CPU에서 도는 GLM-TTS·Maya-1 대안
GLM-TTS와 Maya-1은 대규모 언어 모델을 바탕으로 한 표현력 높은 오픈 음성 합성 모델입니다. MIT 라이선스의 GLM-TTS는 3~10초 오디오로 목소리를 클로닝하고, 강화 학습으로 감정을 제어하며, 중국어와 영어가 섞인 글에 최적화되어 있습니다. Maya-1은 약 33억 파라미터로 글로 쓴 설명에서 목소리를 만들고 20가지가 넘는 감정과 말투를 지원합니다.
SuperClonica는 약 9,900만 파라미터의 Supertonic 3를 일반 CPU에서 31개 언어로 돌립니다. 이 가이드는 모델 카드의 사실로 비교합니다. GLM-TTS와 Maya-1은 측정하지 않았으므로 속도나 품질 수치는 없습니다.
GLM-TTS
2단계 구조로, Llama 기반 언어 모델이 글을 음성 토큰으로 바꾸고 디코더가 소리를 만듭니다. 3~10초 프롬프트로 화자를 클로닝하고, 대화형 앱용으로 스트리밍하며, 강화 학습으로 억양과 감정을 더 자연스럽게 만듭니다. 중국어와 영어가 섞인 글에 가장 강하며 라이선스는 관대한 MIT입니다.
Maya-1
클로닝이나 프리셋 선택 대신 나이, 음색, 억양, 속도 등을 말로 설명하고 본문에 표현 지시를 넣습니다. 카드에는 약 33억 파라미터와 저장소 메타데이터의 Apache 2.0이 적혀 있고, 상업적 이용 전에 읽어 볼 만한 구성 요소별 라이선스 주석도 있습니다.
SuperClonica의 차이
Supertonic 3는 약 9,900만 파라미터로 일반 CPU에서 충분히 돕니다. 엔진은 데스크톱 8코어 CPU에서 실시간보다 6.4~9.7배 빠르다고 추정합니다. 한국어를 포함한 31개 언어를 말하고 모든 목소리가 모든 언어를 말합니다. python -m pip install superclonica-cpu 로 설치하고 superclonica --text "안녕하세요" --voice F1 --lang ko --output hello.mp3 를 실행하세요.
프롬프트 대신 준비된 목소리
매번 목소리를 클로닝하거나 설명하는 대신, SuperClonica에는 내레이터와 아나운서부터 게임·애니메이션 캐릭터까지 약 190개 카탈로그 목소리가 있고, 각각 한 번 사서 계속 쓰는 작은 파일입니다. 표준 목소리 10개는 무료이며 상업적으로 쓸 수 있습니다. 어느 목소리 페이지에서든 30~100자 대사를 무료로 들어 볼 수 있습니다.
무엇을 고를까
큰 모델용 GPU가 있고 중국어·빠른 클로닝·감정 표현이 필요하면 GLM-TTS, 글로 새 목소리를 만들려면 Maya-1. CPU에서 31개 언어, 바로 쓰는 캐릭터 목소리, 하루 3분 무료 음성 API가 필요하면 SuperClonica입니다.