{"kind":"compare","slug":"f5-tts","path":"/compare/f5-tts","title":"F5-TTS 대안: CPU에서 빠른 목소리 복제 | SuperClonica","description":"F5-TTS와 SuperClonica 비교. 플로 매칭 기반 제로샷 목소리 복제인가, CPU용 Supertonic 3 엔진인가. 속도, 언어, 라이선스, 활용 사례를 정리했습니다.","h1":"F5-TTS와 SuperClonica: 제로샷 복제인가, CPU에서 빠른 음성인가","intro":"F5-TTS는 플로 매칭과 Diffusion Transformer를 기반으로 한 오픈 음성 합성 모델입니다. 2024년 10월 처음 공개되었고, 2025년 3월 개선된 v1 기본 모델이 나왔습니다. 제로샷으로 목소리를 복제해서, 짧은 참고 음성과 그 텍스트를 주면 그 목소리로 말합니다. SuperClonica는 방식이 다릅니다. 목소리를 한 번 Supertonic 3 파일로 학습해 두면, 그다음부터는 일반 CPU에서 빠르게 돌아갑니다.\n\nCPU용이나 상업용 F5-TTS 대안을 찾고 있다면, 무엇이 달라지는지 정리했습니다.","sections":[{"heading":"F5-TTS의 동작 방식","paragraphs":["F5-TTS는 ConvNeXt V2를 결합한 Diffusion Transformer로, Emilia 데이터셋의 공개 다국어 데이터 약 10만 시간으로 학습했습니다. 공식 기본 모델은 중국어·영어 모델입니다. 참고 녹음과 대본을 넣어 쓰는데, 대본을 비워 두면 음성 인식 모델이 채워 주는 대신 GPU 메모리를 더 씁니다.","커뮤니티가 다른 언어용으로 추가 학습한 모델도 있고, 저장소에서 링크를 제공합니다. 저희 표에서는 공식 기본 모델의 2개 언어로 셉니다."]},{"heading":"CPU와 GPU에서의 F5-TTS 속도","paragraphs":["GPU에서 F5-TTS는 빠릅니다. 저장소에 따르면 NVIDIA L20 한 장, 16스텝 기준으로 TensorRT-LLM이면 RTF 0.0402, PyTorch면 0.1467입니다.","CPU에서는 저희 표에서 가장 느린 모델입니다. ZipVoice 논문은 Xeon Platinum 8457C 1스레드, 32스텝에서 RTF 37.284를 측정했습니다. 최신 16스레드 데스크톱 CPU로 실효 2.5~7.5배 빨라진다고 가정하면 실시간보다 5~15배 느린 셈이고, 10초 문장에 50~150초가 걸립니다. SuperClonica는 약 1.0~1.6초입니다."]},{"heading":"품질과 음색 안정성","paragraphs":["저희 평가에서 F5-TTS는 품질 5점 만점에 3점, 음색 안정성 3점이고, SuperClonica는 4.5점과 5점입니다. 제로샷 복제는 요청할 때마다 참고 음성으로 목소리를 다시 만들기 때문에, 결과가 넣는 음성에 따라 달라집니다. 학습된 목소리 파일은 매번 같은 음색에서 시작합니다."]},{"heading":"라이선스: 상업적 이용 전에 확인하세요","paragraphs":["F5-TTS 코드는 MIT 라이선스입니다. 하지만 사전 학습 모델은 학습 데이터 Emilia 때문에 CC-BY-NC 라이선스이며, 기본 조건으로는 공식 가중치를 상업적으로 쓸 수 없습니다.","Supertonic 3는 OpenRAIL-M으로, 비상업 조항 대신 금지 용도 목록을 둔 무료 라이선스입니다. SuperClonica에서 산 목소리는 내 프로젝트용이며 재판매할 수 없습니다."]},{"heading":"F5-TTS를 고를 때","paragraphs":["Supertonic 3의 31개 언어로 만드는 제품, GPU 없는 PC, 속도 차이가 몇 시간으로 쌓이는 긴 글이라면 SuperClonica가 맞습니다. 다음과 같은 경우에는 F5-TTS가 낫습니다."],"points":["제로샷 복제를 활용한 연구와 비상업적 실험.","GPU에서 중국어·영어 음성, 또는 내 언어용 커뮤니티 모델.","학습 과정 없이 지금 바로 짧은 음성으로 복제가 필요할 때."]}],"faq":[{"question":"F5-TTS는 CPU에서 돌아가나요?","answer":"돌아가지만 느립니다. ZipVoice 논문에서 CPU 1스레드로 RTF 약 37이 측정되었고, 16스레드 데스크톱 CPU에서도 실시간보다 5~15배 느리다고 저희는 추정합니다."},{"question":"F5-TTS를 상업적으로 쓸 수 있나요?","answer":"공식 사전 학습 모델은 안 됩니다. 학습 데이터 때문에 CC-BY-NC 라이선스이기 때문입니다. 코드 자체는 MIT입니다."},{"question":"F5-TTS는 어떤 언어를 지원하나요?","answer":"공식 기본 모델은 중국어와 영어로 학습되었습니다. 다른 언어는 커뮤니티 모델이 추가하고 있지만, 품질과 라이선스는 모델마다 다릅니다."},{"question":"목소리 복제에서 F5-TTS보다 빠른 대안이 있나요?","answer":"학습을 기다릴 수 있다면, 내 녹음으로 학습한 Supertonic 3 목소리를 SuperClonica로 돌리는 방법이 있습니다. 저희 추정으로 데스크톱 CPU에서 실시간보다 6.4~9.7배 빠릅니다. 학습 없이 복제해야 한다면, 몇 초 분량의 음성으로 충분한 Qwen3-TTS나 OmniVoice를 살펴보세요."}],"cta":{"catalog":"CPU용 목소리 써 보기","install":"엔진 설치하기"},"sources":[{"label":"F5-TTS 저장소(GitHub)","url":"https://github.com/SWivid/F5-TTS"},{"label":"F5-TTS 모델 카드(Hugging Face)","url":"https://huggingface.co/SWivid/F5-TTS"},{"label":"F5-TTS 논문(arXiv)","url":"https://arxiv.org/abs/2410.06885"},{"label":"ZipVoice 논문 표 II: CPU 속도","url":"https://arxiv.org/html/2506.13053v1#S5.T2"},{"label":"Supertonic 3 모델 카드","url":"https://huggingface.co/supertone-oss-archive/supertonic-3"}],"published":"2026-10-17","updated":"2026-10-23","pages":[{"slug":"text-to-speech","path":"/text-to-speech","h1":"내 컴퓨터에서 돌아가는 음성 합성(TTS)"},{"slug":"supertonic","path":"/compare/supertonic","h1":"Supertonic vs SuperClonica: 같은 모델, 더 빠르고 깨끗하게"},{"slug":"fish-audio","path":"/compare/fish-audio","h1":"Fish Audio·Fish Speech와 SuperClonica 비교"},{"slug":"omnivoice","path":"/compare/omnivoice","h1":"OmniVoice와 SuperClonica: 언어 수인가, 속도인가"},{"slug":"qwen3-tts","path":"/compare/qwen3-tts","h1":"로컬 음성 합성, Qwen3-TTS와 SuperClonica 중 무엇을 쓸까"},{"slug":"voxcpm","path":"/compare/voxcpm","h1":"VoxCPM 2와 SuperClonica: 스튜디오 음질인가, CPU 속도인가"},{"slug":"f5-tts","path":"/compare/f5-tts","h1":"F5-TTS와 SuperClonica: 제로샷 복제인가, CPU에서 빠른 음성인가"},{"slug":"elevenlabs","path":"/compare/elevenlabs","h1":"오프라인으로 쓰는 ElevenLabs 대안"},{"slug":"kokoro","path":"/compare/kokoro","h1":"Kokoro TTS와 SuperClonica: 로컬 음성 합성을 위한 작은 모델 두 가지"},{"slug":"piper","path":"/compare/piper","h1":"Piper TTS와 SuperClonica: 소형 기기인가, 맞춤 목소리인가"},{"slug":"xtts","path":"/compare/xtts","h1":"Coqui XTTS-v2와 SuperClonica: Coqui TTS 대안"},{"slug":"chatterbox","path":"/compare/chatterbox","h1":"Chatterbox TTS와 SuperClonica: 즉시 복제인가, 학습된 목소리 파일인가"}],"related":[{"slug":"offline-text-to-speech","path":"/guides/offline-text-to-speech","h1":"내 컴퓨터에서 오프라인으로 텍스트를 음성으로 바꾸는 방법"},{"slug":"voice-cloning","path":"/guides/voice-cloning","h1":"목소리 복제: 녹음과 비슷한 목소리를 얻는 방법"},{"slug":"best-free-tts-models","path":"/guides/best-free-tts-models","h1":"2026년 로컬에서 쓸 수 있는 무료 음성 합성 모델"},{"slug":"text-to-speech-for-videos","path":"/guides/text-to-speech-for-videos","h1":"영상, 오디오북, 게임, 앱을 위한 음성 합성"},{"slug":"supertonic-3-voices","path":"/guides/supertonic-3-voices","h1":"Supertonic 3 목소리: 커스텀 목소리를 구하는 곳과 사용법"},{"slug":"python-text-to-speech","path":"/guides/python-text-to-speech","h1":"파이썬 텍스트 음성 변환: 오프라인, 무료, 자연스러운 목소리로"},{"slug":"text-to-speech-api-docker","path":"/guides/text-to-speech-api-docker","h1":"Docker로 직접 운영하는 음성 합성 API"}]}