내 컴퓨터에서 오프라인으로 텍스트를 음성으로 바꾸는 방법

오프라인 음성 합성에 필요한 것

Windows, macOS, Linux 중 하나가 설치된 컴퓨터면 충분합니다. Supertonic 3는 프로세서에서 돌아가며, 개발사에 따르면 그래픽카드가 필요 없습니다. NVIDIA GPU가 있으면 더 빨라지지만 필수는 아닙니다.

• 표준 Supertonic 3 클라이언트에는 Git과 Python 3.11이 필요합니다. SuperClonica 엔진은 Python 3.10 이상에서 작동합니다.
• 기본 모델을 위한 약 400MB의 디스크 공간. 다운로드는 한 번이면 됩니다.
• 목소리: 목소리 프로필이 담긴 JSON 파일 하나.
• 인터넷은 설치할 때만 필요합니다. 그 뒤로는 오프라인으로 음성을 만듭니다.

1단계: 목소리 고르기

Supertonic 3에는 기본 프리셋 목소리가 몇 개 들어 있습니다. 차분한 내레이터, 게임 캐릭터, 대화형 목소리처럼 원하는 소리가 있다면 카탈로그를 살펴보세요. 모든 목소리에 데모와 작가의 설명이 있고, 무료 목소리도 있습니다.

먼저 언어를 확인하세요. Supertonic 3는 한국어, 영어, 일본어, 스페인어, 프랑스어, 독일어, 러시아어 등 31개 언어를 지원하지만 중국어는 아직 지원하지 않습니다.

구매한 뒤에는 "내 라이브러리"를 열고 목소리를 JSON 파일로 내려받습니다. 다른 곳에서 Supertonic 3용으로 만든 목소리 파일도 똑같이 쓸 수 있습니다.

2단계: Windows·macOS·Linux에 Supertonic 3 설치

표준 Supertonic 3 클라이언트는 지금 바로 쓸 수 있습니다. 터미널(Windows에서는 PowerShell)을 열고 저희 "작동 원리" 페이지의 명령을 순서대로 실행하세요. 이 명령들은 GitHub에서 supertonic 저장소를 복제하고, 그 안에 Python 3.11 가상 환경을 만들고(Windows는 py -3.11 -m venv .venv, macOS와 Linux는 python3.11 -m venv .venv), huggingface_hub를 설치하고, hf 도구로 supertone-oss-archive/supertonic-3 모델을 assets 폴더에 내려받고, py/requirements.txt의 패키지를 설치한 뒤 py 폴더로 이동합니다.

페이지에는 Windows용과 macOS·Linux용 명령이 그대로 나와 있고 복사 버튼도 있습니다. 시간이 걸리는 단계는 모델 다운로드뿐이며, 그것도 한 번이면 끝납니다.

3단계: 텍스트를 음성으로 바꾸기

내려받은 목소리를 supertonic/py 폴더에 voice.json이라는 이름으로 저장합니다. 그다음 가상 환경에서 example_onnx.py를 실행하면서 목소리, 텍스트, 언어 코드를 넘깁니다: --voice-style "./voice.json" --text "읽을 문장" --lang ko --n-test 1. results 폴더에 WAV 파일이 만들어집니다.

다른 언어로 바꾸려면 텍스트와 코드를 바꾸면 됩니다. 예를 들어 --lang en이나 --lang ja입니다. 스크립트에는 --speed 옵션도 있습니다. 기본값은 1.05이고, 값이 클수록 말하는 속도가 빨라집니다.

여기서부터는 네트워크가 필요 없습니다. 연결을 끊어도 원하는 만큼 텍스트를 음성으로 바꿀 수 있습니다.

더 빠르게: SuperClonica 엔진

SuperClonica는 Supertonic 3를 기반으로 한 저희 엔진입니다. 같은 JSON 목소리 파일을 변환 없이 읽고, 같은 설정에서 CPU로는 평균 61%(Ryzen 7 5800X에서 측정), 그래픽카드로는 평균 73%(RTX 5070 Ti에서 측정) 더 빠릅니다. 쉼에 잡음이 끼지 않고 문장 끝도 더 깔끔합니다.

패키지는 PyPI에 공개되어 있어 설치는 명령 하나입니다: python -m pip install superclonica-cpu, NVIDIA GPU라면 superclonica-gpu-cuda이며 CUDA와 cuDNN은 pip가 함께 설치합니다. 문장 하나도 한 줄이면 됩니다: superclonica --text "안녕하세요." --voice voice.json --lang ko --output hello.wav. 기본 모델은 처음 실행할 때 내려받습니다. Python에서는 Superclonica().synthesize()에 같은 값을 넘기면 되고, 전체 예제는 설치 페이지에 있습니다.

긴 글을 읽힐 때의 요령

책, 기사, 긴 대본은 조금만 준비해도 결과가 훨씬 좋아집니다.

• 텍스트를 장이나 절로 나누고 각각 따로 파일로 만드세요. 잘못된 부분만 금방 다시 만들 수 있습니다.
• 표준 클라이언트에는 한 번에 한 문단이나 몇 문장씩 넘기고, 파일은 오디오 편집기에서 이어 붙이세요. SuperClonica 엔진은 긴 글을 알아서 짧게 나눠 읽기 때문에 단어가 반복되거나 잘리는 일이 적습니다.
• 숫자, 날짜, 단위, 약어는 소리 내어 읽을 형태로 적으세요.
• 너무 긴 문장은 나누세요. 쉼은 문장 부호에서 나옵니다.
• 시간도 계산해 두세요. 저희 추정으로는 8코어 데스크톱 CPU에서 SuperClonica가 1시간 분량의 오디오를 약 7~11분에 만듭니다.