Fish Audio, 단어 단위 감정 제어 오픈 가중치 TTS 모델 'Drama 3' 공개 및 5,200만 달러 투자 발표

2026년 10월 14일, 음성 AI 기술 기업 피시 오디오(Fish Audio)가 단어 단위의 세밀한 억양 제어와 문장 내 음색 전환을 지원하는 오픈 가중치(open-weight) 텍스트-음성 변환(TTS) 파운데이션 모델 '드라마 3(Drama 3)'를 공식 발표했습니다. 이와 함께 누적 사용자 1,500만 명 돌파와 5,200만 달러($52M) 규모의 시드 라운드 투자 유치 소식을 전격 공개했습니다.

이미지 출처: Fish Audio (@FishAudio) on X

기존 텍스트-음성 합성 모델이 문장 전체 단위의 대략적인 스타일이나 화자 임베딩 제어에 머물렀던 것과 달리, Drama 3는 개별 단어 단위의 세밀한 발음 및 감정 표현, 그리고 한 문장 안에서 화자의 목소리 톤을 자연스럽게 전환할 수 있는 기능을 전면에 내세웠습니다.

단어 단위 톤 조절과 문장 내 보이스 전환 기능

Fish Audio 측이 '세계에서 가장 감정 표현력이 풍부하고 제어 가능한 TTS 모델'로 소개한 Drama 3의 핵심 경쟁력은 미세 제어 능력(granular controllability)입니다.

• 단어 단위의 정밀한 발음 및 톤 제어: 대본 상의 특정 단어 하나만 선택해 억양을 높이거나 속삭이듯 낮추는 식의 미세 연출이 가능합니다. 영상 더빙이나 게임 캐릭터 보이스, 팟캐스트 제작 시 문맥에 맞춘 미묘한 감정선 표현을 대폭 개선할 수 있습니다.
• 문장 중간 음색 전환(Shift Voice Mid-Sentence): 화자가 문장을 시작할 때의 목소리 톤과 끝맺을 때의 음색을 한 문장 내에서 다이내믹하게 전환할 수 있습니다. 감정이 급격히 변화하는 극적인 대사나 다중 인격, 1인 다역 내레이션 연출 등에 직접 활용할 수 있습니다.
• 오픈 가중치(Open-Weight) 공개 방침: 독점 클라우드 API에 갇히지 않고 연구자 및 개발자가 직접 로컬이나 프라이빗 클라우드 인프라에 올려 파인튜닝하고 커스텀 파이프라인에 통합할 수 있는 오픈 가중치 모델로 배포됩니다.

공식 발표와 함께 4K 쇼케이스 영상이 공개되었으며, 크리에이터 엉클 로저(Uncle Roger) 역시 감명을 받았다는 반응('Uncle Roger was impressed too')을 전면에 소개했습니다.

ComfyUI·Runway 등 14개 플랫폼 데이 1 연동 및 추론 프레임워크 지원

Fish Audio는 모델 공개와 동시에 콘텐츠 제작 도구 및 추론 인프라 파트너들과의 광범위한 연동 생태계를 선보였습니다.

출시 첫날(Day 1)부터 연동을 지원하는 공식 파트너는 총 14곳입니다:

• 콘텐츠 및 크리에이티브 플랫폼: ComfyUI, Runway, Pika Labs, OpenArt, Creatify, TapNow, Astorie, OpenClaw
• 모델 서빙 및 클라우드 인프라: OpenRouter, Vercel, OrcaRouter, Runware, Inference.ai, NousResearch(Hermes agent)

특히 서빙 프레임워크인 SGLang(@sgl_project)과 RadixArk(@radixark)에서는 Drama 3 오픈 가중치 모델에 대한 '데이 0(Day-0)' 공식 지원을 제공합니다. 이를 통해 기업이나 독립 개발자도 오픈소스로 제공되는 서빙 엔진을 활용해 대규모 음성 생성 파이프라인을 구축할 수 있습니다.

5,200만 달러 시드 투자 유치와 실무 도입 시 고려사항

Fish Audio는 이번 발표에서 5,200만 달러 규모의 시드 투자 유치를 함께 발표하며 음성 파운데이션 모델 시장에서의 본격적인 확장 의지를 공고히 했습니다.

다만 실제 제작 환경이나 프로덕션 파이프라인에 도입할 때는 몇 가지 확인이 필요합니다:

• 오픈 가중치 세부 라이선스 및 배포 저장소: Fish Audio는 48시간 내 'DRAMA' 댓글 작성 시 1개월 무료 및 기업 대상 첫 달 무료 프로모션을 함께 안내하고 있으며, 오픈 가중치 파일의 배포 저장소(Hugging Face 등)와 상용 허용 여부 등 구체적인 라이선스 약관은 후속 공지를 통해 확인할 필요가 있습니다.
• 서빙 하드웨어 요구 사양: 단어 단위 감정 제어와 고품질 오디오 합성을 구동하기 위한 GPU VRAM 및 하드웨어 권장 사양은 서빙 엔진(SGLang, RadixArk 등)과 양자화 옵션에 따라 달라질 수 있으므로 자체 벤치마크 테스트가 권장됩니다.

출처

• Fish Audio 공식 X (@FishAudio): Drama 3 모델 발표 및 시드 투자 공식 포스트
• Fish Audio 공식 X (@FishAudio): Drama 3 데이 1 론칭 파트너 생태계 안내
• Fish Audio 공식 X (@FishAudio): SGLang 및 RadixArk 데이 0 추론 지원 공지