이커머스 오디오를 위한 ElevenLabs 텍스트-투-다이얼로그 API: 제품 영상 더빙과 광고 낭독

ElevenLabs 텍스트-투-다이얼로그는 작성된 스크립트를 하나의 완성된 다화자 오디오 파일로 변환합니다. 대화 행 목록을 순서대로 전달하고 각 행에 서로 다른 프리셋 음성을 할당하면 수동 편집이나 클립 이어붙이기 없이 완성된 녹음 파일을 얻을 수 있습니다. hiapi API를 통해 1,000자당 $0.125에 제공되며, 플랫폼의 다른 모든 모델과 동일한 비동기 작업 흐름에서 실행됩니다. 이커머스 팀에게는 SKU나 시즌 프로모션마다 별도의 성우를 고용하지 않고도 투 진행자 제품 데모 더빙, 다역할 광고 낭독, 프로모션 스크립트를 빠르게 제작할 수 있는 방법입니다.

텍스트-투-다이얼로그와 단일 음성 TTS의 차이

표준 텍스트-음성 변환은 호출당 하나의 음성만 제공합니다. 대화를 흉내 내려면 보통 화자별로 TTS 호출을 따로 실행하고 클립을 직접 이어붙이며 속도와 억양이 맞기를 기대해야 합니다. ElevenLabs 텍스트-투-다이얼로그는 이 단계를 건너뜁니다. 전체 스크립트, 즉 순서대로 배열된 각 화자 발화를 하나의 요청으로 보내면 모델이 발화 전환, 속도, 표현 방식을 알아서 처리합니다. 출력은 직접 조립해야 하는 클립 폴더가 아니라 단일 오디오 파일입니다.

이는 '대화'가 사실상 하나의 마케팅 오디오일 때 특히 중요합니다. 투 진행자 제품 데모, 광고에서 고객과 판매원의 대화, 또는 프로모션에서 아나운서와 '하입' 음성이 번갈아 대사를 주고받는 경우가 그렇습니다. 이 모두는 대화로 자연스럽게 제시되며, 이 모델은 바로 이런 스크립트 형태를 위해 설계되었습니다.

실제 요청 구조(실시간 스키마에 대해 자체 검증 완료)

요청 본문은 의도적으로 매우 좁게 설계되었습니다. dialogue 배열의 각 항목은 정확히 두 필드, 즉 text와 voice만 허용하며 다른 필드는 받지 않습니다. 추가 필드나 유효하지 않은 voice ID를 보내면 작업이 실행되기 전에 스키마 오류로 거부된다는 점이 검증되었습니다.

{
  "model": "elevenlabs/text-to-dialogue",
  "input": {
    "dialogue": [
      {"text": "This blender just tore through frozen mango in four seconds.", "voice": "EkK5I93UQWFDigLMpZcX"},
      {"text": "Four seconds? Show me the smoothie.", "voice": "Z3R5wn05IrDiVCyEkUrK"},
      {"text": "Already poured. Link's in the description.", "voice": "EkK5I93UQWFDigLMpZcX"}
    ]
  }
}

voice는 플랫폼이 이 모델에 제공하는 약 70개의 고정 ID 중 하나여야 합니다(EkK5I93UQWFDigLMpZcX, NNl6r8mD7vthiJatiJt1, YOq2y2Up4RgXP2HyXjE5 등). 이 인터페이스에는 자유 텍스트 음성 이름이나 업로드 음성 복제 필드가 없습니다.

한 가지 분명히 짚을 점이 있습니다. 모델 자체 설명에는 행별 '안정성 제어'가 가능하다고 언급되어 있지만, 실제 배포된 스키마는 stability 파라미터를 노출하지 않습니다(model_id나 감정 태그도 없음). text와 voice만 받습니다. 이 엔드포인트를 위해 내부 문서나 UI를 작성한다면 실제로 존재하지 않는 안정성 슬라이더를 약속하지 마세요.

제출은 hiapi 표준 비동기 작업 흐름을 따릅니다. 위 요청을 POST하여 작업을 생성하고, 상태를 폴링한 뒤 완료되면 생성된 오디오 파일을 다운로드합니다. 이는 플랫폼의 이미지 및 비디오 모델이 사용하는 것과 동일한 패턴이므로 기존 프로덕션 파이프라인에 그대로 통합할 수 있습니다.

이를 중심으로 이커머스 오디오 워크플로 구축하기

제품 영상 더빙. 이미 짧은 제품 영상 클립을 제작하고 있다면, 예를 들어 Kling으로 숏폼 영상 제작을 사용한다면, 텍스트-투-다이얼로그는 같은 소재에 자연스러운 오디오 레이어입니다. 밋밋한 단일 음성 내레이션 대신 투 음성 스크립트(진행자 + 반응 음성)를 작성하여 영상이 이미 보여주는 비트를 설명하게 하세요.

다역할 광고 낭독. 두 '고객' 사이의 짧은 주고받기 대화는 단일 내레이션 광고 스크립트보다 실제 후기에 더 가깝게 들리며, 두 번의 별도 녹음을 조율할 필요 없이 API 호출 한 번이면 됩니다.

프로모션 및 세일 스크립트. 한정 판매나 시즌 프로모션 오디오에 아나운서 음성과 두 번째 '하입' 음성을 번갈아 사용한 뒤, 서로 다른 SKU 간에 동일한 스크립트 뼈대와 음성 조합을 유지하세요. 호출 사이에 제품명, 가격, 할인 세부 정보만 바꾸면 됩니다.

가격 및 예산

1,000자당 $0.125로 계산하면, 일반적인 15~20초 투 음성 광고 스크립트(약 250~350자) 생성 비용은 몇 센트의 일부에 불과하며, 더 긴 60~90초 다회차 제품 데모 스크립트(700~900자)는 약 $0.09~$0.11입니다. 과금은 전적으로 전체 dialogue 배열의 총 문자 수에 따라 결정됩니다. 화자 수나 행 수는 공식에 영향을 주지 않습니다. 배치 작업 예산을 세우기 전에 hiapi 가격 페이지에서 현재 정확한 가격을 확인하고, 단일 음성 내레이션 또는 음악과 대화가 함께 필요한 경우 나머지 오디오 모델 라인업을 살펴보세요.

자주 묻는 질문

텍스트-투-다이얼로그에서 사용자 지정 또는 복제 음성을 사용할 수 있나요? 아니요. 실시간 스키마는 플랫폼 자체의 약 70개 프리셋 음성 목록에 있는 voice ID만 허용합니다. 이 엔드포인트에는 사용자 지정 음성 복제를 업로드하거나 참조하는 필드가 없습니다.

조정 가능한 '안정성' 또는 감정 설정이 지원되나요? 현재 지원되지 않습니다. 모델 자체 설명에 안정성 제어가 언급되어 있지만, 대화 행에서 text와 voice 외의 어떤 내용을 보내도 실시간 API가 거부합니다. 안정성 슬라이더가 실제로 출시되기 전까지는 이를 중심으로 문서나 UI를 만들지 마세요.

다화자 스크립트의 가격은 어떻게 계산되나요? 전체 dialogue 배열의 총 문자 수를 기준으로 1,000자당 $0.125입니다. 행별, 화자별, 또는 출력 오디오의 초 단위가 아닙니다.

작업은 무엇을 반환하나요? 다운로드 가능한 오디오 파일 URL이며, 다른 모든 hiapi 작업 출력과 동일한 방식으로 전달됩니다. 즉시 다운로드하여 바이트를 저장하세요. 작업 출력 링크는 시간 제한이 있어 영구 호스팅이 아닙니다.

비영어 스크립트에도 사용할 수 있나요? 이 모델은 hiapi 자체 모델 카탈로그에 70개 이상의 언어가 등록되어 있어 플랫폼 수준에서 다국어 대화를 지원합니다. 전체 프로덕션에 투입하기 전에 짧은 샘플로 대상 언어 스크립트를 먼저 테스트하세요.

텍스트-투-다이얼로그는 hiapi에서 성장 중인 오디오 API 라인업의 한 옵션입니다. 모델 페이지를 열어 직접 스크립트를 실행해 보거나, 가격 페이지에서 각 모델의 현재 요금을 확인하세요.