일레븐랩스 아바타: 사진 한 장 + 대본만 넣으면 '말하는 AI 사람' 영상이 뚝딱 ⚡

"사진 한 장 올리고, 대본만 썼는데… 그 사람이 진짜로 말을 하네?"

 

지금까지 일레븐랩스는 '목소리'를 만드는 회사였습니다.
그런데 이번엔 '얼굴'까지 만들기 시작했습니다.
대본만 넣으면 말하는 AI 사람 영상이 한 번에 나오는, Avatars(아바타) 이야기입니다.

안녕하세요, Sonetho입니다. ⚡

거의 3년째 매일 일레븐랩스를 다뤄온 저희가,
오늘은 2026년 6월 중순 공식 발표된 따끈한 신기능, Avatars(아바타)를 들고 왔습니다.

한 줄로 먼저 말씀드리자면.
이제 일레븐랩스 안에서도 '말하는 사람 영상'을 통째로 만들 수 있습니다.
사진을 올려 AI 인물을 만들고, 대본을 쓰고, 목소리를 고르면
→ 그 인물이 입 모양까지 딱딱 맞춰 말하는 영상이 나옵니다.

한국 크리에이터라면 한 번쯤 들어본 HeyGen·Synthesia(말하는 AI 아바타 영상 서비스)를 떠올리시면 됩니다.
그 영역에 '목소리 끝판왕' 일레븐랩스가 들어온 거죠.
오늘 이게 뭔지, 어떻게 쓰는지, 기존 서비스랑 뭐가 다른지 초심자 눈높이로 끝까지 파보겠습니다!

👉 일레븐랩스 아바타 시작하기 →

🤔 음성 회사가 왜 갑자기 '얼굴'을?

먼저 용어부터 쉽게 풀게요.

💡 한 번에 이해하는 용어 박스

• Avatars(아바타) = 사진이나 글로 만든 '나만의 AI 인물'. 한 번 만들면 여러 영상에 계속 재사용.

• 토킹헤드(talking-head) = 사람이 화면을 보고 말하는, 유튜브·광고에서 흔한 '말하는 얼굴' 영상.

• 립싱크(lip-sync) = 목소리에 맞춰 입 모양을 자연스럽게 맞추는 기술.

• ElevenCreative = 일레븐랩스의 콘텐츠 제작 공간. 그 안의 'Image & Video(이미지·영상)' 메뉴에 이번 아바타가 들어왔어요.

일레븐랩스의 진짜 무기는 누가 뭐래도 '목소리'입니다.
TTS(글자를 사람 목소리로 바꿔주는 기술)와 보이스 클론(목소리 복제)에서 세계 최고 수준이죠.

그런데 영상 만드는 분들은 이런 불편을 겪었습니다.

• 일레븐랩스에서 목소리를 뽑고,

• 그 오디오 파일을 다른 서비스(HeyGen 등)에 다시 올려서,

• 거기서 입 모양을 맞추는… 이 핸드오프(파일을 이리저리 옮기는 작업)가 번거로웠죠.

아바타는 이 단계를 한 곳에서 통째로 해결합니다.
목소리도, 얼굴도, 입 맞추기도 → 일레븐랩스 안에서 한 번에.
음성 회사가 얼굴을 만든 게 아니라, '음성에서 영상까지'를 끊김 없이 잇겠다는 그림인 거예요.

⚙️ 작동 방식: '음성 export' 단계가 통째로 사라졌다

이번 아바타의 핵심 발표 문구가 하나 있습니다.
바로 "prompt island(프롬프트 화면)에 Text to Speech가 직접 내장됐다"는 거예요.

어렵게 들리지만, 뜻은 간단합니다.

💡 쉽게 말하면

• 대본을 입력하는 그 자리(prompt island = 명령어를 적는 입력 패널)에 목소리 만드는 기능이 같이 들어있다는 뜻.

• 그래서 목소리(음성)와 입 맞춘 영상(립싱크)이 '한 번에 같이' 생성됩니다.

• 오디오 파일을 따로 뽑아서(export) 다른 데로 옮길 필요가 아예 없어요.

여기서 한 가지 더.
일레븐랩스는 '목소리 만드는 부분'을 직접 가지고 있는 회사라는 점이 강점으로 작용합니다.

목소리 만드는 기술(voice model)과 입 맞추는 기술(lip-sync model)이 같은 집 안에서 함께 돌아가니까,
외부에서 오디오를 가져와 입을 맞추는 방식보다 싱크(입과 소리의 타이밍)가 더 딱 맞는다고 공식 발표는 설명합니다.
입은 "안녕"인데 소리는 "하세요"가 나오는, 그 미묘한 어긋남이 줄어든다는 거죠.

📌 에디터 메모: 립싱크 모델은 '내가' 고릅니다 ⚡
일레븐랩스는 여러 우수한 립싱크 기술을 한곳에 모아두고,
생성 화면에서 원하는 립싱크 모델을 직접 고를 수 있게 해뒀습니다(기본값도 제공).
핵심은 모델마다 품질·최대 해상도·'초당 크레딧'이 다르다는 것. 바로 아래 실측표에서 정리했습니다.

🎬 따라하기: 사진에서 말하는 영상까지, 단계별로

실제 사용 흐름은 생각보다 단순합니다.
공식 안내 기준으로 정리하면 이렇습니다.

1단계: 아바타(나만의 AI 인물) 만들기
ElevenCreative의 Image & Video 메뉴에서 Avatar 영역의 'New(새로 만들기)'를 누릅니다.
그다음 둘 중 하나로 인물을 만들어요.

• 사진 업로드: 같은 인물의 여러 각도 사진 3~5장을 올리면 결과가 안정적입니다.
  (사진 1장만 올리면 결과가 들쭉날쭉할 수 있어요.)

• 글로 묘사: 사진 없이 텍스트 프롬프트로 "이런 사람"이라고 묘사해도 만들 수 있습니다.

참고로 사람뿐 아니라 캐릭터·동물도 아바타로 만들 수 있어요. (사람이 아니어도 OK)

2단계: 이름 짓고 기본 목소리 지정
아바타에 이름을 붙이고, 필요하면 기본 음성(default voice)을 정한 뒤 'Create Avatar'로 인물을 확정합니다.
각 아바타엔 기본 목소리가 미리 붙지만 언제든 바꿀 수 있어요.

3단계: 말하는 영상 만들기
만든 아바타를 고르고 'Create Lip Sync(립싱크 만들기)'를 누릅니다.
그리고 ① 스타일 선택 → ② 목소리 선택(라이브러리 음성 또는 내가 복제한 음성) → ③ 대본 입력 → ④ 'Generate speech'로 음성을 만들어 미리듣기.

4단계: 생성
필요하면 영상 분위기를 잡는 비주얼 프롬프트를 살짝 더한 뒤 'Generate'를 누르면 끝.
입 맞춘 영상이 목소리와 함께 완성됩니다.

💡 크레딧, 미리 보고 누르세요

• 아바타 영상은 기존 'Image & Video' 크레딧 구조를 따릅니다.

• 비용은 고른 립싱크 모델 · 출력 해상도 · 영상 길이에 따라 달라집니다.

• 다행히 생성 버튼을 누르기 전에 화면에 예상 크레딧이 미리 표시됩니다. 보고 누르세요!

• (해상도는 480p·720p·1080p를 지원하는데, 일부 기준에선 해상도·화면비보다 '영상 길이'가 크레딧에 더 영향을 줍니다.)

그래서 저희가 2026년 6월 실제 모델 선택 화면에서 립싱크 모델별 초당 크레딧을 그대로 옮겨왔습니다. (숫자가 낮을수록 저렴)

⚠️ '초당'이라는 함정, 길이에 그대로 비례합니다

• 초당 크레딧이라 영상이 길수록 비용이 쭉쭉 올라갑니다.

• 예) Sync 3(1,053/초)로 30초 영상 → 약 31,600 크레딧. 1분이면 약 63,000 크레딧.

• Creator 플랜(월 약 12만 크레딧) 기준이면 30초짜리 3~4편 수준. 솔직히 넉넉하진 않습니다.

• 대신 Veed Lipsync(41/초) 같은 저렴 모델은 30초에 약 1,230 크레딧, 같은 크레딧으로 수십 배 더 뽑습니다.
  품질↔비용 트레이드오프예요.

• 여기에 아바타(이미지) 생성 크레딧은 별도입니다. 위 초당 크레딧은 '말하는 영상(립싱크)' 부분 비용.

※ 초당 크레딧은 2026년 6월 모델 선택 화면 실측값. 모델·가격 정책은 수시로 바뀌니 생성 직전 화면의 예상 크레딧을 꼭 확인하세요.

👉 직접 아바타 만들어보기 →

🪪 한 번 만들면 계속 쓴다: 지속 정체성 & '스타일' 변형

아바타의 진짜 강점은 '재사용'입니다.

한 번 만든 아바타는 '고정된 정체성(persistent identity)'을 갖습니다.
쉽게 말해, 한 번 만든 그 인물을 여러 영상에 계속 똑같은 얼굴로 등장시킬 수 있다는 뜻이에요.
영상마다 사람 얼굴이 미묘하게 달라지는 사고가 없습니다.

여기에 'Styles(스타일)' 기능이 붙습니다.
같은 인물의 핵심 정체성은 그대로 두면서, 다음을 바꾼 변형을 만들 수 있어요.

• 카메라 각도 (정면 / 측면 등)

• 의상 (정장 / 캐주얼 등)

• 배경과 조명

예를 들어 '우리 브랜드 안내자' 한 명을 만들어두고,
오피스 배경 정장 버전, 야외 캐주얼 버전, 클로즈업 버전을 같은 사람으로 뽑아 쓰는 거죠.
이 아바타와 스타일은 생성 횟수에 상관없이 계속 유지되어 여러 프로젝트에서 재활용됩니다.

📌 이게 왜 중요하냐면 ⚡
유튜브 채널이든 광고든, '같은 얼굴'이 꾸준히 나와야 시청자가 브랜드를 기억합니다.
매번 촬영하거나 매번 다른 AI 인물을 쓰면 일관성이 무너지죠.
아바타는 '한 번 만들고 평생 우려먹는' 출연자를 갖게 해줍니다.

🔁 Flows로 '대량 생산': UGC 광고를 한 번에 찍어내기

여기서부터는 조금 더 고급, 하지만 마케터·UGC 제작자에겐 꿀입니다.

💡 용어 두 개만

• Flows(플로우) = 작업을 자동 컨베이어벨트처럼 줄줄이 이어 실행하는 자동화 기능.

• UGC 광고 = '사용자가 직접 찍은 듯한' 후기 스타일 광고. 요즘 인스타·틱톡·쇼츠에서 제일 잘 먹히는 포맷이죠.

이번에 Flows에 'Avatar 노드(아바타 블록)'가 새로 추가됐습니다.
이걸 끼우면 아바타 영상 생성을 자동 파이프라인에 연결할 수 있어요.

공식 예시 흐름을 그대로 옮기면 이렇습니다.

• ① 제품 브리프(간단한 제품 설명) 입력

• ② AI가 대본 생성

• ③ 보이스오버(나레이션 음성) 생성

• ④ 아바타가 그 대본을 말하는 영상 생성

그리고 이걸 제품별 · 언어별 · 훅별로 한꺼번에(batch) 실행합니다.
여기서 '훅(hook)'은 영상 앞 3초를 잡는 도입 멘트를 말해요.

예를 들어 훅만 5개로 바꿔서("이거 모르면 손해", "3초만 보세요" 등) 한 번에 5가지 광고 변형을 찍어낼 수 있는 거죠.
한국 쇼츠·릴스 광고처럼 "어떤 도입이 잘 먹히나"를 여러 버전 돌려보는 작업에 딱입니다.
매번 다시 촬영할 필요가 없으니까요.

⚖️ HeyGen · Synthesia랑 뭐가 다를까? (솔직 비교)

"이미 HeyGen·Synthesia 있는데 왜 일레븐랩스?"
당연한 질문입니다. 핵심만 짚어드릴게요. (가격은 공식·비교 자료 기준이며 프로모션·결제주기에 따라 달라질 수 있습니다.)

핵심 차별점을 한 줄로 요약하면 이렇습니다.

일레븐랩스는 '음성 우선 통합'입니다.
원래 목소리가 세계 최고급인 회사가, 그 목소리에 얼굴(립싱크)을 붙여 한 화면에서 한 번에 뽑게 한 것.
오디오를 이리저리 옮기지 않아도 되고, 음성-입 싱크가 더 정밀하다는 게 강점이죠.

가격 감만 살짝 짚으면 이렇습니다. (2026년 6월 기준)

• HeyGen: 크레딧 단위. 대표 아바타 기능(Avatar IV) 기준 분당 약 $1(Creator 플랜).

• Synthesia: 분(分) 단위 구독. 연결제 환산 분당 약 $1.8~2.1.

• 일레븐랩스 아바타: 고른 립싱크 모델에 따라 분당 약 $0.45(저렴)~$13.8(프리미엄)로 폭이 큽니다(위 초당 크레딧 표 참고).

💰 그래서 결국 뭐가 더 쌀까? 2편에서 끝장 계산했습니다
솔직히 고화질로 많이 만들면 전용 플랫폼(HeyGen·Synthesia)이 분당 더 쌀 수 있고,
가끔·소량·통합 워크플로라면 일레븐랩스가 유리합니다.
"한 달에 몇 분 만드냐"로 갈리는 손익분기를 분당 실비용표로 끝까지 따져봤어요.
→ [아바타 비용 대결] 직접 구독 vs 일레븐랩스, 진짜 누가 싼지 보러가기 →

🚨 솔직하게, 아직 불확실한 것들
모델별 한 번에 만들 수 있는 최대 영상 길이와 아바타(이미지) 생성 자체의 크레딧은 모델·설정마다 달라 딱 떨어지게 공개돼 있진 않습니다.
(최대 해상도도 모델마다 달라요. 위 표처럼 720p까지인 모델, 1080p까지인 모델이 섞여 있습니다.)
대신 정확한 비용은 생성 직전 화면에 예상 크레딧으로 표시되니 그걸 보고 누르면 됩니다.
또 출시 시점엔 API(외부 연동) 미제공이며 추후 제공 예정입니다.

🙋 그래서, 누구한테 좋을까?

저희가 보기에 이런 분들에게 특히 강력합니다.

• 쇼츠·릴스 크리에이터: 얼굴 노출 부담 없이, 일관된 'AI 출연자'로 채널을 운영.

• UGC 광고·퍼포먼스 마케터: 훅만 바꿔 광고 변형을 대량 생산, A/B 테스트가 쉬움.

• 강의·교육 콘텐츠 제작자: '같은 강사'로 시리즈 강의를, 과목·언어별로 확장.

• 브랜드·SNS 운영자: 매번 촬영 없이 소셜 콘텐츠를 꾸준히 찍어냄.

• 다국어 설명 영상이 필요한 분: 일레븐랩스의 다국어 음성과 결합해 현지화 영상 제작.

반대로, 완전 무료로 영상을 뽑고 싶은 분에겐 아직 아쉽습니다.
아바타(영상 생성)는 유료 플랜에서만 쓸 수 있거든요(무료 플랜은 영상 생성 불가).
다행히 ElevenCreative의 모든 유료 플랜에서 현재 이용 가능합니다.

❓ 자주 묻는 질문

Q. 사진 한 장만 있으면 바로 아바타를 만들 수 있나요?
기술적으론 사진 1장으로도 만들 수 있고, 사진 없이 글(텍스트 프롬프트)로 묘사해서 만들 수도 있습니다.
다만 공식 안내는 같은 인물의 여러 각도 사진 3~5장을 권장합니다.
1장만 쓰면 영상마다 얼굴이 일관되지 않을 수 있거든요. 안정적인 결과를 원하면 여러 장을 올리세요.

Q. 무료 플랜으로도 말하는 아바타 영상을 만들 수 있나요?
아니요. 아바타 영상 생성은 유료 플랜에서만 가능합니다(무료 플랜은 영상 생성 제한).
다만 ElevenCreative의 모든 유료 플랜에서 쓸 수 있고, 비용은 기존 'Image & Video' 크레딧으로 차감됩니다.
고른 모델·해상도·영상 길이에 따라 달라지며, 생성 전 화면에 예상 크레딧이 미리 표시되니 보고 결정하시면 됩니다.

Q. HeyGen·Synthesia 대신 일레븐랩스 아바타를 써야 할 이유가 있나요?
가장 큰 차이는 '음성'입니다.
일레븐랩스는 원래 TTS·보이스 클론이 본업이라, 목소리 품질과 다국어 음성이 강합니다.
거기에 얼굴(립싱크)을 붙여 오디오를 다른 서비스로 옮기지 않고 한 곳에서 한 번에 영상을 만든다는 게 핵심 강점이에요.
음성 퀄리티가 최우선이거나 다국어 영상을 자주 만든다면 매력적입니다.
(반대로 분 단위 예산 관리가 중요하면 Synthesia, 기존 영상 다국어 번역이 주 목적이면 HeyGen도 좋은 선택입니다.)

Q. 영상마다 얼굴이 달라지지 않게, 같은 인물로 계속 쓸 수 있나요?
네, 그게 아바타의 핵심입니다.
한 번 만든 아바타는 고정된 정체성을 유지해서, 생성 횟수와 상관없이 여러 영상에 같은 얼굴로 등장합니다.
'Styles(스타일)' 기능으로 각도·의상·배경만 바꾼 변형도 만들 수 있어, 정체성은 유지하면서 다양한 연출이 가능해요.

🎁 마치며

오늘 핵심만 다시 정리할게요.

• Avatars = 사진·글로 만든 AI 인물이, 대본을 입 맞춰 말하는 영상으로 나오는 신기능.

• 목소리와 입 맞추기가 한 화면에서 한 번에 → 오디오 옮기는 수고 없음, 싱크 더 정밀.

• 한 번 만든 아바타는 계속 재사용, Styles로 각도·의상·배경 변형.

• Flows의 Avatar 노드로 UGC 광고·쇼츠를 훅·언어별 대량 생산.

• 가격·길이·자동 선택 모델 등 일부 수치는 미공개 → 생성 전 표시되는 크레딧을 확인하세요.

'목소리의 끝판왕'이 이제 '얼굴'까지 손에 쥐었습니다.
음성에서 영상까지 한 흐름으로 이어지는 시대가 열린 거죠.

유료 플랜을 쓰고 계신다면, 오늘 당장 사진 몇 장 올려
나만의 AI 출연자를 한 명 만들어보세요.
대본 한 줄이 '말하는 영상'으로 바뀌는 건, 한 번 해보면 1분이면 체감됩니다!

👉 일레븐랩스 아바타 시작하기 →

다음 글에서 또 더 유익한 꿀팁으로 찾아뵙겠습니다.
Sonetho였습니다. ⚡