공통 API 인프라로 음성 생성, 전사와 실시간 음성 대화를 구축합니다. 브라우저 작업 공간에서 음성 설계, 복제와 여러 화자의 오디오도 제작할 수 있습니다.
이 도구를 사용해 보셨나요? 평점을 남겨 주세요
이 도구를 사용해 보셨나요? 평점을 남겨 주세요
Inworld AI는 소비자 애플리케이션용 실시간 음성 모델과 LLM 추론 플랫폼입니다. Realtime TTS-2와 TTS-2 Flash로 텍스트 음성 변환을, Realtime STT-1로 전사를 제공하며, 듣기·추론·음성 응답을 결합한 음성 간 대화를 지원합니다. 대상 용도는 동반자, 학습, 소셜 앱, 개인 에이전트, 건강, 피트니스와 엔터테인먼트입니다.
공통 플랫폼 안에서 생성 음성, 수신 오디오와 LLM 토큰을 각각 계량합니다.
브라우저 TTS Playground에서도 애플리케이션 코드 없이 다운로드 가능한 클립을 만듭니다.
Realtime TTS-2는 자연어 지시와 200+개 언어 및 로캘을 지원합니다. TTS-2 Flash는 지연 시간에 민감한 대규모 작업용으로 소개됩니다. 모델 ID는 inworld-tts-2와 inworld-tts-2-flash입니다.
모델 문서는 네트워크 지연을 제외한 서버 측 P90 첫 오디오 바이트 시간을 TTS-2는 100 ms, Flash는 20 ms로 보고합니다. 이 업체 측 측정은 합성만 다룹니다.
이전 TTS-1과 TTS-1.5 모델은 사용 중단 권고 상태로, 신규 프로젝트에 권장되지 않습니다.
즉석 음성 복제는 최소 3초에서 최대 30초 오디오를 사용합니다. Inworld는 샘플이 길수록 유사도가 좋아진다고 설명합니다. 30초 한도는 2026년 8월 15일 당일 및 이후 생성한 복제에 적용되며, 그 이전 복제는 15초 프롬프트를 유지합니다.
Voice Design은 참조 녹음 대신 글로 쓴 설명에서 음성을 만듭니다. Freeform 모드는 최대 1,000자의 영어 설명을, Structured 모드는 프로필 직접 편집을 제공합니다. 편집 속성에는 방언, 나이, 감정, 음높이와 질감이 포함되며, 언어와 억양은 미리듣기 대본에도 적용됩니다.
한 번 설계 생성 시 음성 미리듣기를 최대 3개 만들며, 선택한 음성에 이름을 붙여 음성 라이브러리에 저장할 수 있습니다.
Professional Voice Cloning은 더 많은 오디오와 비동기 학습 단계를 쓰는 베타 절차입니다. 합계 최소 10분 오디오가 필요하며, 최대 50개 샘플, 총 1 GB를 허용하고 음성 복제 권한 확인을 요구합니다. 학습은 보통 30–60분이며 혼잡 시 더 걸릴 수 있습니다.
Realtime STT-1은 30개 언어를 전사하고 발화 언어를 자동 감지하며 대화 중 언어 전환을 지원합니다. 동기 및 WebSocket 엔드포인트로 동작합니다.
음성 프로파일링은 전사문과 함께 감정, 발성 스타일, 추정 나이와 억양 등의 신호를 반환합니다. 이런 시스템 해석을 LLM 문맥과 TTS-2 표현 지시로 쓸 수 있습니다.
음성 간 API는 개발자가 고른 LLM을 사용해 하나의 WebSocket 또는 WebRTC 연결로 음성을 받고 돌려줍니다. 도구를 호출하고 일반·복제·설계한 TTS-2 음성을 쓰며, 세션 내에서 턴 감지와 끼어들기를 처리할 수 있습니다. 전화 연동은 8 kHz G.711 μ-law 또는 A-law 오디오로 Twilio Media Streams를 사용합니다.
실시간 제어에는 의미 기반 턴 감지, 끼어들기 처리, 함수 호출과 세션 중 음성·LLM·도구 변경이 포함됩니다. 서비스는 OpenAI Realtime 프로토콜을 따릅니다. Inworld에 따르면 사용자가 답변 도중 말하면 재생이 멈추고 대화 기록에는 사용자가 들은 내용만 남습니다. 도구 정의는 처음에 제공하거나 나중에 추가할 수 있습니다.
Inference는 Inworld 엔드포인트, API 키와 모델 ID를 사용하는 OpenAI 호환 Chat Completions 요청을 받습니다.
Inworld는 고객 자체 모델용 전용 배포도 제공하며 예약 용량과 모델 ID가 포함됩니다. 회사는 전용 배포 지역으로 미국, 유럽, 인도와 아시아 태평양을 열거하고, 자사 호스팅 모델에서 데이터 무보관을 제공할 수 있다고 합니다.
Multi-Voice Generation은 대화, 장면이나 팟캐스트를 하나로 연결된 트랙으로 만들며 줄마다 음성, 모델과 설정을 따로 지정합니다. 각 줄은 지시 태그, 개별 재생성, 이전 테이크 및 설정 비교나 복원을 지원합니다.
문서에 나온 브라우저 절차는 다음과 같습니다.
WebSocket 스트리밍은 낮은 지연을, 비동기 생성은 장편 오디오북·팟캐스트·보이스오버를 목표로 합니다.
실시간 음성 에이전트에서 끼어들기는 미전송 구간을 중단하지만, 이미 요청한 합성은 여전히 청구됩니다.
Inworld는 Creator를 콘텐츠 제작과 소규모 프로젝트, Builder를 성장 중인 프로젝트와 소규모 팀, Developer를 운영 애플리케이션, Growth를 대규모 배포와 규정 준수 수요에 맞춰 소개합니다.
전문 복제의 언어는 녹음과 일치해야 합니다. 다국어 지원은 실험적이며 영어 en-US는 완전히 지원됩니다.
Growth는 ZDR·HIPAA·BAA 추가 옵션을, Enterprise는 SLA·DPA 약정과 EU·인도 데이터 레지던시를 광고합니다.
Inworld는 Node.js와 Python SDK를 제공하며 generate() 메서드가 청크 분할, 재시도와 인코딩을 처리합니다.
| 합성 방식 | 문서상 한도 | 결과 전달 |
|---|---|---|
| 비스트리밍 HTTP | 요청당 최대 2,000자 | 응답 하나로 전체 오디오 |
| HTTP 스트리밍 | 요청당 최대 4,000자 | HTTP를 통한 오디오 청크 |
| WebSocket | 지속 연결 | 생성되는 대로 오디오 청크 |
| 비동기 | 작업당 최대 100,000자; On-Demand는 10,000자 | 백그라운드 생성 후 결과 |
| 배치 | 실시간 합성보다 문자당 20% 저렴 | 독립 요청을 백그라운드 처리 |
Playground 한도는 별도로 On-Demand 2,000자, 유료 셀프서비스 등급 40,000자입니다.
Portal 즉석 복제는 최대 12 MB의 WAV, MP3 또는 WebM 파일 하나를 받으며 30초 초과 오디오를 자동으로 자릅니다. 직접 녹음도 지원하고 절차상 권한 확인이 필요합니다.
Playground 생성 기록은 기기·워크스페이스별로 로컬 저장되며 브라우저 간 동기화나 팀원 공유는 되지 않습니다. 브라우저 저장소를 지우면 초기화됩니다. 기록에서 다시 재생, 복원, 필터링과 MP3 다운로드를 지원합니다.
2026년 10월 27일 확인 기준, 유료 등급에는 월 요금과 같은 금액의 크레딧이 포함됩니다. 요금은 사이트의 $ 기호를 쓰고 TTS는 백만 자당, STT는 오디오 시간당 기준입니다. 구체적으로 어느 달러 통화인지는 확인되지 않았습니다.
| 요금제 | 월 요금 | TTS-2 / 1M자 | TTS-2 Flash / 1M자 | STT / 시간 |
|---|---|---|---|---|
| On-Demand | $0, 사용량 결제 | $25 | $15 | $0.15 |
| Creator | $25 | $20 | $10 | $0.10 |
| Builder | $100 | $17.50 | $9 | $0.10 |
| Developer | $300 | $15 | $8 | $0.10 |
| Growth | $1,500 | $12.50 | $7 | $0.10 |
| Enterprise | 맞춤 견적 | 최저 $5 | $5 미만 | 맞춤 견적 |
연간 구독은 1년에 한 번 청구됩니다. 사이트는 오디오 1분당 약 1,000자로 추산하지만 TTS는 실제로 문자 수를 계량합니다.
On-Demand에는 무료로 최대 TTS 70분 또는 STT 400분이 포함됩니다. 검토한 가격 및 청구 페이지에는 이 무료 할당량의 만료일이 명시되지 않았습니다. API와 Playground는 TTS·STT·Inference·Realtime 전반에서 크레딧을 공유합니다.
| 요금제 | 동시 TTS 생성 | TTS WebSocket 연결 | STT 스트림 / Realtime 세션 | 사용자 지정 음성 / 전문 복제 슬롯 |
|---|---|---|---|---|
| On-Demand | 5 | 50 | 10 / 10 | 100 / 2 |
| Creator | 10 | 100 | 20 / 20 | 500 / 4 |
| Builder | 50 | 500 | 100 / 100 | 3,000 / 10 |
| Developer | 150 | 1,500 | 300 / 300 | 10,000 / 25 |
| Growth | 500 | 5,000 | 1,000 / 1,000 | 30,000 / 40 |
| Enterprise | 맞춤 | 맞춤 | 맞춤 / 맞춤 | 맞춤 / 100+ |
동시성은 계정 내 API 키가 공유합니다. 보장 한도를 넘는 요청은 최선 노력 방식으로 처리됩니다. 연결과 생성의 상한은 다릅니다.
유효한 유료 구독을 같은 가치 이상 요금제로 유지하면 미사용 구독 크레딧은 최대 3개월 이월됩니다. 각 지급분의 원래 만료일은 유지됩니다. 별도 구매 및 자동 충전 크레딧은 구매 1년 후 만료되고 현재 등급의 사용 요율을 적용합니다. 청구 가이드의 크레딧 추가 최소 금액은 $10입니다.
업그레이드는 즉시 적용되며 새 청구 주기를 시작하고 새 요금제 전액을 청구합니다. 기존 계량 사용분은 별도 정산하며 이월 크레딧의 원래 만료일은 유지됩니다. 다운그레이드와 취소는 현재 청구 기간 말에 적용되고 그때 남은 크레딧은 소멸합니다. Portal Billing 페이지의 Manage plan에서 취소할 수 있습니다.
약관은 언제든 취소를 허용하지만 법에서 요구하는 경우 외에는 결제가 환불되지 않는다고 규정하며, 현지의 강행 취소 권리를 무효로 하지 않습니다.
일부 프리미엄 LLM은 크레딧 잔액이 있어도 카드 등록을 요구하며 비동기 전사에도 결제 수단이 필요합니다.
ElevenLabs는 여러 화자의 대화를 지원하며 사용자의 자기 목소리를 복제하거나 새 음성을 설계하는 도구를 제공합니다. 겹치는 영역은 대화와 내레이션이고 한도와 권리는 별도입니다.
Deepgram은 대화 문맥을 유지하도록 설계한 텍스트 음성 변환을 홍보하며 클라우드, 프라이빗 클라우드와 온프레미스 배포 옵션을 제공합니다. 이는 경쟁 업체가 밝힌 배포 주장입니다.
이 기능 설명은 품질 비교 순위를 입증하지 않습니다.
STT-1 화자 분리는 실험적입니다. 화자 번호는 한 스트림이나 작업 내에서 유지되며 다른 스트림으로 이어지지 않습니다. 전문 복제 초안과 실패한 시도도 음성 슬롯을 차지합니다.
실시간 응답 지연에는 턴 감지와 합성이 모두 포함됩니다. Inworld는 37턴 중 턴 종료 후 가장 빠른 첫 오디오가 204 ms, 측정한 17턴의 중앙값은 462 ms라고 보고합니다. 반면 적극성이 높은 의미 기반 VAD가 사용자의 마지막 단어 뒤 턴을 닫기까지는 중앙값 954 ms가 걸렸습니다.
On-Demand에는 상업용 라이선스가 기재되어 있습니다. 서비스별 약관에 따르면 명시된 예외 외에 고객과 Inworld 사이에서 입력·출력 권리는 고객에게 남으며, 다운로드 가능한 출력은 약관과 허용 사용 정책을 따라 서비스 외부에서 쓸 수 있습니다. 다운로드는 일부 서비스에서만 제공됩니다.
음성 모델에는 고객 본인의 음성이나 공유 권한을 받은 음성을 써야 합니다. 고객은 입력 제공, 출력 생성과 명시된 라이선스 부여에 필요한 권리를 가져야 합니다. 음성 약관은 서비스 제공·개선·보안을 위한 입력 사용과 서비스 제공·개선을 위한 사용자 음성 모델 사용을 허가합니다.
역할극 앱에 대해 Inworld는 개발자 자체 콘텐츠 정책에 맞춘 NSFW/SFW 모델 선택과 라우팅을 논의합니다. 이것이 모든 성인 콘텐츠에 대한 플랫폼의 포괄적 허용을 뜻하지는 않습니다.
허용 사용 정책은 사용자가 사람 대신 AI와 상호작용함을 명확하고 눈에 띄게 알리도록 요구합니다. 서비스별 약관의 Voice and Speech Services 절은 PHI가 포함된 입력을 금지합니다. 별도의 Managed GPU Services 절은 PHI용 별도 BAA를 언급하지만, 그 예외는 해당 서비스에 관한 것이며 음성 절 자체를 바꾸지 않습니다.
약관은 Inworld가 비공개 Materials로 일반 제공 모델을 학습하지 않는다고 하지만 피드백과 신뢰·안전 검토 대상으로 표시된 자료에는 예외가 있습니다. 피드백 조항은 피드백이나 제안 사용에 제한 없는 영구적·철회 불가 라이선스를 주며, 안전 조항은 탐지와 집행 개선을 위한 사용·분석을 허용합니다. 학습하지 않는다는 문구에는 이런 조건이 붙습니다.
개인정보 고지는 자체 범위를 가집니다. 웹사이트와 관련 서비스 정보를 다루고 기업 고객 대신 처리하는 정보는 제외합니다. 그 범위에서는 AI 모델 학습을 포함한 연구개발 목적으로 정보를 사용한다고 설명합니다. 두 문서의 정보 범주와 조건은 다릅니다.
고지는 사용자가 거부하지 않으면 음성 생체 정보를 서비스 제공과 분석·개선에 쓸 수 있다고 합니다. 수집 목적이 충족될 때까지 또는 계정 접근 후 최대 3년 중 먼저 도래하는 시점까지 보관합니다. 일반 개인정보는 명시된 목적, 법적 요구나 고지에 설명된 다른 사업 목적에 필요한 만큼 보관합니다.
미국 일부 주에 관한 고지 절의 적용을 받는 주민에게는 거주지에 따라 제한 조건하에 접근·이동·삭제·정정을 요청할 권리가 있으며, 요청은 확인 절차를 거칩니다.
ZDR은 Enterprise와 Enterprise-Trial에 포함되며 Growth에서는 추가 옵션입니다. 조직 또는 워크스페이스 수준에서 설정하고 워크스페이스 재정의가 우선합니다. 켜면 이후의 적격 콘텐츠 보관이 중단되지만 이전 수집 콘텐츠를 삭제하지는 않습니다. 적격 입력·출력은 메모리에서 처리한 후 마스킹되며 제품별 적용 범위는 다릅니다.
청구 메타데이터는 계속 보관합니다. 음성 복제 샘플, Voice Design 설명이나 미리듣기 대본은 대상이 아니며, 제3자 라우팅 LLM 요청도 호스팅 LLM의 ZDR 범위 밖입니다.
비동기 및 배치 결과는 보통 다운로드를 위해 Inworld 관리 저장소에 약 7일간 보관합니다. ZDR이 켜진 경우 그곳에 결과를 보관해야 하는 작업은 합성 전에 거절됩니다. 문서상 대안은 고객 소유 저장소로 전달하는 것입니다.
Playground와 API 활동은 같은 제품 공통 잔액을 사용합니다.
즉석 복제는 짧은 샘플을 씁니다. 전문 복제는 베타로, 더 큰 데이터셋과 백그라운드 학습이 추가되며 별도 음성 슬롯 제한이 있습니다.
아닙니다. 서버 측 TTS 측정에는 네트워크 지연이 빠져 있으며 인식, 추론과 턴 감지가 다른 대기 시간을 더합니다.
