보이스루가 AI 더빙 생성과 전문가 검수를 결합한 B2B 더빙 제작 서비스 ‘폴리타(Polita)’를 출시했다. AI가 화자를 식별해 번역과 더빙 음성을 생성한 뒤, 언어·음성·사운드 전문가가 최대 5차에 걸쳐 검수해 완성본을 납품하는 구조다. 콘텐츠의 해외 유통이 확대되면서 다국어 제작 속도뿐 아니라 원작의 의미·감정 보존, 캐릭터 목소리의 일관성 유지가 중요한 과제로 떠오른 데 따른 대응이다.
제로샷 STS와 화자식별 AI로 콘텐츠별 맞춤 변환
폴리타는 제로샷 STS(Speech-to-Speech)와 보이스루가 보유한 음성 모델 라이브러리를 프로젝트별로 선택 적용한다. 애니메이션처럼 감정 표현이 중요한 콘텐츠에는 감정 반영형 방식을, 강의처럼 정보 전달이 핵심인 콘텐츠에는 정보 전달형 방식을 적용해 콘텐츠 성격에 맞는 더빙을 구현한다. AI 더빙이 상업적으로 적용되기 위해서는 화자 혼동, 립싱크·발화 길이 불일치, 시리즈물에서 목소리 일관성을 유지하는 문제 등이 과제로 지적돼 왔는데, 폴리타는 AI의 제작 속도와 전문가 검수를 결합해 이를 해결하는 구조를 택했다.
최대 5차 검수, 사운드 엔지니어 출신 PM이 마지막 확인
AI가 생성한 초벌 더빙은 언어·음성·사운드 전문가의 검수를 거쳐 완성도를 높인다. 검수는 최대 5차까지 진행되며, 마지막 단계는 사운드 엔지니어 출신 PM이 최종 확인한다. 회사 측에 따르면 이러한 방식으로 전문 성우 녹음 대비 비용을 60~80% 절감하고, 제작 기간은 스튜디오 제작 방식 대비 약 5분의 1로 단축할 수 있다. 30분 안팎의 영상은 약 5영업일 안에 제작이 가능하다.
보이스루는 누적 번역 데이터 30만건과 언어 작업자 1300여명을 기반으로 영어·일본어·중국어·스페인어·프랑스어·베트남어·태국어·인도네시아어 등 총 70개 언어를 지원한다. 실제 적용 사례로는 애니메이션 26부작 전체 시즌 더빙, 교육·이러닝 콘텐츠 300편 이상, 방송·OTT 12부작, 게임 대사 1만줄 이상, 오디오북 14명 화자 더빙 등이 있다.
이상헌 보이스루 대표는 “콘텐츠의 해외 유통이 확대되면서 다국어 콘텐츠를 빠르게 제작하는 것뿐 아니라 원작의 의미와 감정을 살리고 캐릭터의 목소리를 일관되게 유지하는 것 역시 중요한 요소로 부각되고 있다”며 “AI 기술과 보이스루가 축적해 온 현지화 및 사운드 제작 역량을 결합해 다양한 콘텐츠의 글로벌 확장을 지원하겠다”고 말했다.
보이스루는 화자 식별 AI와 제로샷 STS 기술로 다국어 더빙을 빠르게 생성하고, 그 위에 언어·음성·사운드 전문가의 다단계 검수를 더한 구조로 폴리타를 만들었다. 애니메이션부터 교육 콘텐츠, 게임, 오디오북까지 다양한 분야에 이 방식을 적용해온 이력이 이번 서비스 출시의 배경이 됐다.