가이드

OuteTTS, Llasa, MegaTTS3, MaskGCT: 정직한 비교

OuteTTS, Llasa, MegaTTS3, MaskGCT는 짧은 녹음으로 목소리를 복제하는 공개 연구용 모델로, 클라우드 음성 대신 직접 돌릴 모델을 찾을 때 함께 자주 비교됩니다. 그중 하나를 쓰기 전에 가장 중요한 건 두 가지, 어떤 언어를 말하는지와 라이선스가 무엇을 허용하는지입니다.

이 가이드는 각 모델 카드를 요약하고, 작은 모델 Supertonic 3 기반의 SuperClonica가 더 간단한 경우를 설명합니다.

음성 보기 SuperClonica 엔진 설치

OuteTTS 1.0

OuteTTS 1.0 1B는 Llama 3.2 1B를 기반으로 23개 언어(그중 12개는 충분히 학습)를 말하고, 약 10초의 오디오로 목소리를 복제합니다. GGUF 버전은 llama.cpp로 돌아갑니다. 라이선스는 Llama 3.2 Community License와 OuteAI 추가분에 대한 CC-BY-NC-SA 4.0의 조합이라 상업적 이용이 제한됩니다.

Llasa

Llasa는 Llama 모델 기반의 1B, 3B, 8B 크기가 있고, 25만 시간의 중국어·영어 음성으로 학습했으며 16kHz 프롬프트로 복제합니다. 중국어와 영어를 말하며, CC BY-NC 4.0 라이선스는 자유로운 상업적 이용을 금지합니다.

MegaTTS3와 MaskGCT

ByteDance의 MegaTTS3는 Apache-2.0이고 영어와 중국어를 말하지만, WaveVAE 인코더가 공개되지 않아 미리 추출한 잠재 표현으로만 복제할 수 있고, 카드에는 주로 학술 목적이라고 적혀 있습니다. CPU에서는 느립니다. Amphion의 MaskGCT는 완전한 비자기회귀 제로샷 모델로 약 10만 시간의 영어·중국어 음성으로 학습했으며 CC-BY-NC 4.0입니다.

SuperClonica가 더 맞는 경우

상업적 이용, 더 많은 언어, GPU 없는 컴퓨터가 필요하다면 SuperClonica가 간단합니다. Supertonic 3은 일반 CPU에서 돌고, 모든 음성이 31개 언어를 말하며, 기본 음성 10개는 OpenRAIL-M으로 무료, 카탈로그 음성은 한 번 $2.99이고, 스튜디오는 5~10초 녹음으로 내 목소리를 학습합니다. 음성 페이지에서 30~100자로 무료로 들어 보거나 python -m pip install superclonica-cpu로 엔진을 설치하세요.