# 오디오

> Nodaro MCP 오디오 도구로 음성과 대화를 생성하고, 보이스를 디자인하거나 바꾸고, 더빙하고, 효과음과 녹취록을 만들고, 오디오를 정리하거나 자릅니다.

Source: https://nodaro.ai/ko/docs/mcp/tools/audio

**오디오 도구**를 사용하면 어시스턴트가 Nodaro에서 소리를 만들고 바꿀 수 있습니다. 음성과 대화, 새 보이스와 바꾼 보이스, 더빙, 효과음, 녹취록, 정리 작업입니다. `list_voices`를 제외한 각 도구는 작업을 시작해 그 ID를 반환하며, 결과는 내 라이브러리에 저장됩니다. 모든 오디오 도구에는 `workflows:execute` 권한이 필요합니다.

| 도구 | 하는 일 |
| --- | --- |
| [`generate_speech`](#generate_speech) | 보이스로 텍스트를 음성으로 변환 |
| [`generate_dialogue`](#generate_dialogue) | 여러 보이스가 나누는 대화를 파일 하나로 생성 |
| [`list_voices`](#list_voices) | 기본 제공 보이스 |
| [`voice_design`](#voice_design) | 설명으로 만드는 새 보이스 |
| [`voice_remix`](#voice_remix) | 보이스 id 없이, 설명한 보이스로 만드는 음성 |
| [`voice_changer`](#voice_changer) | 녹음이나 동영상의 보이스를 변경 |
| [`voice_changer_pro`](#voice_changer_pro) | 여러 화자의 보이스를 한 번에 변경 |
| [`dubbing`](#dubbing) | 보이스를 유지한 채 음성을 다른 언어로 번역 |
| [`text_to_audio`](#text_to_audio) | 설명으로 만드는 효과음 |
| [`transcribe`](#transcribe) | 단어 타이밍을 포함한 음성 텍스트 변환 |
| [`audio_isolation`](#audio_isolation) | 믹스에서 주된 목소리나 소리를 분리 |
| [`separate_audio`](#separate_audio) | 오디오를 보컬과 반주, 또는 스템으로 분리 |
| [`apply_audio_fx`](#apply_audio_fx) | 목소리를 공간 안에 놓는 리버브와 효과 |
| [`pitch_tempo`](#pitch_tempo) | 피치를 옮기거나, 피치를 바꾸지 않고 템포를 변경 |
| [`trim_audio`](#trim_audio) | 오디오를 자르거나 동영상에서 추출 |
| [`mix_audio`](#mix_audio) | 트랙 2~20개를 한 파일로 겹치며, 배경 음악이 보이스 아래로 낮아짐 |
| [`download_youtube_audio`](#download_youtube_audio) | YouTube 동영상의 오디오 트랙 |

## `generate_speech`
ElevenLabs 보이스로 텍스트를 음성으로 바꿉니다. [**텍스트 음성 변환**](https://nodaro.ai/docs/nodes/audio/text-to-speech) 노드와 같은 방식으로 작동합니다.

**권한:** `workflows:execute`. **크레딧:** 아래 모델의 가격입니다.

| Model | Maker | Modes | Credits | Details |
| --- | --- | --- | --- | --- |
| [ElevenLabs v4](https://nodaro.ai/docs/models/audio/elevenlabs-v4) | ElevenLabs | Text to speech | 5부터 | Newest ElevenLabs TTS — [audio tags], stability and similarity control, up to 10,000 characters per request. Direct API. |
| [ElevenLabs v4 Turbo](https://nodaro.ai/docs/models/audio/elevenlabs-v4-turbo) | ElevenLabs | Text to speech | 3부터 | Faster, cheaper ElevenLabs v4 at lower fidelity — [audio tags], stability and similarity control, at Turbo's credit price. Prefer v4 when quality matters. Direct API. |
| [ElevenLabs v3](https://nodaro.ai/docs/models/audio/elevenlabs-v3) | ElevenLabs | Text to speech | 5부터 | Expressive ElevenLabs TTS — supports [audio tags] for emotion / pacing. Direct API. |
| [ElevenLabs Turbo v2.5](https://nodaro.ai/docs/models/audio/elevenlabs-turbo-v2-5) | ElevenLabs | Text to speech | 3부터 | Fast, cheap ElevenLabs TTS via the direct ElevenLabs API. Good for narration. |
| [ElevenLabs Multilingual v2](https://nodaro.ai/docs/models/audio/elevenlabs-multilingual-v2) | ElevenLabs | Text to speech | 5부터 | Multi-language ElevenLabs TTS via the direct ElevenLabs API. |

| 매개변수 | 타입 | 설명 |
| --- | --- | --- |
| `text` | string | **필수.** 말할 내용으로, 최대 10,000자이며 고른 모델의 한도를 넘을 수 없습니다(ElevenLabs v3는 5,000자). 더 긴 텍스트는 잘리지 않고 거부됩니다. 더 긴 스크립트는 여러 번에 나눠 호출하세요. |
| `voice_id` | string | 기본 제공 보이스 이름 또는 내가 복제한 보이스의 id입니다. 기본값은 `Rachel`입니다. 알 수 없는 id는 `voice_not_found`로 실패합니다. |
| `voice_type` | string | `premade`, `custom`, `library` 중 하나입니다. |
| `model` | string | `elevenlabs-v4`(기본값), `elevenlabs-v4-turbo`, `elevenlabs-v3`, `elevenlabs-turbo`, `elevenlabs-multilingual` 중 하나입니다. `elevenlabs-turbo`의 이전 id인 `elevenlabs`도 받습니다. |
| `language_code` | string | 텍스트의 언어입니다. |
| `stability`, `similarity_boost`, `style` | number | 말투 설정으로, 0~1입니다. |
| `speed` | number | 0.7~1.2입니다. |
| `previous_text` | string | 이 대사 바로 앞에 말하는 대사로, 클립 사이에서 전달이 이어지게 하는 맥락입니다. 말하지는 않습니다. 최대 1,000자입니다. ElevenLabs v3는 무시합니다. |
| `next_text` | string | 이 대사 바로 뒤에 말하는 대사입니다. 규칙은 `previous_text`와 같습니다. |
| `presetId` | string | [`list_node_presets`](https://nodaro.ai/docs/mcp/tools/models-and-credits#list_node_presets)에서 받은 말투 프리셋입니다. 예: **차분한 내레이터**, **광고 내레이션**, **오디오북**. 프리셋을 써도 `text`는 직접 전달하세요. |

**모델 선택.** 기본값인 ElevenLabs v4는 감정과 속도를 조절하는 `[laughs]`, `[whispers]`, `[sighs]` 같은 오디오 태그를 지원하며, 완전한 다국어 모델입니다. 히브리어, 아랍어, 중국어, 일본어, 한국어를 포함해 모든 언어에 쓰세요. `stability`와 `similarity_boost`는 받지만 `speed`와 `style`은 받지 않습니다. ElevenLabs v3는 이전 모델로, 태그는 같고 `stability`만 받습니다. ElevenLabs v4 Turbo는 Turbo 가격의 더 빠른 v4입니다. ElevenLabs Turbo는 단순한 내레이션에 더 저렴합니다. ElevenLabs Multilingual v2는 이전 세대 모델이므로, v2에서만 작동한다고 알려진 보이스에만 쓰세요.

**보이스 선택.** 기본 제공 보이스는 Rachel, Aria, Roger, Sarah, Laura, Charlie, George, Callum, River, Liam, Charlotte입니다. 그 밖에 Alice, Matilda, Will, Jessica, Eric, Chris, Brian, Daniel, Lily, Bill도 있습니다. 따뜻한 여성 보이스는 Rachel, 젊은 여성 보이스는 Aria나 Lily, 낮은 남성 보이스는 Roger나 Brian, 중립적인 남성 보이스는 George나 Daniel, 영국식 보이스는 Charlie나 Charlotte를 써 보세요.

**반환값:** 작업 ID입니다. 오디오가 준비되면 카드에서 재생됩니다.

## `generate_dialogue`
여러 화자의 스크립트를 ElevenLabs Dialogue v3 또는 ElevenLabs Dialogue v4로, 자연스럽게 말을 주고받는 오디오 파일 하나로 만듭니다. 따로 만든 `generate_speech` 클립을 이어 붙이는 대신 대화, 인터뷰, 팟캐스트 형식의 대화, 장면에 사용하세요. [**텍스트로 대화 만들기**](https://nodaro.ai/docs/nodes/audio/text-to-dialogue) 노드와 같은 방식으로 작동합니다.

**권한:** `workflows:execute`. **크레딧:** [ElevenLabs Dialogue v3](https://nodaro.ai/docs/models/audio/elevenlabs-dialogue-v3) 또는 [ElevenLabs Dialogue v4](https://nodaro.ai/docs/models/audio/elevenlabs-dialogue-v4)의 가격으로, 스크립트의 시작된 100자 단위마다 청구되며 최소 8단위입니다.

| 매개변수 | 타입 | 설명 |
| --- | --- | --- |
| `model` | string | `elevenlabs-dialogue`(Dialogue v3, 기본값) 또는 `elevenlabs-dialogue-v4`입니다. |
| `dialogue` | array | **필수.** 말하는 순서대로 나열한 대사 1~200개이며, 각각 `{ text, voice_id }`입니다. 같은 캐릭터에는 같은 보이스를 다시 쓰세요. 대사에 `[laughs]` 같은 오디오 태그를 넣을 수 있습니다. |
| `stability` | number | Dialogue v3에서는 `0`(가장 다양함), `0.5`(균형), `1`(가장 안정적) 중 하나입니다. Dialogue v4에서는 0~1 사이의 어떤 값이든 됩니다. |
| `similarity_boost` | number | Dialogue v4 전용입니다. 각 대사가 보이스의 특성을 얼마나 유지할지 0~1로 정합니다. |
| `language_code` | string | `en`이나 `he` 같은 언어 힌트입니다. 생략하면 언어를 감지합니다. |
| `seed` | integer | 반복 가능한 결과를 위한 고정 시드입니다. |
| `apply_text_normalization` | string | 숫자, 날짜, 약어를 풀어서 읽습니다. `auto`(기본값), `on`, `off` 중 하나입니다. |

제한은 총 Dialogue v3에서 5,000자, Dialogue v4에서 10,000자이며, 최고 품질을 위해서는 2,000자 이하를 권장합니다. 호출 1회에 서로 다른 보이스는 10개까지 쓸 수 있습니다. 한 스크립트에 기본 제공 보이스 이름과 복제한 보이스를 함께 쓸 수 있습니다.

**반환값:** 작업 ID입니다.

## `list_voices`
기본 제공 보이스를 id, 이름, 그리고 있는 경우 성별, 억양, 설명과 함께 반환합니다. `generate_speech`, `voice_changer`, `voice_changer_pro`에는 보이스 id가 필요합니다.

**권한:** `workflows:execute`. **크레딧:** 무료.

이 도구에는 매개변수가 없습니다. 카탈로그를 읽을 뿐 작업을 시작하지 않습니다.

## `voice_design`
설명으로 새 보이스를 디자인하고, 그 보이스로 내 스크립트를 읽은 샘플을 반환합니다. 보이스를 저장하기 전에 미리 들어 볼 때 사용하세요. [**보이스 디자인**](https://nodaro.ai/docs/nodes/audio/voice-design) 노드와 같은 방식으로 작동합니다.

**권한:** `workflows:execute`. **크레딧:** 55크레딧입니다.

| 매개변수 | 타입 | 설명 |
| --- | --- | --- |
| `voice_description` | string | **필수.** 성별, 나이, 억양, 톤, 성격 등 보이스의 설명으로, 최대 1,000자입니다. 예: “warm female narrator with a soft British accent, low-pitched, calm pacing”(부드러운 영국식 억양에 낮은 음역대로 차분하게 말하는 따뜻한 여성 내레이터). |
| `text` | string | **필수.** 보이스가 읽을 샘플 스크립트로, 100~1,000자입니다. |
| `model` | string | `eleven_ttv_v3`(기본값, 모든 언어) 또는 이전 세대의 `eleven_multilingual_ttv_v2`입니다. |
| `loudness`, `guidance_scale`, `quality`, `seed`, `should_enhance` | | 선택 사항인 디자인 설정입니다. `loudness`는 -1~1, `guidance_scale`은 0~100입니다. |

**반환값:** 작업 ID입니다. 결과는 디자인한 보이스의 오디오 샘플입니다.

## `voice_remix`
보이스 id 없이, 말로 설명한 보이스로 텍스트를 읽습니다. 계속 쓸 필요가 없는 일회성 보이스에 사용하세요. [**보이스 리믹스**](https://nodaro.ai/docs/nodes/audio/voice-remix) 노드와 같은 방식으로 작동합니다.

**권한:** `workflows:execute`. **크레딧:** 44크레딧입니다.

| 매개변수 | 타입 | 설명 |
| --- | --- | --- |
| `text` | string | **필수.** 말할 내용으로, 최대 5,000자입니다. |
| `voice_description` | string | **필수.** 보이스의 설명으로, 최대 1,000자입니다. 예: “a warm, mid-40s British woman with a calm news-anchor tone”(차분한 뉴스 앵커 톤의 따뜻한 40대 중반 영국 여성). |

**반환값:** 작업 ID입니다.

## `voice_changer`
말투와 리듬은 유지한 채 오디오 트랙이나 말하는 동영상 전체의 보이스를 바꿉니다. [**보이스 체인저**](https://nodaro.ai/docs/nodes/audio/voice-changer) 노드와 같은 방식으로 작동합니다.

**권한:** `workflows:execute`. **크레딧:** 44크레딧입니다.

| 매개변수 | 타입 | 설명 |
| --- | --- | --- |
| `voice_id` | string | **필수.** 새 보이스로, 기본 제공 보이스 이름 또는 내가 복제한 보이스의 id입니다. |
| `audio_url` 또는 `audio_asset_id` | string | 오디오 소스입니다. |
| `video_url` 또는 `video_asset_id` | string | 오디오 대신 쓰는 동영상 소스입니다. 둘 다 전달하면 동영상이 우선합니다. |
| `remove_background_noise` | boolean | `true`이면 깨끗한 목소리만 반환합니다. `false`이면 새 보이스 아래에 음악과 효과음을 유지합니다. |
| `stability`, `similarity_boost`, `style` | number | 0~1입니다. `style`은 원래 말투를 과장합니다. 0보다 크면 더 느리고 덜 안정적일 수 있습니다. |

**반환값:** 작업 ID입니다. 동영상 소스이면 카드에서 새 오디오를 미리 들을 수 있고, 새 동영상은 내 라이브러리에 저장됩니다.

## `voice_changer_pro`
클립의 모든 화자를 감지하고, 말과 타이밍은 유지한 채 화자마다 새 보이스를 입힙니다. 처음 말하는 순서대로 화자 1에게 목록의 첫 번째 보이스, 화자 2에게 두 번째 보이스가 가는 식입니다. [**보이스 체인저 Pro**](https://nodaro.ai/docs/nodes/audio/voice-changer-pro) 노드와 같은 방식으로 작동합니다.

**권한:** `workflows:execute`. **크레딧:** **보이스 체인저 Pro** 노드와 같습니다. **Nodaro Cloud 전용.**

| 매개변수 | 타입 | 설명 |
| --- | --- | --- |
| `ordered_voices` | array | **필수.** 화자마다 하나씩, 1~8개 항목입니다. 항목은 보이스 id, 자체 설정을 담은 객체, 또는 그 화자의 원래 목소리를 유지하는 `null`입니다. 적어도 하나는 `null`이 아니어야 합니다. |
| `audio_url`, `audio_asset_id`, `video_url` 또는 `video_asset_id` | string | 소스로, 오디오 트랙 또는 보이스를 바꿀 동영상입니다. |
| `analysis` | object | 이전 `voice_changer_pro_analyze` 작업의 출력입니다. 그러면 화자를 다시 감지하지 않고, 내가 보이스를 매핑한 화자 목록을 그대로 사용합니다. |
| `preserve_background` | boolean | 음악과 효과음을 새 보이스 아래에 다시 섞습니다. 기본값은 `true`입니다. |
| `music_volume_mode`, `music_volume` | | 배경의 음량입니다. `match`(원본), `normalize`, 또는 0~200의 음량을 지정하는 `manual`입니다. |
| `voice_fx` | object | 배경을 다시 섞기 전에 새 보이스에 거는 리버브나 효과입니다. `room`, `hall`, `church`, `telephone`, `echo` 같은 `preset`과 `wetDryMix`, `delayMs`, `decay`를 지정합니다. |
| `separation_quality` | string | `fast`(기본값) 또는 `best`입니다. |
| `remove_background_noise` | boolean | 먼저 배경 소음을 제거해 목소리만 깨끗하게 남깁니다. |
| `output` | string | `video`(기본값)는 완성된 동영상이고, `stems`는 `voice_changer_pro_export`로 직접 믹스할 수 있도록 분리된 트랙입니다. |
| `model` | string | 보이스 모델을 직접 지정합니다. |

보이스 항목 객체는 `voiceId`와 선택 사항인 `engine`, `stability`, `similarityBoost`, `style`, `useSpeakerBoost`, `seed`, `volumeMode`, `volume`을 받습니다. `engine`은 원래 연기의 목소리를 바꾸는 `sts`(기본값), `v3` 또는 `v4`입니다. `v3`와 `v4`는 녹취록으로 대사를 ElevenLabs v3 또는 ElevenLabs v4로 다시 말하며, 오디오 태그를 받습니다. `v3` 엔진은 0, 0.5, 1의 안정성 값을 받습니다. `v4` 엔진은 0~1 사이의 어떤 안정성 값이든 받고 `similarityBoost`를 적용합니다. 두 엔진 모두 `analysis`에서 녹취록을 읽습니다. 분석이 없으면 자체적으로 텍스트로 변환합니다.

**반환값:** 작업 ID입니다.

## `voice_changer_pro_analyze`
클립의 화자를 바꾸지 않고 감지만 합니다. 대화형 흐름의 첫 단계입니다. 작업 출력에는 분리된 목소리 트랙과 배경 트랙, 화자별 시간 구간, 첫 등장, 단어 수, 텍스트 스니펫, 그리고 언어가 담깁니다. 이를 확인해 화자마다 보이스를 고르고, 박수 소리처럼 사람이 아닌 “화자”를 찾아내세요.

**권한:** `workflows:execute`. **Nodaro Cloud 전용.**

| 매개변수 | 타입 | 설명 |
| --- | --- | --- |
| `audio_url`, `audio_asset_id`, `video_url` 또는 `video_asset_id` | string | 소스 클립입니다. |
| `separation_quality` | string | `fast`(기본값) 또는 `best`입니다. |
| `suggest_title` | boolean | 녹취록으로 제목도 제안하며, `suggestedTitle`로 반환합니다. |

**반환값:** 작업 ID입니다. 그 `output_data`를 `voice_changer_pro`에 `analysis`로 전달하세요.

## `voice_changer_pro_export`
직접 믹스한 트랙으로 완성된 동영상을 렌더링합니다. `output: "stems"`로 `voice_changer_pro`를 실행한 다음에 하는, 대화형 흐름의 마지막 단계입니다. 동영상은 다시 인코딩하지 않고 복사됩니다.

**권한:** `workflows:execute`. **Nodaro Cloud 전용.**

| 매개변수 | 타입 | 설명 |
| --- | --- | --- |
| `tracks` | array | **필수.** 트랙 1~16개로, 각각 `url`, 0~200의 `gain`(100은 원래대로), `muted`, 그리고 `voice`(기본값) 또는 `background`인 `kind`가 있습니다. 적어도 하나의 트랙은 음소거되지 않아야 합니다. |
| `video_url` 또는 `video_asset_id` | string | 소스 동영상입니다. |
| `voice_fx` | object | 보이스 트랙에만 적용하는 효과입니다. |

**반환값:** 작업 ID입니다.

## `dubbing`
각 화자의 보이스와 타이밍을 유지한 채 음성을 다른 언어로 번역합니다. 동영상 소스이면 더빙된 동영상과 그 오디오 트랙을 반환합니다. [**더빙**](https://nodaro.ai/docs/nodes/audio/dubbing) 노드와 같은 방식으로 작동합니다.

**권한:** `workflows:execute`. **크레딧:** 더빙된 구간 1분당 가격이 매겨집니다.

| 매개변수 | 타입 | 설명 |
| --- | --- | --- |
| `target_language` | string | **필수.** `en`, `es`, `fr`, `de`, `ja`, `zh`, `ko`, `ar` 같은 언어 코드입니다. |
| `audio_url`, `audio_asset_id`, `video_url`, `video_asset_id` 또는 `source_url` | string | **소스는 정확히 하나.** `source_url`은 직접 가져오는 공개 YouTube, TikTok 또는 직접 링크입니다. |
| `source_language` | string | 소스 언어의 힌트입니다. 생략하면 감지합니다. |
| `num_speakers` | integer | 서로 다른 보이스의 수로, 최대 20입니다. `0`이면 감지합니다. |
| `disable_voice_cloning` | boolean | 각 화자의 원래 목소리 대신 비슷한 원어민 보이스를 씁니다. |
| `drop_background_audio` | boolean | 음성만 있는 소스에서 배경을 제거합니다. |
| `start_time`, `end_time` | number | 소스의 일부만 초 단위로 지정해 더빙합니다. |
| `highest_resolution` | boolean | 동영상의 원래 해상도를 유지합니다. 더 느립니다. |
| `use_profanity_filter`, `target_accent`, `watermark` | | 선택 사항입니다. `target_accent`는 보이스를 특정 억양 쪽으로 이끕니다. |

더빙 한 번은 최대 30분까지입니다. 더 긴 소스의 일부는 `start_time`과 `end_time`으로 지정하세요.

**반환값:** 작업 ID입니다.

## `text_to_audio`
폴리, 앰비언스, 인터페이스 사운드처럼 설명으로 효과음을 만듭니다. 음성이나 음악용이 아닙니다. [**텍스트로 오디오 만들기**](https://nodaro.ai/docs/nodes/audio/text-to-audio) 노드와 같은 방식으로 작동합니다.

**권한:** `workflows:execute`. **크레딧:** [ElevenLabs Sound Effects](https://nodaro.ai/docs/models/audio/elevenlabs-sound-effects)의 가격으로, `duration`의 초 단위로 청구되며 1초가 안 되는 부분은 1초로 계산합니다. `duration` 없이 호출하면 5초로 청구됩니다.

| 매개변수 | 타입 | 설명 |
| --- | --- | --- |
| `prompt` | string | 소리의 설명으로, 최대 2,000자입니다. 예: “thunderstorm with heavy rain”(폭우가 쏟아지는 뇌우). 프리셋이 제공하지 않으면 필수입니다. |
| `duration` | number | 0.5~30초입니다. 기본적으로 모델이 정합니다. |
| `loop` | boolean | 소리가 끊김 없이 반복되게 합니다. |
| `prompt_influence` | number | 소리가 프롬프트를 얼마나 충실히 따를지로, 0~1입니다. |
| `presetId` | string | **빗소리 환경음**, **휙 전환 효과음**, **임팩트 / 쿵** 같은 프리셋입니다. |

**반환값:** 작업 ID입니다.

## `transcribe`
ElevenLabs STT 엔진으로 오디오나 동영상 파일의 음성을 텍스트로 바꿉니다. 밀리초 단위의 단어 타이밍은 항상 `output_data.json.words`에 있습니다. [**음성 텍스트 변환**](https://nodaro.ai/docs/nodes/audio/transcribe) 노드와 같은 방식으로 작동합니다.

**권한:** `workflows:execute`. **크레딧:** [ElevenLabs STT](https://nodaro.ai/docs/models/audio/elevenlabs-stt)의 가격입니다.

| 매개변수 | 타입 | 설명 |
| --- | --- | --- |
| `audio_url` 또는 `audio_asset_id` | string | 소스입니다. id는 오디오 작업이나 동영상 작업일 수 있습니다. |
| `language` | string | `en` 같은 언어 코드입니다. 생략하면 감지합니다. |
| `diarize` | boolean | 화자마다 라벨을 붙입니다. 기본값은 `false`입니다. |
| `tag_audio_events` | boolean | `[laughter]`나 `[music]` 같은 소리를 표시합니다. 기본값은 `false`입니다. |
| `word_timestamps` | boolean | 호환성을 위해 남아 있습니다. 단어 타이밍은 어느 쪽이든 반환됩니다. |

**반환값:** 작업 ID입니다. 녹취록은 작업 출력에 있습니다. 수정한 텍스트로 동영상에 자막을 넣으려면 `json.words`를 단어마다 항목 하나씩 [`add_captions`](https://nodaro.ai/docs/mcp/tools/video-editing#add_captions)의 `captions`에 매핑하세요. Whisper 엔진은 캔버스 노드, REST API, SDK, CLI에서 쓸 수 있으며, 이 도구로는 쓸 수 없습니다.

## `audio_isolation`
믹스에서 배경 음악과 소음을 제거하고, 주된 목소리, 보컬 또는 악기를 깨끗한 트랙 하나로 반환합니다. [**음성 추출**](https://nodaro.ai/docs/nodes/audio/voice-extractor) 노드와 같은 방식으로 작동합니다.

**권한:** `workflows:execute`. **크레딧:** [ElevenLabs Voice Isolation](https://nodaro.ai/docs/models/audio/elevenlabs-voice-isolation)의 가격으로, 길이에 따라 다릅니다.

| 매개변수 | 타입 | 설명 |
| --- | --- | --- |
| `audio_url` 또는 `audio_asset_id` | string | 소스입니다. id는 오디오 작업이나 동영상 작업일 수 있습니다. |

**반환값:** 작업 ID입니다.

## `separate_audio`
어떤 오디오든 보컬과 반주로, 또는 드럼, 베이스, 기타, 피아노, 그 밖의 소리로 이루어진 전체 스템으로 나눕니다. Demucs로 실행되며, `suno_separate_stems`와 달리 Suno 트랙이 필요 없습니다. [**음원 분리**](https://nodaro.ai/docs/nodes/audio/audio-separation) 노드와 같은 방식으로 작동합니다.

**권한:** `workflows:execute`. **크레딧:** 33~88크레딧이며, 모드와 품질에 따라 다릅니다.

| 매개변수 | 타입 | 설명 |
| --- | --- | --- |
| `audio_url` 또는 `audio_asset_id` | string | 소스입니다. `audio_asset_id`는 오디오 작업이나 업로드한 오디오 파일을 받으며, 동영상은 받지 않습니다. |
| `mode` | string | `vocal_instrumental`(기본값) 또는 `stems`입니다. |
| `quality` | string | `auto`(기본값), `fast`, `best` 중 하나입니다. |

**반환값:** 작업 ID입니다. `vocalUrl`, `instrumentalUrl`, `drumsUrl` 같은 각 스템의 URL은 `get_job`으로 읽으세요.

## `apply_audio_fx`
목소리나 클립에 크리에이티브 효과를 적용합니다. 건조한 목소리를 공간 안에 놓는 리버브, 또는 전화, 메가폰, 에코 효과입니다. [**오디오 효과**](https://nodaro.ai/docs/nodes/audio/audio-fx) 노드와 같은 방식으로 작동합니다.

**권한:** `workflows:execute`. **크레딧:** 22크레딧입니다.

| 매개변수 | 타입 | 설명 |
| --- | --- | --- |
| `audio_url` 또는 `audio_asset_id` | string | 소스입니다. id는 오디오 작업이나 동영상 작업일 수 있습니다. |
| `preset` | string | `room`(기본값), `bathroom`, `car`, `hall`, `concert-hall`, `church`, `cave`, `arena`, `outdoor`, `telephone`, `megaphone`, `echo`, `custom` 중 하나입니다. |
| `mix` | number | 리버브의 양으로, 0~100입니다. |

**반환값:** 작업 ID입니다.

## `pitch_tempo`
목소리나 노래의 피치를 반음 단위로 옮기거나, 피치를 바꾸지 않고 템포를 바꿉니다. [**피치 및 템포**](https://nodaro.ai/docs/nodes/audio/pitch-tempo) 노드와 같은 방식으로 작동합니다.

**권한:** `workflows:execute`. **크레딧:** 입력의 시작된 1분마다 22크레딧이며, 최대 30분입니다.

| 매개변수 | 타입 | 설명 |
| --- | --- | --- |
| `audio_url`, `video_url` 또는 `asset_id` | string | 소스는 정확히 하나입니다. id는 오디오 작업, 동영상 작업, 업로드한 파일일 수 있습니다. 동영상은 화면을 그대로 유지합니다. |
| `semitones` | number | -12~12입니다. 기본값은 0입니다. 12는 한 옥타브 위입니다. |
| `tempo` | number | 피치를 유지한 속도로, 0.5~2입니다. 기본값은 1입니다. 동영상에서는 무시됩니다. |
| `preserve_formants` | boolean | 목소리의 자연스러운 성격을 유지합니다. 기본값은 true입니다. 다람쥐 목소리나 거인 목소리를 만들려면 끄세요. |

**반환값:** 작업 ID입니다.

## `trim_audio`
오디오를 시간 구간으로 자르거나, 동영상의 오디오를 추출해 자릅니다. [**오디오 자르기**](https://nodaro.ai/docs/nodes/audio/trim-audio) 노드와 같은 방식으로 작동합니다.

**권한:** `workflows:execute`. **크레딧:** 11크레딧입니다.

| 매개변수 | 타입 | 설명 |
| --- | --- | --- |
| `audio_url`, `audio_asset_id`, `video_url` 또는 `video_asset_id` | string | 소스 하나입니다. 동영상 소스는 그 오디오 트랙을 씁니다. |
| `start_time`, `end_time` | number | 초 단위의 구간입니다. 둘 다 생략하면 트랙 전체를 유지합니다. |
| `audio_format` | string | `mp3`(기본값), `wav`, `aac` 중 하나입니다. |

**반환값:** 작업 ID입니다.

## `mix_audio`
오디오 트랙 2~20개를 한 파일로 겹칩니다. `duck`을 쓰면 보이스가 말하는 동안 배경 음악이 낮아지고, 말이 멈추면 다시 올라갑니다. [**오디오 믹스**](https://nodaro.ai/docs/nodes/audio/mix-audio) 노드와 같은 방식으로 작동합니다.

**권한:** `workflows:execute`. **크레딧:** 덕킹 여부와 관계없이 22크레딧입니다.

| 매개변수 | 타입 | 설명 |
| --- | --- | --- |
| `tracks` | array | **필수.** 믹스 순서대로 트랙 2~20개입니다. 각각 `{ audio_url }` 또는 `{ audio_asset_id }`이며, 선택 사항으로 0~200% 사이의 `volume`을 넣을 수 있습니다. 기본값은 `100`입니다. `audio_asset_id`는 Nodaro 오디오 또는 동영상 작업이 될 수 있습니다. |
| `duck` | object | 다른 모든 트랙을 키 트랙 하나 아래로 낮춥니다. 일반 믹스라면 생략하세요. |
| `duck.under` | integer | **`duck`에서 필수.** `tracks`에서 키 트랙(보통 보이스)의 위치로, 0부터 셉니다. |
| `duck.amount` | number | 다른 트랙이 낮아지는 정도로, 0~100입니다. 기본값은 `75`입니다. |
| `duck.threshold_db` | number | 덕킹을 시작하려면 키 트랙이 넘어야 하는 레벨(dBFS)로, -60~0입니다. 기본값은 `-30`입니다. |
| `duck.ratio` | number | 1~20의 컴프레서 비율입니다. `amount`보다 우선합니다. |
| `duck.attack_ms`, `duck.release_ms` | number | 덕킹이 시작되는 속도로 1~2,000ms(기본값 `20`), 그리고 다른 트랙이 돌아오는 느린 정도로 10~9,000ms(기본값 `500`)입니다. |
| `end_at` | string | 믹스가 끝나는 지점입니다. `longest`(기본값)는 가장 긴 트랙과 함께, `voice`는 `duck.under` 트랙이 끝날 때 끝납니다. `voice`에는 `duck`이 필요합니다. |

덕킹한 믹스는 트랙을 평균하지 않고 더하므로, 보이스가 레벨을 유지합니다.

**반환값:** 작업 ID입니다. 믹스된 오디오가 작업의 결과입니다.

## `download_youtube_audio`
YouTube 동영상의 오디오 트랙을 추출합니다.

**권한:** `workflows:execute`.

| 매개변수 | 타입 | 설명 |
| --- | --- | --- |
| `youtube_url` | string | **필수.** YouTube 동영상 URL입니다. |

**반환값:** 작업 ID입니다. 결과는 다른 도구에 전달할 수 있는 오디오 파일입니다.

## 자주 묻는 질문

### generate_speech는 기본으로 어떤 보이스를 쓰나요?

ElevenLabs v4 모델의 Rachel입니다. voice_id에 Aria, Roger, Charlotte 같은 기본 제공 보이스 이름이나 내가 복제한 보이스의 id를 넣으세요. list_voices가 기본 제공 보이스를 반환합니다.

### 보이스 두 개로 대화를 만들려면 어떻게 하나요?

generate_dialogue에 텍스트와 보이스를 담은 대사 목록을 순서대로 넣으세요. 자연스럽게 말을 주고받는 오디오 파일 하나를 반환하며, 따로 만든 음성 클립을 이어 붙이는 것보다 자연스럽게 들립니다.

### ElevenLabs v4는 영어 외의 언어도 말하나요?

네. 히브리어, 아랍어, 중국어, 일본어, 한국어를 포함해 완전한 다국어를 지원하므로 모든 언어에 쓰세요. [laughs], [whispers] 같은 오디오 태그도 이해합니다.

### 자막용 단어 타이밍을 얻으려면 어떻게 하나요?

transcribe를 호출하세요. 밀리초 단위의 단어 타이밍은 항상 작업의 output_data.json.words에 있으며, add_captions가 captions로 받는 형식과 같습니다.

### 클립 하나에서 여러 보이스를 바꿀 수 있나요?

네. Nodaro Cloud에서 voice_changer_pro로 바꿀 수 있습니다. 화자를 하나씩 감지하고, 처음 말하는 순서대로 목록의 보이스를 각 화자에게 입히며, 말과 타이밍은 그대로 유지합니다.