Pocket TTS 대안: 31개 언어, 바로 쓰는 목소리, 호스팅 API
Pocket TTS는 Kyutai의 작은 오픈 음성 합성 모델입니다. 약 1억 개의 파라미터로 일반 노트북 CPU에서 실시간으로 돌고, 짧은 WAV 녹음으로 목소리를 복제합니다. 영어, 프랑스어, 독일어, 포르투갈어, 이탈리아어, 스페인어의 6개 언어를 말합니다.
SuperClonica는 같은 크기급에 31개 언어를 말하는 Supertonic 3를 바탕으로, 제작자들이 만든 190개 목소리 카탈로그, 오프라인으로 도는 무료 엔진, 호스팅 API를 더했습니다. 이 가이드는 둘을 공정하게 비교하고 언제 무엇이 맞는지 알려 줍니다.
Pocket TTS 요약
모델 카드에 따르면 Pocket TTS는 약 1억 개의 파라미터로 MacBook Air M4 CPU의 코어 2개에서 실시간보다 약 6배 빠르게 돌고, 첫 오디오 조각을 약 200ms 만에 내놓습니다. 넘겨준 WAV 파일로 목소리를 복제하며, 녹음 품질이 그대로 옮겨지므로 먼저 깨끗하게 다듬으라고 권합니다. 가중치는 CC-BY 4.0으로 공개되며, 내려받기 전에 Hugging Face에서 조건에 동의해야 합니다. 명시적이고 합법적인 동의 없는 목소리 복제는 금지되어 있습니다.
SuperClonica의 차이
언어: Supertonic 3는 31개 언어를 말하며, Pocket TTS에 없는 러시아어, 일본어, 한국어, 아랍어, 힌디어, 폴란드어, 터키어도 포함합니다. 둘 다 중국어는 지원하지 않습니다.
목소리: 요청할 때마다 녹음을 복제하는 대신 SuperClonica의 목소리는 학습된 스타일 파일입니다. 카탈로그의 190개 목소리 중에서 골라 들어 보고 테스트 문장을 무료로 온라인 변환하거나, 스튜디오에서 내 녹음으로 목소리를 학습시킬 수 있습니다.
호스팅: 무료 오프라인 엔진 외에도 SuperClonica 음성 합성 API가 목소리를 대신 실행합니다. 저희 측정으로 최소 약 300ms부터 오디오를 스트리밍하며, 월 5달러에 최대 216시간, 무료 키로 하루 1분을 씁니다.
무엇을 고를까
6개 언어 중 하나로 몇 초짜리 녹음에서 바로 복제하고 모든 것을 직접 돌리고 싶다면 Pocket TTS. 더 많은 언어, 캐릭터와 내레이터의 완성된 목소리, 서버 관리 없이 스트리밍되는 호스팅 API가 필요하다면 SuperClonica입니다. 둘 다 CPU에서 돌아가니 내 컴퓨터에서 둘 다 시험해 보세요.