Soprano·Kani TTS·Marvis TTS 대안
소박한 장비에서 실시간으로 말하는 작은 오픈 음성 합성 모델이 잇따라 나오고 있습니다. Soprano 1.1은 8,000만 파라미터에 영어만, Kani TTS 370M은 중국어를 포함한 6개 언어, Marvis TTS 250M은 영어·프랑스어·독일어로 스트리밍하며 참조 오디오로 목소리를 클로닝합니다.
SuperClonica는 약 9,900만 파라미터의 Supertonic 3를 일반 CPU에서 31개 언어로 돌립니다. 이 가이드는 모델 카드의 사실로 비교합니다. 이 모델들은 측정하지 않았으므로 아래 속도는 각자의 주장이며 우리의 측정이 아닙니다.
Soprano 1.1
Apache 2.0의 8,000만 파라미터 모델로, GPU에서 최대 2000배, CPU에서 20배 실시간 속도를 내세우며, CPU에서 250ms 미만 지연으로 스트리밍하고 메모리는 1GB 미만입니다. 카드에 따르면 영어만 지원하고 목소리 클로닝이 없으며 약 1,000시간으로 학습해 드문 단어는 잘못 읽을 수 있습니다.
Kani TTS 370M
22kHz의 3억 7,000만 파라미터 모델로 영어, 독일어, 중국어, 한국어, 아랍어, 스페인어를 지원하며 GPU 메모리 약 2GB가 필요합니다. 상업적 이용 전 라이선스를 확인하세요. 카드 메타데이터에는 LFM 1.0 라이선스, 본문에는 Apache 2.0이라고 되어 있습니다.
Marvis TTS 250M
Apache 2.0 대화형 모델로 250M 백본과 60M 오디오 디코더로 이루어지며, iPhone과 iPad 같은 기기에서 실시간 스트리밍을 위해 만들어졌습니다. 영어, 프랑스어, 독일어에 최적화되어 있고 참조 오디오로 목소리를 클로닝합니다.
SuperClonica의 자리
Supertonic 3는 한국어를 포함한 31개 언어를 말하고, 모든 목소리가 모든 언어를 말합니다. 카탈로그에는 내레이터부터 게임·애니메이션 캐릭터까지 약 190개 목소리가 있고 한 번 사면 됩니다. 표준 목소리 10개는 무료이며 상업적으로 쓸 수 있습니다. 엔진은 데스크톱 8코어 CPU에서 실시간보다 6.4~9.7배 빠르다고 추정합니다. python -m pip install superclonica-cpu 로 설치하고 superclonica --text "안녕하세요" --voice F1 --lang ko --output hello.mp3 를 실행하세요. 어느 목소리 페이지에서든 대사를 무료로 들어 볼 수 있습니다.
무엇을 고를까
작은 장비에서 가장 빠른 영어는 Soprano, GPU로 중국어나 한국어는 Kani, 유럽 3개 언어의 스트리밍과 클로닝은 Marvis. CPU에서 31개 언어, 바로 쓰는 캐릭터 목소리, 스튜디오에서 학습한 목소리, 하루 3분 무료 API는 SuperClonica입니다.