Claude 텍스트 음성 변환(TTS): MCP로 오디오 파일 만들기

Claude에서 텍스트 음성 변환(TTS)으로 내려받아 다시 쓸 수 있는 오디오 파일을 만들려면, MCP로 텍스트 음성 변환 도구를 연결하세요. Claude가 대본과 음성을 도구에 보내고, Job을 기다린 뒤, 완성된 오디오의 링크를 돌려줍니다. https://mcp.sume.com/mcp의 Sume 호스팅 MCP 서버에서는 그 도구가 tts_create입니다. 호출당 최대 20,000자를 받으며, WAV나 raw 오디오를 요청하지 않으면 MP3를 반환합니다.

Claude 쪽 내용은 Anthropic 도움말 센터의 커스텀 커넥터 문서와 Claude Code MCP 문서에서, Sume 쪽 내용은 MCP 빠른 시작, MCP 도구와 게이트, Sume API 레퍼런스의 TTS 1.0 스키마에서 가져왔습니다. 모두 2026-09-27에 확인했습니다. Sume 기초 페이지는 호스팅 MCP가 여전히 동작하지만 현재 주 경로는 아니라고 설명합니다. 백엔드에서는 대신 텍스트 음성 변환 API의 REST 경로를 호출하세요.

Claude에 텍스트 음성 변환 도구를 어떻게 추가하나요?

Sume에는 전용 Claude 커넥터가 없습니다. Sume 호스팅 MCP 서버를 직접 한 번 추가한 뒤 유료 호출을 허용하세요.

• Claude, Claude Desktop, Cowork: https://mcp.sume.com/mcp를 커스텀 커넥터로 추가하세요. 단계는 Claude 커스텀 커넥터로 Sume 추가하기에 있습니다.
• Claude Code: claude mcp add --transport http sume https://mcp.sume.com/mcp를 실행한 다음 claude mcp login sume 명령을 실행하세요.
• Sume 동의 페이지에서 Write를 켜세요. 기본 로그인은 읽기 전용(mcp:read)이며, 세션에 mcp:write도 생기기 전까지 tts_create 같은 유료 도구는 insufficient_scope를 반환합니다.

Claude는 tts_create에 무엇을 보내나요?

모든 음성 필드는 필수 값인 idempotency_key와 나란히 payload 안에 들어갑니다. dry_run: true를 넣으면 호출은 Job을 만들지 않고 접수와 비용 프리뷰를 반환하므로, Claude에게 비용부터 보여 달라고 하세요. 단어별 타이밍과 문장마다 클립 하나를 받는 기능은 선택 사항이며, 텍스트 음성 변환 API에서 다룹니다.

{
  "idempotency_key": "launch-voiceover-v1",
  "dry_run": true,
  "payload": {
    "transcript": "Meet the new dashboard. Setup takes one minute.",
    "avatar_handle": "narrator",
    "language": "en"
  }
}

Claude는 오디오 파일을 어떻게 돌려받나요?

tts_create는 오디오가 아니라 Job id로 응답합니다. 도구 호출을 두 번 더 하면 작업이 끝납니다. 먼저 jobs_wait를 호출하는데, 호출당 최대 55초 동안 대기하며 Job이 끝날 때까지 같은 id로 반복합니다. 그다음 jobs_result를 호출합니다. 완료된 결과에는 오디오가 media.sume.com에 미러링된 아티팩트로 나오며, 현재 코드에서는 그 링크가 audio_url로도 담깁니다. 링크는 공개되어 있으므로 채팅 밖에서도 파일을 열거나 내려받을 수 있습니다.

Claude로 음악도 만들 수 있나요?

네, 같은 서버의 다른 도구로 만들 수 있습니다. 현재 코드에서 music_create는 Music 1.0 Job을 제출합니다. 최대 5,000자의 prompt와 선택 사항인 image_url을 받고, 길이 설정은 없으며, duration 필드는 거부됩니다. Sume 문서는 Music 1.0을 은퇴 예정으로 표시하며, 이제 그 요청은 Music Router를 거쳐 처리됩니다. 요율표에는 음악 생성이 오디오 1건당 $0.125로 나와 있습니다.

비용은 얼마이고, 한도는 어떻게 되나요?

tts_create는 1,000자당 $0.0475로 과금되며, 기본적으로 5.5% 에이전트 수수료가 더해집니다. dry_run: true는 예상 금액을 먼저 보여 주고, max_spend_usd는 값을 넘기면 호출의 상한이 됩니다.

• 호출당 최대 20,000자입니다. 합성된 오디오가 1,200초를 넘으면 tts_duration_exceeded로 실패하고 크레딧은 확정되지 않습니다.
• 실시간 음성은 지원하지 않습니다. TTS 1.0은 스트림이 아니라, 폴링하거나 웹훅으로 결과를 받는 비동기 Job입니다.
• 현재 코드에서는 음성에 기록된 주 언어가 요청한 언어와 다르면, Job이나 과금이 생기기 전에 호출이 음성 언어 불일치 경고와 함께 돌아옵니다. 확인한 뒤에는 payload 안에 confirm_language_mismatch: true를 넣어 재시도합니다.
• 내 목소리를 쓰려면 내 목소리로 AI 보이스오버 만들기를 참고하세요.