무슨 일이 있었나요
출퇴근길에 논문이나 기술 문서를 ‘듣고’ 싶었던 적 있으시죠? 눈은 피곤한데 읽을 건 쌓여 있을 때 PDF를 오디오북처럼 틀어놓을 수 있으면 참 좋겠다 싶거든요. PDF를 MP3로 바꿔주는 서비스 pdftomp3가 이번에 재미있는 방식을 내놨어요. 사용자가 이미 결제하고 있는 OpenAI 구독을 연결해서 오디오북을 만들 수 있게 한 거예요.
이게 왜 흥미롭냐면요. 지금까지 AI 서비스의 과금은 대부분 둘 중 하나였어요. 서비스가 AI 비용을 떠안고 별도 구독료를 받거나, 사용자가 직접 API 키를 발급받아 넣는 방식(BYOK, Bring Your Own Key)이죠. 그런데 API 키 방식은 개발자가 아니면 어렵고, 쓴 만큼 돈이 나가니까 책 한 권 변환에 얼마가 들지 감이 안 와요. 반면 이미 내고 있는 구독을 그대로 쓰면 사용자는 ‘추가 지출 없이’ 쓰는 느낌이 들고, 서비스는 AI 원가 부담을 덜 수 있어요.
PDF를 오디오북으로 만드는 게 왜 어려울까
“텍스트 뽑아서 TTS(텍스트를 음성으로 바꾸는 기술) 돌리면 끝 아니야?” 싶지만 실제로 해보면 꽤 까다로워요.
첫째, PDF는 ‘글’보다는 ‘인쇄 지시서’에 가까워요. PDF는 문단 구조를 저장하는 포맷이 아니에요. “이 좌표에 이 글자를 찍어라”를 기록한 파일이거든요. 그래서 텍스트를 뽑으면 2단 편집 논문은 좌우 문단이 뒤섞이고, 페이지마다 머리말·꼬리말·페이지 번호가 끼어들어요. 줄 끝 하이픈 때문에 단어가 반으로 쪼개져 나오기도 하고요.
둘째, 소리 내서 읽으면 안 되는 게 많아요. 각주, 참고문헌, 표, 수식, 그림 캡션까지 기계적으로 다 읽으면 듣는 사람한테는 고문이에요. “괄호 열고 스미스 외 2019 괄호 닫고”를 몇십 번 듣고 싶은 사람은 없잖아요.
여기서 LLM이 활약해요. 추출한 원문을 LLM에 넘겨서 ‘낭독용 원고’로 다듬는 거예요. 머리말을 지우고, 끊긴 문장을 이어 붙이고, 표는 “이 표는 연도별 매출을 비교하고 있어요”처럼 말로 풀어주는 식이죠. 보통 이런 서비스의 처리 과정을 정리하면 이래요.
1. 추출: PDF에서 글자와 위치 정보를 뽑아요 (스캔본이면 OCR이 필요해요)
2. 정제: LLM이 낭독하기 좋게 다시 써요
3. 분할(chunking): TTS 입력 길이 제한에 맞게 문장 단위로 잘라요
4. 합성: TTS로 음성을 만들어요
5. 병합: 오디오 조각을 이어 붙이고 챕터 마커를 넣어요
책 한 권이면 2~4단계를 수백 번 반복해야 해요. 그래서 이런 서비스는 ‘AI 비용을 누가 내느냐’가 곧 비즈니스 모델의 핵심이에요.
업계 맥락: ‘내 구독 연결하기’라는 흐름
요즘 AI 도구 쪽에서 눈에 띄는 흐름이 바로 이거예요. OpenAI의 Codex CLI는 API 키 대신 ‘ChatGPT 계정으로 로그인’해서 구독 한도 안에서 쓸 수 있게 했고, 이후 서드파티 도구들도 비슷한 연동을 붙이기 시작했어요. 반면 Anthropic은 Claude 구독 계정을 외부 도구에서 쓰는 걸 제한하는 쪽으로 정책을 정리했어요. 같은 ‘구독 연동’이라도 회사마다 태도가 꽤 다른 셈이에요.
경쟁 서비스랑 비교해보면 위치가 더 잘 보여요. ElevenLabs Reader나 Speechify는 고품질 음성을 자체 구독으로 팔고, 구글 NotebookLM의 오디오 오버뷰는 문서를 두 진행자가 나누는 팟캐스트 대화로 ‘요약’해줘요. pdftomp3 같은 서비스는 요약하지 않고 원문을 그대로 읽어줘요. 비용은 사용자가 이미 내고 있는 구독에 기대고요. 이 두 가지가 차별점이에요.
한국 개발자에게 주는 시사점
한국어 문서라면 정제 단계가 더 중요해요. 한국어 TTS 품질은 많이 좋아졌지만 숫자, 영어 약어, 버전 표기(‘v2.1’, ‘API’, ‘2026년’)는 아직 어색하게 읽을 때가 있어요. LLM에게 “숫자와 약어를 한국어 발음대로 풀어 써줘”라고 지시하는 것만으로도 듣기 품질이 확 올라가요. 국내에는 스캔 PDF나 HWP 문서가 많으니까 OCR과 포맷 변환도 신경 써야 하고요.
사이드 프로젝트 모델로도 참고할 만해요. 원가 걱정 없이 AI 서비스를 시작할 수 있다는 건 1인 개발자에게 큰 장점이에요. 다만 리스크도 분명해요. AI 제공사가 약관이나 연동 정책을 바꾸면 서비스의 핵심이 한순간에 흔들릴 수 있어요. 또 구독 연동은 보통 사용자 계정 권한을 넘겨받는 구조라서, 토큰을 어떻게 보관하고 권한을 어디까지 쓰는지 투명하게 설명해야 신뢰를 얻을 수 있어요.
저작권도 잊지 마세요. 내가 가진 문서를 혼자 듣는 것과 변환한 오디오를 공유하거나 파는 건 완전히 다른 문제예요.
마무리
한 줄 정리: PDF 오디오북 변환의 진짜 어려움은 TTS가 아니라 ‘읽을 수 있는 원고 만들기’예요. 이번에는 그 비용을 사용자의 기존 AI 구독으로 해결하려는 시도가 나왔고요.
여러분은 AI 서비스를 쓸 때 API 키 입력, 별도 구독, 내 구독 연결 중 어떤 방식이 가장 편하세요? 그리고 기술 문서를 ‘귀로’ 듣는 게 실제로 공부에 도움이 될까요?
🔗 출처: Hacker News