CPU에서 도는 Dia·Orpheus·Sesame CSM 대안
Dia, Orpheus TTS, Sesame CSM은 대형 언어 모델의 아이디어를 음성 합성에 가져왔습니다. 생동감 있는 대화, 웃음, 감정 태그, 빠른 스트리밍입니다. 공통 조건도 있습니다. NVIDIA 그래픽 카드가 필요하고, Dia는 영어 텍스트만 지원합니다.
무료 SuperClonica 엔진은 더 작은 Supertonic 3 모델을 일반 CPU에서 31개 언어로 돌리며, 바로 쓰는 목소리 카탈로그가 있습니다. 이 가이드에서는 솔직하게 비교하고 셋 중 하나가 더 나은 경우도 알려 드립니다.
세 모델이 잘하는 것
그래픽 카드에서의 표현력 있는 영어 대화라면 가장 인상적인 오픈 모델에 속합니다.
- Dia(16억 파라미터)는 [S1]·[S2] 화자 태그가 붙은 대본으로 대화 전체를 만들고 웃거나 기침할 수 있습니다. 영어만 지원하며 GPU에서 테스트되었습니다.
- Orpheus TTS는 30억 파라미터 Llama 모델을 기반으로 감정 태그를 이해하고 약 200ms 지연으로 스트리밍합니다. vLLM으로 그래픽 카드에서 돌아갑니다.
- Sesame CSM(10억 파라미터)은 CUDA 그래픽 카드와 Llama 3.2 1B 모델 접근 권한이 필요합니다.
- 셋 다 Apache 2.0 라이선스입니다.
소리를 무료로 비교하기
아무 목소리 페이지에서 Dia, Orpheus, CSM으로 만든 문장을 30~100자로 붙여 넣고 언어를 고른 뒤 생성 버튼을 누르세요. 몇 초 만에 비교할 수 있습니다. 계정은 필요 없습니다.
SuperClonica로 달라지는 점
긴 글은 자연스러운 쉼에서 나뉘었다가 한 파일로 합쳐지므로, 한 장이나 대본을 호출 한 번에 넣을 수 있습니다.
- 명령 하나로 설치: python -m pip install superclonica-cpu. Docker 이미지로 HTTP 서비스로도 쓸 수 있습니다.
- 일반 CPU에서 돌아갑니다. 저희 테스트에서 짧은 문장은 Ryzen 7 5800X 4스레드로 0.43초 걸렸습니다.
- 31개 언어: 한국어, 영어, 스페인어, 독일어, 러시아어, 일본어 등. 중국어는 아직 지원하지 않습니다.
- 텍스트는 쓴 그대로 읽히고, 같은 seed면 같은 테이크가 다시 나옵니다.
목소리: 프롬프트, 프리셋, 학습한 목소리
Dia는 오디오 프롬프트나 고정 seed로 화자를 유지하고, Orpheus에는 프리셋 목소리가 있으며, CSM은 문맥 오디오를 받습니다. SuperClonica에는 기본 목소리 10종과 저마다 무료 데모가 있는 170개 이상의 카탈로그 목소리가 있습니다. 내 목소리는 동의한 화자의 5~10초 분량 깨끗한 녹음으로 NVIDIA 그래픽 카드가 있는 컴퓨터에서 SuperClonica 스튜디오로 한 번 학습하거나 거래소에서 주문합니다. 그 뒤로는 어떤 CPU에서도 31개 언어 모두로 돌아갑니다.
무엇을 고를까
웃음과 감정 태그가 들어간 표현력 있는 영어 대화나 스트리밍 음성 에이전트가 필요하고, 요청마다 그래픽 카드를 쓸 수 있다면 Dia, Orpheus, CSM을 고르세요. 일반 서버와 노트북에서 31개 언어의 깨끗한 음성, 바로 쓰는 캐릭터·내레이터 목소리, 그래픽 카드 없는 대량 생성이 필요하다면 SuperClonica를 고르세요.