고객 사례

Fish Audio를 평가하기 전 HeyGen은 AI 비디오 생성 파이프라인의 TTS 레이어로 ElevenLabs를 사용했습니다. 플랫폼은 작동했고 음성도 알아들을 수 있었습니다. 하지만 사용자 피드백에서 한 가지 구조적 문제가 계속 드러났습니다: 음성 유사도 문제, 특히 비미국식 영어 억양을 가진 크리에이터에게서 두드러졌습니다.

지식 크리에이터는 자신이 가진 억양으로 말합니다. 호주 크리에이터는 호주식으로, 인도 크리에이터는 인도식으로 들립니다. 영국, 남아공, 싱가포르, 아일랜드, 스코틀랜드, 필리핀, 카리브해식 억양 등 글로벌 영어의 억양 지형은 HeyGen에게 예외가 아니라 국제 크리에이터 기반의 실제 모습입니다.

미국식 영어는 잘 만들지만 다른 모든 억양을 중립적인 미국식에 가깝게 평평하게 만드는 TTS는 AI 비디오 음성 클로닝의 핵심 약속, 즉 비디오가 당신처럼 들려야 한다는 약속을 깨뜨립니다. 비미국식 영어 억양을 가진 HeyGen 사용자들은 억양 유지 문제를 제기했고, 클론 음성은 크리에이터가 기대한 억양 정체성을 보존하지 못했습니다.

Fish Audio가 HeyGen의 선택을 받은 가장 중요한 기준은 고유한 목소리, 특히 비미국식 영어 억양을 가진 목소리에 대한 음성 클로닝 품질이었습니다.Fish S2 Pro 모델은 원본 목소리의 억양 정체성을 미국식 영어 기준으로 정규화하지 않고 보존합니다. 이는 HeyGen이 다른 제공업체 테스트에서 발견한 실패 지점이었습니다.

HeyGen에게 이것은 기술적 세부 사항이 아닙니다. 지식 크리에이터의 시청자가 자신이 아는 크리에이터를 듣는지, 합성된 낯선 사람을 듣는지의 차이입니다. 음성 클로닝 품질, 지연 시간이나 비용이 아니라 그것이 결정 요인이었습니다.