI 목소리보다 훨씬 생동감이 있었습니다.

보이스 라이브러리에서 필터로 찾기

라이브러리에는 다른 사용자가 만들어 공개한 목소리가 많아서, 필터로 범위를 좁혀야 캐릭터에 맞는 목소리를 빨리 찾을 수 있습니다. 가릭은 큰 체격의 45세 검술 사범이라 한국어, 남성, 중년에 깊고 묵직한 음색으로 좁혔습니다.

사용량이 적은 목소리라도 들어 보고 어울리면 쓰면 됩니다. 제가 가릭에게 고른 목소리도 사용량이 많지는 않았지만, 낮고 무게 있는 톤이 캐릭터와 잘 맞았습니다.

자동 태그로 감정 넣기

목소리를 골랐으면 대사에 감정을 입힙니다. Fish Audio 편집 화면의 자동 태그를 누르면 AI가 대사를 분석해 문장 사이사이에 괄호 태그를 넣어 줍니다. 가릭 대사에서는 한 문장을 말하고 잠깐 쉬는 자리와 강조할 단어에 태그가 붙었습니다. 태그를 확인한 뒤 생성 버튼을 누르면 됩니다.

네가 새 견습생인가? 가릭이다. 우선 두 발로 버티는 법부터 가르쳐 주지.

태그는 직접 넣을 수도 있습니다. Fish Audio 감정 제어 문서에 따르면 S2 계열 모델은 [whisper], [laugh], [pause], [excited]처럼 대괄호 안에 자연어로 감정과 효과를 적는 방식을 쓰고, 감정 태그는 문장 앞에 둡니다. 자동 태그 결과가 마음에 들지 않으면 태그만 바꿔 다시 생성하고 두 결과를 들어 보고 고르면 됩니다.

게임에 연결하기: MCP 서버와 API 키

어울리는 목소리를 찾았으면 이제 게임이 그 목소리로 대사를 읽게 해야 합니다. 이때 필요한 것이 목소리의 고유 ID입니다. Fish Audio API에서는 이 값을 reference_id로 넘기고, 게임에서는 캐릭터마다 어떤 목소리 ID를 쓸지 설정 파일에 적어 둡니다.

Fish Audio를 AI 코딩 도구와 연결하는 방법은 두 가지입니다.

MCP 서버로 연결하기

Fish Audio MCP 문서에 따르면 MCP 주소는 https://api.fish.audio/mcp이고, 등록하면 AI 에이전트가 목소리 검색, 음성 생성, 음성 받아쓰기를 직접 할 수 있습니다. API 키를 넣지 않고 브라우저 로그인으로 인증하며, 사용량은 웹 앱처럼 플랜의 크레딧에서 빠집니다.

커서는 MCP 설정 파일에 "fish-audio": { "url": "https://api.fish.audio/mcp" }를 추가하면 됩니다. 어느 도구든 등록한 뒤 처음 연결할 때 브라우저 창이 열리고, Fish Audio 계정으로 로그인해 연결할 팀을 고르면 끝납니다.

API 키와 문서로 연결하기

영상에서는 코덱스 앱을 쓰고 있어서 API 키 방식으로 연결했습니다. 이 방법은 AI에게 Fish Audio 사용법 문서를 통째로 넘기고 연결 코드를 짜 달라고 부탁하는 방식입니다. 제가 직접 할 일은 API 키를 만들어 붙여넣는 것 하나뿐입니다.

API 키는 Fish Audio API 키 페이지에서도 바로 만들 수 있습니다. 공식 안내는 키를 환경 변수 FISH_API_KEY로 두고, 버전 관리에 커밋하거나 공개하지 말라고 합니다.

연결이 끝난 뒤 AI가 만드는 요청은 대략 아래 모양입니다. model 헤더에 무료 모델 s2.1-pro-free를 적는 게 핵심입니다. TTS API 문서상 이 헤더를 빼면 기본값인 유료 s2.1-pro로 처리됩니다.

대사는 음성 파일로 미리 만들어 넣기

게임이 실행될 때마다 API를 부르지 않고, 대사 한 줄마다 MP3 파일 하나를 미리 만들어 게임 폴더에 넣었습니다. 대사가 정해져 있는 게임이라 이렇게 하면 브라우저 코드에 API 키가 필요 없고, 같은 대사를 여러 번 생성하는 비용도 들지 않습니다. 대사를 고치면 그 줄만 다시 만들면 됩니다.

지금 가릭은 첫 만남, 훈련, 성장, 식사, 소풍, 선물, 관계 이벤트, 선택지 대화, 마을 사건에 걸쳐 대사 55줄에 목소리가 붙어 있습니다. 게임은 캐릭터에 설정된 목소리와 녹음 파일의 목소리가 일치하는 대사만 재생하고, 녹음이 없는 대사는 다른 인물의 목소리로 대신 틀지 않고 자막만 보여 줍니다.

원하는 목소리가 없을 때: 음성 복제와 음성 디자인

라이브러리를 뒤져도 캐릭터에 맞는 목소리가 없을 수 있습니다. 그럴 때는 Fish Audio 왼쪽 탭의 나의 목소리들에서 목소리를 직접 만들 수 있습니다. 내 목소리를 녹음하거나 업로드해 복제하는 음성 복제, 원하는 목소리를 글로 설명해 만드는 음성 디자인, 긴 녹음으로 더 정밀하게 복제하는 전문 음성 복제가 있습니다.

음성 복제: 30초 녹음으로 내 목소리 만들기

음성 복제는 화면에 나오는 문장을 그대로 읽어 녹음하는 방식입니다. 녹음하면 아래 게이지가 차오르는데, 제가 해 보니 30초 이상 녹음해야 품질이 괜찮게 나왔습니다. Fish Audio 음성 복제 문서는 최소 10초 이상을 권장하고, 1~2분 정도의 깨끗한 단일 화자 음성이면 더 정확하게 복제된다고 안내합니다.

제 목소리를 30초 녹음해 복제한 뒤 "오늘 영상에서는 Fish Audio를 사용해 게임의 생동감을 추가하는 방법을 배워보겠습니다"를 읽혀 봤는데, 결과가 두 가지 버전으로 나왔고 둘 다 제가 직접 말한 것처럼 들려서 꽤 놀랐습니다. 게임뿐 아니라 영상 내레이션처럼 내 목소리가 필요한 콘텐츠를 빠르게 만들 때도 쓸 수 있습니다.

음성 디자인: 글로 설명해서 목소리 만들기

음성 디자인은 녹음 없이 목소리를 글로 설명해 만드는 기능입니다. 따뜻한 심야 라디오 진행자, 다큐멘터리 내레이터, 어린이 동화 구연자 같은 예시 프롬프트가 있어서 하나를 골라 고쳐 쓰면 됩니다.

저는 72세 노장 모험가 길드장 오스왈드의 목소리를 이렇게 만들었습니다. 따뜻한 심야 라디오 진행자 예시를 바탕으로 프롬프트를 조금 바꾸고, 나이는 60대 후반으로 조정했습니다. 미리 듣기 텍스트 설정에서 길드장이 할 법한 대사를 넣고 샘플을 생성하면 됩니다.

우리 마을에 잘 왔네. 모험자여, 환영하네.

복제한 제 목소리만큼 놀랍지는 않았지만, 게임에 쓰기에는 충분한 목소리가 나왔습니다. 공식 요금제 페이지의 플랜 표에는 음성 디자인이 Plus 플랜부터 표시되어 있습니다.

전문 음성 복제

전문 음성 복제는 훨씬 긴 녹음 파일로 목소리를 정밀하게 복제하는 기능입니다. 긴 녹음이 필요해서 이번 영상에서는 다루지 않았습니다. 요금제 페이지 기준으로 전문 음성 슬롯은 Plus 1개, Pro 5개, Max 15개가 포함됩니다.

요금과 무료 API 조건

Fish Audio는 웹 앱 구독과 개발자 API의 요금을 따로 매깁니다. 웹 앱에서 목소리를 고르고 복제하는 작업, 그리고 MCP를 거친 생성은 플랜 크레딧을 쓰고, 게임 코드가 API 키로 부르는 요청은 개발자 API 사용량으로 계산됩니다.

아래는 2026년 9월 24일 Fish Audio 요금제 페이지에서 확인한 웹 앱 플랜입니다. 가격은 미국 달러 기준이고, 연간 결제는 월 환산 가격입니다.

같은 페이지의 FAQ는 1분 생성에 약 600~625크레딧이 든다고 안내합니다. 또 무료 플랜 생성물은 개인·비상업 프로젝트에만 쓸 수 있다고 적혀 있으니, 게임을 판매할 계획이라면 유료 플랜과 이용 약관을 먼저 확인해야 합니다.

게임 코드가 부르는 개발자 API에는 무료 모델이 있습니다. 공식 블로그는 S2.1 Pro와 같은 모델을 s2.1-pro-free라는 이름으로 무료 제공하며, 2026년 9월 24일 확인 기준 2026년 11월 30일까지 무료라고 안내합니다. 이 기간은 처음 발표 뒤 여러 차례 연장됐고, 바뀌면 미리 공지하겠다고 밝혔습니다. 무료 기간에도 사용량은 Fair Use 정책 안에서만 허용되며, 나머지 조건은 아래 표와 같습니다.

API 가격은 요금·속도 제한 문서를 기준으로 했습니다. 무료 모델은 SLA가 없으니, 게임을 실제로 출시할 때는 대사를 미리 파일로 만들어 두는 방식이 더 안전합니다.

자주 묻는 질문

목소리를 붙이면서 헷갈리기 쉬운 부분을 모았습니다.