OpenRouter 로 음성(TTS)을 바꿔도 NLive2 기능을 지킬 수 있는가 — 계약 판단용 한 장

2026-10-30 · NLive2 크루(hm space-3) · 근거 실험 비용 약 \$3.9

결론

지킬 수 있다 — 조건 셋을 붙여서. 다만 아직 실험 단계라, 실제 운영에 넣으려면 개발 약 1.5~2주와 dev 확인이 더 필요하다.

무엇이 문제였나

• NLive2 는 쇼호스트 음성의 글자마다 언제 말했는지(글자 시각)를 받아 쓴다. 이 시각으로 다음 셋을 정한다:
• 영상에서 문장 구간을 자르는 자리.
• 쇼호스트 화면을 바꾸는 자리.
• 문장을 고쳐 끼우는 이음새.
• 지금 쓰는 길(fal)은 이 글자 시각을 함께 준다. OpenRouter 는 음성 파일만 주고 글자 시각을 주지 않는다(지원 계획 없음).

어떻게 풀었나

• OpenRouter 로 음성을 만들고, 같은 OpenRouter 의 받아쓰기(Scribe)로 낱말마다 언제 말했는지를 받는다.
• 그 낱말을 대본 원문과 맞춰 글자 시각을 만든다. 숫자 · 단위 · 영문 읽기를 처리하는 정해진 규칙이고, AI 판정(Jev)은 효과가 없어 쓰지 않는다.
• 자르는 자리는 지금 기능이 이미 쓰는 「가장 조용한 지점 찾기」로 말과 말 사이 쉼 안에 놓는다.

실험으로 확인한 것(10분 대본 5편 · 지금 운영 길과 같은 대본으로 비교 · 기준은 실행 전에 고정)

조건 셋

1. 긴 글을 한 번에 합성하지 않기. ElevenLabs v4 는 한 번에 약 5분(약 2,400자)을 넘기면 문장 덩어리를 빠뜨린다. fal 이든 OpenRouter 든 같다.
2. 실험 10편이 모두 그랬다. 지금 운영은 이것을 못 잡는다(fal 이 빠진 글에도 시각을 붙여 줌).
3. → 약 2,000자 넘는 구간은 나눠 만들기. 운영 구간 길이 분포는 확인 중이다(읽기 SQL).
4. 빠짐 검사 넣기. 받아쓰기가 대본 15음절 이상을 못 찾으면 그 구간을 쓰지 않고 다시 만들게 한다. OpenRouter 길에서는 받아쓰기를 이미 하므로 추가 비용이 없다.
5. 지금 운영보다 오히려 안전해진다.
6. 운영 규칙(계약 문서) 한 줄 고치기. 「글자 시각 없이 낱말 시각만 오면 쓰지 않는다」는 내부 규칙을 OpenRouter 길에 한해 바꾸는 결정 기록이 필요하다. 초안은 준비돼 있다.

비용

• 음성 합성 단가는 같다(1,000자에 \$0.08 — fal · OpenRouter 동일).
• 받아쓰기가 더해져 약 +10%다(1,000자 음성 받아쓰기 약 \$0.008).

남은 일 · 기간(개발 1명 기준 · 추정)

아직 모르는 것(위험)

• 실험은 목소리 하나 · 직접 쓴 대본 · 감정 태그 없이 했다 → 5단계에서 실제 대본 · 목소리 여럿으로 확인한다.
• 사내 Media API 가 OpenRouter 의 음성 · 받아쓰기를 둘 다 중계하는지(아니면 OpenRouter 키를 따로 둔다).
• OpenRouter 서비스 안정성 · 속도(이번 실험에서는 10분 음성 합성 약 2분 · 받아쓰기 수 초 · 실패 0).