음성 AI 용어 사전 — TTS·STT·AICC·보이스클로닝·프로소디 한눈에 (2026)
TTS, STT, AICC, 보이스클로닝, 프로소디, MOS, WER… 음성 AI 도입을 검토할 때 가장 먼저 막히는 건 용어입니다. 꼭 알아야 할 음성 AI 핵심 용어를 한 페이지에 정리했습니다.

음성 AI 도입을 검토하라는 업무가 떨어지면, 가장 먼저 막히는 건 기술이 아니라 용어입니다. TTS, STT, AICC, LLM, 프로소디, MOS, WER…. 자료마다 다른 약어가 쏟아지죠.
이 글은 음성 AI를 이해하는 데 꼭 필요한 핵심 용어를 한 페이지에 모은 사전입니다. 필요할 때 찾아보고, 더 깊이 알고 싶으면 각 용어의 관련 글로 넘어가세요.
음성을 '만드는' 기술
TTS (Text-to-Speech, 음성합성) 텍스트를 사람 목소리로 변환하는 기술. AI가 '말하는' 쪽입니다.
보이스클로닝 (Voice Cloning) 소량의 음성 샘플로 특정 사람의 목소리를 학습해 재현하는 기술. 휴멜로 DIVE는 2초 분량으로 클로닝이 가능합니다.
프로소디 (Prosody, 운율) '무엇을 말하는가'가 아니라 '어떻게 말하는가' — 억양·강세·리듬. 음성이 사람처럼 들리느냐를 가르는 핵심입니다.
실시간 스트리밍 합성 텍스트 전체 처리를 기다리지 않고 첫 소리부터 즉시 내보내는 방식. 실시간 대화에 필수이며, DIVE는 0.35초 응답을 지원합니다.
음성을 '알아듣고 대화하는' 기술
STT (Speech-to-Text, 음성인식) 사람의 음성을 텍스트로 변환하는 기술. AI가 '알아듣는' 쪽으로, TTS와 반대 방향입니다.
LLM (거대 언어 모델) 고객의 말뜻(의도)을 이해하고 답변을 생성하는 '두뇌'. 음성 대화는 STT(듣기) → LLM(생각) → TTS(말하기) 순으로 작동합니다.
보이스 에이전트 / 보이스봇 음성으로 사람과 대화하며 업무를 수행하는 AI. 전화 상담·안내를 자동화합니다.
AICC (AI Contact Center) STT·LLM·TTS를 결합해 고객센터 상담을 자동화하는 시스템. 휴멜로 프로소디가 이 영역의 솔루션입니다.
품질·성능을 '재는' 지표
MOS (Mean Opinion Score) 사람이 음성을 듣고 1~5점으로 매긴 평균 점수. 4.0 이상이 상용 합격선입니다.
ELO / TTS 아레나 두 음성을 블라인드로 듣고 투표해 매기는 순위. DIVE '나나'는 한국어 TTS 아레나 ELO 1위입니다.
WER (Word Error Rate, 단어 오류율) STT가 받아쓸 때 틀린 단어의 비율. 낮을수록 정확합니다.
TTFB (Time To First Byte) 말이 끝난 뒤 첫 음성이 나오기까지의 시간. 실시간 대화는 0.5초 이내가 자연스럽습니다.
배포·운영 관련
온프레미스 (On-Premise) 클라우드가 아닌 자사 서버(폐쇄망)에 설치해 운영하는 방식. 금융·공공·의료의 데이터 보안에 적합합니다.
스킬북 / RAG FAQ·매뉴얼을 학습 자료로 정리(스킬북)하고, AI가 답하기 전에 그 자료를 참고(RAG)하게 해 거짓 답변(환각)을 줄이는 방법입니다.
정리하며
음성 AI는 '만드는 기술(TTS·보이스클로닝)', '알아듣고 대화하는 기술(STT·LLM·AICC)', '재는 지표(MOS·WER·TTFB)'로 나눠 보면 한결 명확해집니다. 용어가 잡히면 벤더 비교와 도입 판단이 훨씬 쉬워집니다.
휴멜로는 이 용어들이 실제로 작동하는 제품 — DIVE TTS와 프로소디 AICC — 을 한국어에 특화해 제공합니다.
용어를 넘어 직접 경험하고 싶다면? 휴멜로 콘솔에서 DIVE 음성과 프로소디 AICC를 직접 만들어 보세요.
[관련 글 추천]


