팟캐스트와 대화를 위한 VibeVoice 대안
Microsoft의 VibeVoice는 TTS 모델이 최대 네 명의 화자로 최대 90분의 음성, 즉 팟캐스트 한 회를 한 번에 만들 수 있어 화제가 되었습니다. 2025년 9월 5일 관리자들은 오용을 발견해 VibeVoice-TTS 코드를 저장소에서 삭제했고, 모델 표에는 TTS-1.5B 가중치가 비활성화로 표시되어 있습니다. 남은 것은 약 10분 분량의 스트리밍 모델 VibeVoice-Realtime-0.5B이며, 프로젝트는 모델이 연구 개발 전용이라고 밝힙니다.
여러 목소리의 팟캐스트나 대화가 목적이라면 무료 SuperClonica 엔진이 다른 방식으로 해결합니다. 화자마다 목소리를 정하고, 대사를 한 줄씩 변환해 하나의 파일로 잇습니다. 일반 프로세서에서 오프라인으로 돌아가고 기본 목소리는 상업적으로 쓸 수 있습니다.
VibeVoice에 무슨 일이 있었나
VibeVoice 저장소는 MIT 라이선스이며, 음성 인식 모델과 스트리밍 텍스트 입력으로 약 300ms 만에 첫 소리를 내는 TTS 모델 Realtime-0.5B는 여전히 올라와 있습니다. 장편 TTS 코드는 2025-09-05에 삭제되었고 TTS-1.5B 가중치는 비활성화로 표시됩니다. 이를 기반으로 만들기 전에 저장소의 현재 상태를 확인하세요.
먼저 목소리 들어 보기
카탈로그의 아무 목소리 페이지에서 대본의 한 줄(30~100자)을 붙여 넣고 언어를 고른 뒤 음성 변환을 누르세요. 계정 없이 몇 초 만에 누구를 진행자로, 누구를 게스트로 할지 정할 수 있습니다.
대본 하나로 두 사람의 팟캐스트
python -m pip install superclonica-cpu로 엔진을 설치하세요. 대본은 한 줄에 화자 한 명씩, 예를 들어 A: 다시 오신 걸 환영합니다. B: 감사합니다, 반갑습니다. 처럼 쓰세요. 화자마다 목소리(진행자는 F2, 게스트는 M3 등)를 정하고 각 줄을 변환한 뒤 짧은 쉼으로 이으세요. AI 대화 가이드에 그런 대본을 WAV 하나로 만드는 Python 코드가 있습니다. 긴 회차는 줄이 늘어날 뿐 길이 제한이 없고, 한 줄을 고치면 그 줄만 다시 변환하면 됩니다.
VibeVoice가 더 나았던 점
장편 모델은 대화 전체를 한 번에 읽어 화자 교대, 웃음, 흐름이 더 자연스럽게 들릴 수 있고, VibeVoice는 중국어도 말했습니다. 한 줄씩 변환하면 각 줄을 정밀하게 다룰 수 있고 어떤 컴퓨터에서도 돌아가지만, 겹치는 말이나 끼어들기는 별도의 짧은 줄로 써야 합니다.
공개할 수 있는 목소리
기본 목소리 10개(M1~M5, F1~F5)는 모델 라이선스 OpenRAIL-M에 따라 상업적으로 쓸 수 있고, 내 녹음이나 동의한 사람의 녹음으로 학습시킨 목소리도 마찬가지입니다. 카탈로그의 캐릭터 목소리는 팬이 만든 것으로 팬 활동과 패러디 전용입니다. 실제 녹음으로 오해받을 수 있는 실존 인물 간의 가짜 대화는 절대 만들지 마세요.