Piper TTS와 SuperClonica: 소형 기기인가, 맞춤 목소리인가
Piper는 빠른 로컬 신경망 음성 합성 시스템으로, Home Assistant의 목소리이자 화면 낭독기 NVDA의 음성 옵션으로 알려져 있습니다. 목소리는 VITS로 학습해 ONNX로 내보내고, 원래 프로젝트는 라즈베리 파이 4에 맞춰 최적화되어 있었습니다. 2025년 10월 원래 저장소가 보관 처리되었고, 개발은 Open Home Foundation의 OHF-Voice/piper1-gpl에서 이어지고 있습니다.
SuperClonica도 로컬에서 음성을 합성하지만 초점이 다릅니다. Supertonic 3 목소리를 JSON 파일 하나로 쓰고, 작가 목소리 카탈로그와 맞춤 의뢰가 있습니다. Piper는 저희 비교 표에 없으므로, 공식 저장소의 사실만으로 각각 어디에 맞는지 정리했습니다.
Piper의 동작 방식
Piper 목소리는 각각 JSON 설정이 딸린 별도의 ONNX 모델이며, 한 언어용으로 학습됩니다. 텍스트를 음소로 바꾸기 위해 espeak-ng를 내장합니다. 현재 패키지는 pip install piper-tts로 설치하고, 명령줄 도구, Python API, HTTP 서버, C/C++ 라이브러리를 제공합니다. CUDA를 통한 GPU 가속은 선택 사항입니다.
목소리 목록은 아랍어와 카탈루냐어부터 베트남어와 웨일스어까지 39개 언어를 다루며 러시아어, 독일어, 프랑스어, 스페인어, 포르투갈어, 중국어도 있습니다. 하지만 한국어와 일본어는 없습니다.
라이선스: 엔진과 목소리별 조건
현재 엔진 piper1-gpl은 GPL-3.0이고, 보관된 원래 버전은 MIT였습니다. 비공개 제품에 라이브러리를 넣는다면 중요한 차이입니다. 목소리마다 조건이 따로 있어서, 목록은 각 목소리의 MODEL_CARD를 읽으라고 안내하고, 일부 목소리는 라이선스가 제한적이라고 경고하며, Piper를 개인 사용과 음성 합성 연구용으로 소개합니다.
Supertonic 3는 OpenRAIL-M으로, 금지 용도 목록이 있는 모델 전체에 대한 하나의 무료 라이선스입니다. SuperClonica에서 산 목소리는 내 프로젝트용이며 재판매할 수 없습니다.
새 목소리 만들기: Piper와 SuperClonica의 학습
Piper는 짧은 녹음으로 목소리를 복제하지 않습니다. 새 목소리를 만들려면 대본이 달린 녹음 데이터셋으로 학습해야 합니다. 공식 가이드는 기존 체크포인트에서 추가 학습하라고 권하며, 공식 목소리 대부분은 VRAM 24~48 GB 카드로 학습했고 8 GB로 성공했다는 사용자도 있습니다.
SuperClonica에서는 정확한 대본이 있는 5~10초 길이의 깨끗한 녹음만 있으면 시작할 수 있습니다. 내 NVIDIA GPU에서 학습하고 체크포인트를 비교한 뒤, 완성된 JSON을 무료로 내려받습니다. GPU가 없으면 작가에게 의뢰하거나 카탈로그에서 데모가 있는 기성 목소리를 고르면 됩니다.
속도와 하드웨어
Piper는 소형 기기를 위해 만들어졌고, 그것이 가장 큰 강점입니다. 저희는 측정하지 않았고 표에서도 평가하지 않습니다.
Supertonic 3에는 약 400 MB의 기본 모델과 엔진이 필요합니다. 주된 실행 환경은 데스크톱, 노트북, 서버, ONNX Runtime Web을 통한 브라우저이며, 라즈베리 파이 측정 결과는 없습니다. 8코어 데스크톱 CPU에서 SuperClonica는 실시간보다 6.4~9.7배 빠르다고 추정하며, 엔진은 CPU에서 Supertonic 3 기본 클라이언트보다 평균 61% 빠릅니다.
Piper가 더 나은 경우
한국어나 일본어 음성, Piper 목록에 없는 목소리, 프로젝트용으로 의뢰한 목소리가 필요하면 SuperClonica가 맞습니다. 다음 용도에는 Piper가 낫습니다.
- 라즈베리 파이 같은 소형 기기, 스마트홈 음성 비서, Home Assistant.
- 카탈루냐어, 웨일스어, 페르시아어, 카자흐어, 네팔어, 스와힐리어, 중국어처럼 Supertonic 3가 지원하지 않는 언어.
- 기존 시스템에 붙일 C/C++ 라이브러리나 바로 쓰는 HTTP 서버.
- GPL-3.0과 고른 목소리의 라이선스가 문제없는 프로젝트.