Coqui XTTS-v2와 SuperClonica: Coqui TTS 대안
XTTS-v2는 Coqui가 오픈소스 라이브러리 Coqui TTS와 함께 공개한 목소리 복제 모델입니다. 짧은 참고 음성만 있으면 그 목소리로 한국어를 포함한 17개 언어를 말하고, 한 언어의 목소리를 다른 언어로 옮길 수도 있습니다.
지금 이 모델로 무언가를 만들려면 두 가지를 알아야 합니다. 원래 저장소 coqui-ai/TTS는 더 이상 관리되지 않고, XTTS 가중치의 라이선스는 상업적 사용을 허용하지 않습니다. Coqui TTS 대안을 찾는 분을 위해 SuperClonica와 비교했습니다. XTTS는 저희 비교 표에 없으므로 속도나 품질 점수는 싣지 않습니다.
XTTS-v2로 할 수 있는 것
XTTS-v2는 몇 초 분량의 음성으로 목소리를 복제합니다. 모델 카드는 6초, 문서는 3초라고 합니다. 영어, 스페인어, 프랑스어, 독일어, 이탈리아어, 포르투갈어, 폴란드어, 터키어, 러시아어, 네덜란드어, 체코어, 아랍어, 중국어, 일본어, 헝가리어, 한국어, 힌디어를 지원하고, 24 kHz로 출력하며 참고 음성의 감정과 말투도 옮겨 줍니다.
스트리밍도 되며 제작자는 지연 200 ms 미만이라고 밝히지만 하드웨어는 적지 않았습니다. 문서의 예제는 CUDA에서 돌리며, 추가 학습용 코드도 들어 있습니다.
XTTS 라이선스: 상업적으로 쓸 수 없는 이유
XTTS-v2 가중치는 Coqui Public Model License입니다. 비상업적 사용만 허용하며, 모델뿐 아니라 생성한 음성에도 적용됩니다. 모델이나 그 결과물로 직간접적인 대가를 받는 순간 라이선스 범위를 벗어납니다. 기업은 테스트, 평가, 비상업적 연구에만 쓸 수 있습니다.
Coqui TTS 코드 자체는 MPL-2.0이므로 걸림돌은 코드가 아니라 가중치입니다. Supertonic 3는 OpenRAIL-M으로, 비상업 조항 대신 금지 용도 목록을 둔 무료 라이선스입니다. SuperClonica에서 산 목소리는 내 프로젝트용이며 재판매할 수 없습니다.
지금의 Coqui TTS
원래 저장소 coqui-ai/TTS는 더 이상 관리되지 않습니다. Idiap이 포크를 관리하며 PyPI에 coqui-tts로 배포하고, Linux·macOS·Windows용 빌드 패키지와 복제한 목소리 캐시 같은 새 기능을 더했습니다. XTTS-v2 가중치와 라이선스는 그대로입니다.
요청마다 복제할 것인가, 학습된 목소리 파일인가
XTTS는 요청할 때마다 참고 음성으로 목소리를 다시 만들기 때문에 결과가 넣는 음성에 따라 달라집니다. SuperClonica는 목소리를 한 번만 Supertonic 3 파일로 학습합니다. 정확한 대본이 있는 5~10초 길이의 깨끗한 녹음과 내 NVIDIA GPU만 있으면 되고 비용은 없습니다. 작가에게 의뢰하거나 카탈로그에서 고를 수도 있습니다.
그다음엔 파일이 일반 CPU에서 오프라인으로 돌아갑니다. 저희 추정으로 SuperClonica는 8코어 데스크톱 CPU에서 실시간보다 6.4~9.7배 빠르고, 10초 문장을 약 1.0~1.6초에 만듭니다.
XTTS-v2가 더 나은 경우
수익을 내는 프로젝트, GPU 없는 PC, 목소리를 파일로 간직하고 싶다면 SuperClonica를 고르세요. XTTS-v2는 다음 경우에 여전히 맞습니다.
- 비상업 라이선스가 문제 되지 않는 개인, 연구, 취미 프로젝트.
- 학습 없이 몇 초 분량의 음성으로 바로 복제하고 싶을 때.
- Supertonic 3가 아직 지원하지 않는 중국어 음성.
- 이미 Coqui TTS 라이브러리 위에 만들어 둔 파이프라인.