StyleTTS 2와 Parler-TTS의 대안: 31개 언어
StyleTTS 2와 Parler-TTS는 잘 알려진 오픈 음성 합성 프로젝트입니다. StyleTTS 2 논문은 영어 데이터셋에서 사람 수준의 평가를 보고했고, Hugging Face의 Parler-TTS는 목소리를 말로 설명할 수 있게 합니다. 둘 다 무엇보다 연구용 코드이며, StyleTTS 2 저장소의 마지막 업데이트는 2024년, Parler-TTS는 2024년 12월입니다.
무료 SuperClonica 엔진은 일반 CPU에서 돌아가는 pip 패키지로, 31개 언어를 말하고 바로 쓰는 목소리 카탈로그가 있습니다. 이 가이드에서는 솔직하게 비교하고, StyleTTS 2나 Parler-TTS가 더 나은 경우도 알려 드립니다.
StyleTTS 2와 Parler-TTS 요약
영어 연구, 파인튜닝 실험, 말로 설명하는 목소리에는 둘 다 본격적인 도구입니다.
- StyleTTS 2: LJSpeech와 LibriTTS로 학습한 영어 모델, MIT 라이선스 코드, LibriTTS 모델로 참조 클립의 스타일을 옮길 수 있습니다.
- 사전 학습 모델에는 조건이 있습니다. 그 목소리를 쓸 허락이 없다면 청취자에게 합성 음성임을 알려야 합니다. 추론에는 GPL 라이선스의 음소 변환기 espeak-ng를 씁니다.
- Parler-TTS: 영어용 Mini(8억 8천만 파라미터)와 Large(23억), 그리고 유럽 8개 언어용 Mini Multilingual v1.1이 있으며 모두 Apache 2.0입니다.
- Parler-TTS 목소리는 성별, 속도, 음높이를 글로 설명하거나 이름이 있는 34명의 화자 중 하나로 정합니다.
무료로 소리 비교하기
아무 목소리 페이지에서 StyleTTS 2나 Parler-TTS로 만든 문장을 30~100자로 붙여 넣고 언어를 고른 뒤 생성 버튼을 누르세요. 몇 초 만에 내 텍스트로 비교할 수 있습니다. 계정은 필요 없습니다.
SuperClonica의 다른 점
일반 CPU에서 돌아갑니다. 저희 테스트에서 짧은 문장이 Ryzen 7 5800X의 4개 스레드에서 0.43초 걸렸습니다.
- 러시아어, 일본어, 한국어, 터키어, 힌디어, 아랍어를 포함한 31개 언어. 중국어는 포함되지 않습니다.
- 바로 쓰는 목소리: 기본 목소리 10개와 무료 데모가 있는 카탈로그 목소리 170개 이상.
- 목소리 하나는 약 0.3 MB의 JSON 파일이며 모델의 모든 언어를 말합니다.
- 설치는 명령 하나(python -m pip install superclonica-cpu) 또는 HTTP API가 있는 Docker 이미지.
목소리를 설명할지, 학습할지
Parler-TTS는 요청마다 새 설명을 받고, StyleTTS 2는 참조 클립의 스타일에 맞춥니다. SuperClonica에서는 깨끗한 5~10초 녹음으로 NVIDIA 그래픽카드가 있는 컴퓨터의 스튜디오에서 목소리를 한 번 학습하거나, 거래소에서 학습해 줄 작가에게 주문합니다. 그 뒤에는 어떤 CPU에서나 31개 언어 모두로 돌아가며, 원래 녹음의 억양이 조금 남습니다. 주인이 동의한 목소리만 복제하세요.
무엇을 고를까
영어 연구와 파인튜닝에는 StyleTTS 2, 영어나 유럽 8개 언어로 목소리를 말로 설명하고 싶다면 Parler-TTS를 고르세요. 그 밖의 언어, 바로 쓰는 내레이터와 캐릭터 목소리, CPU에서의 속도, pip 명령 하나나 Docker 이미지 하나로 끝나는 설치가 필요하면 SuperClonica를 고르세요.