CPU에서 도는 Bark·Tortoise TTS 대안
Bark와 Tortoise TTS는 오픈 소스 음성 합성이 얼마나 자연스러울 수 있는지 보여 주었고, 지금도 매일 다운로드됩니다. 하지만 실제 서비스에서는 다루기 어렵습니다. Bark는 즉흥적으로 소리를 넣고, Tortoise는 NVIDIA 그래픽 카드와 인내심이 필요하며, 두 저장소 모두 2024년 이후 업데이트되지 않았습니다.
무료 SuperClonica 엔진은 Supertonic 3 모델을 일반 CPU에서 돌리고, 텍스트를 쓴 그대로 읽으며, 긴 글도 빠르게 읽어 줍니다. 이 가이드에서는 세 가지를 솔직하게 비교하고, Bark나 Tortoise가 더 나은 경우도 알려 드립니다.
대안을 찾는 이유
둘 다 중요한 연구 프로젝트지만, 긴 글과 수많은 대사, 일반 컴퓨터에서는 어려움이 시작됩니다.
- Bark는 텍스트를 오디오로 만드는 모델로, 개발자 스스로 대본에서 예상치 못하게 벗어날 수 있다고 밝힙니다.
- Bark는 약 12GB(작은 모델은 8GB)의 비디오 메모리가 필요하고, CPU에서는 훨씬 느립니다.
- Tortoise는 내 컴퓨터에 NVIDIA 그래픽 카드가 필요하며, 속도보다 품질을 위해 만들어졌습니다.
- 두 저장소 모두 마지막 업데이트가 2024년입니다.
소리를 무료로 비교하기
아무 목소리 페이지에서 Bark나 Tortoise로 만든 문장을 30~100자로 붙여 넣고 언어를 고른 뒤 생성 버튼을 누르세요. 몇 초 만에 비교할 수 있습니다. 계정은 필요 없습니다.
SuperClonica로 달라지는 점
수백 개의 대사를 귀로 확인해야 할 때는 예측 가능한 결과가 가장 중요합니다.
- 명령 하나로 설치: python -m pip install superclonica-cpu. Docker 이미지로 HTTP 서비스로도 쓸 수 있습니다.
- 짧은 문장은 일반 CPU에서 1초보다 훨씬 짧게 걸립니다. 저희 테스트에서 Ryzen 7 5800X 4스레드로 0.43초였습니다.
- 텍스트는 쓴 그대로 읽히며 즉흥적인 소리가 들어가지 않고, 같은 seed면 같은 테이크가 다시 나옵니다.
- 긴 글은 자연스러운 쉼에서 나뉘었다가 한 파일로 합쳐집니다.
프리셋, 클립, 학습한 목소리
Bark에는 100개 이상의 화자 프리셋이 있지만 내 목소리 복제는 지원하지 않습니다. Tortoise는 생성할 때마다 참조 클립에서 목소리를 따라 하며 그래픽 카드에서 돌아갑니다. SuperClonica에는 기본 목소리 10종과, 저마다 무료 데모가 있는 170개 이상의 카탈로그 목소리가 있습니다. 내 목소리는 동의한 화자의 5~10초 분량의 깨끗한 녹음으로 NVIDIA 그래픽 카드가 있는 컴퓨터에서 SuperClonica 스튜디오로 한 번 학습하거나 거래소에서 주문합니다. 그 뒤로는 어떤 CPU에서도 돌아갑니다.
Bark나 Tortoise가 여전히 나은 경우
오디오 안에 웃음, 한숨, 음악, 효과음이 필요하거나 Supertonic 3가 말하지 못하는 중국어가 필요하다면 Bark를 고르세요. 몇 개의 클립으로 바로 목소리를 따라 하고 싶고 생성할 때마다 쓸 NVIDIA 카드가 있다면 Tortoise를 고르세요. 일반 하드웨어에서 31개 언어의 깨끗하고 예측 가능한 음성을 대량으로 만들려면 SuperClonica를 고르세요.