내 NVIDIA GPU로 나만의 TTS 목소리 학습하기
음성 합성 모델을 처음부터 학습하려면 몇 시간 분량의 깨끗한 녹음과 강력한 하드웨어가 필요합니다. 하지만 대부분은 그게 아니라, 좋은 모델이 말할 새 목소리 하나가 필요하죠. SuperClonica가 학습하는 것이 바로 그것입니다. 오픈 다국어 모델 Supertonic 3용 목소리를 5~10초짜리 깨끗한 녹음 하나로 만듭니다.
이 가이드에서는 필요한 것, NVIDIA 그래픽 카드가 있는 컴퓨터를 워커로 연결하는 방법, 스튜디오에서 학습이 진행되는 방식, 완성한 목소리를 쓰거나 판매하는 방법을 소개합니다. 내 하드웨어로 하는 학습은 무료입니다.
무엇을 학습하며 왜 빠른가
기본 모델은 이미 31개 언어를 말할 줄 압니다. 학습은 그 모델용 목소리, 즉 녹음의 음색과 말투를 담은 작은 JSON 파일을 찾아냅니다. 그래서 짧은 참조 녹음 하나면 충분하고, 완성한 목소리는 일반 CPU에서 오프라인으로 돌아갑니다.
컴퓨터 요구 사양
워커 클라이언트는 Windows에서 돌아갑니다. 모드는 워커 카드에서 고르며, “자동” 모드에서는 워커가 빈 메모리를 기다리다가 15분 후 “미니”로 바뀝니다.
- Windows 10/11(64비트), NVIDIA RTX 20 시리즈 이상(GTX 16도 가능), 드라이버 580 이상.
- 최고 품질: 12GB 이상(16GB 권장) 그래픽 메모리와 32GB RAM.
- 미니 모드: 8GB 그래픽 메모리와 16GB RAM. 목소리 유사도가 조금 낮아집니다.
- 15GB 여유 디스크 공간과 켜 둔 Windows 페이징 파일.
1단계: 목소리와 참조 녹음 만들기
스튜디오에서 목소리를 만들고 참조 녹음을 추가하세요. 5~10초의 깨끗한 녹음과 그 정확한 텍스트(한 글자도 빠짐없이)입니다. 조용한 방에서, 화자는 한 명, 일정한 음량으로, 목소리가 가져야 할 말투로 녹음하세요. 내 목소리나 동의한 사람의 목소리를 쓰세요.
2단계: 컴퓨터를 워커로 연결
“내 워커”를 열고 워커를 추가한 뒤 SuperClonicaWorker.zip을 내려받으세요. 플랫폼 주소와 개인 토큰이 담긴 worker.json이 들어 있는 클라이언트입니다. 압축을 풀고 SuperClonicaWorker.exe를 실행하면 처음에 나머지를 내려받고, 이후로는 스스로 업데이트됩니다. 워커는 내 목소리만 학습합니다.
3단계: 학습하고 체크포인트 비교
참조 녹음에서 “학습”을 누르고 단계 수를 골라 시작하세요. 페이지는 지난 학습을 바탕으로 500단계에 걸리는 시간을 추정해 보여 줍니다. 학습 중에는 체크포인트를 데모와 참조 녹음과의 유사도로 비교하고, 가장 유망한 것을 계속 학습하세요.
4단계: 목소리를 쓰거나 판매하기
학습 페이지에서 JSON을 무료로 내려받고 무료 SuperClonica 엔진으로 어떤 텍스트든 오프라인으로 읽히세요: python -m pip install superclonica-cpu 다음 superclonica --text "안녕하세요!" --voice my-voice.json --lang ko --output hello.wav. 원하면 표지, 설명, 가격을 붙여 카탈로그에 공개하거나, 거래소에서 다른 사용자의 목소리 주문을 받을 수 있습니다.