Kyutai TTS 대안: 더 많은 언어, 내 목소리, GPU 없이
Kyutai TTS는 프랑스 연구소 Kyutai가 공개한 스트리밍 TTS 모델입니다. 텍스트의 첫 몇 단어만 들어와도 말하기 시작해 음성 비서에 매력적입니다. 영어와 프랑스어를 말하며, 목소리는 미리 계산된 임베딩으로 제공됩니다.
이 가이드는 모델 카드의 내용, Kyutai TTS가 맞는 경우, 그리고 작은 모델 Supertonic 3 기반의 SuperClonica가 더 맞는 경우를 정리합니다.
Kyutai TTS 요약
이름에 1.6b가 있지만 모델 카드에 따르면 실제로는 18억 파라미터로, 10억 백본과 6억 depth transformer로 이루어집니다. 영어와 프랑스어를 말하며 스트리밍으로 첫 단어가 도착하자마자 소리를 냅니다. 가중치는 CC-BY 4.0으로 공개되었고, Kyutai의 Python 패키지 moshi로 실행하며, 예제 코드는 CUDA GPU를 씁니다.
목소리와 복제
Kyutai는 음성 복제를 별도 저장소 tts-voices에 공개한 미리 계산된 임베딩으로 제한했습니다. 아무 녹음이나 복제하는 대신 제공된 목소리 중에서 고르는 방식입니다. 모델 카드에는 워터마크가 없다고도 적혀 있습니다.
SuperClonica가 다른 점
SuperClonica는 훨씬 작은 모델 Supertonic 3을 GPU 없는 일반 CPU에서 돌리며, 모든 음성이 영어·프랑스어부터 러시아어·일본어·한국어까지 31개 언어를 말합니다. 카탈로그에는 내레이터와 캐릭터 음성이 있고, 기본 음성 10개는 무료이며, 스튜디오는 5~10초의 깨끗한 녹음으로 내 목소리를 학습합니다. 앱용 호스팅 Speech API도 오디오를 스트리밍으로 보내며, 방법은 스트리밍 API 가이드에 있습니다.
무엇을 고를까
자체 GPU로 영어나 프랑스어 비서를 만들고 스트리밍 설계와 공개 가중치가 필요하다면 Kyutai TTS를 고르세요. 더 많은 언어, GPU 없는 노트북이나 서버, 캐릭터 음성이나 내 목소리가 필요하다면 SuperClonica가 맞습니다. Kyutai는 더 작은 Pocket TTS도 만들며, Pocket TTS 가이드에서 비교합니다. SuperClonica 음성은 각 페이지에서 30~100자로 무료로 들어 볼 수 있고, 엔진은 python -m pip install superclonica-cpu로 설치합니다.