L'
ALL COURSES

활용개념 · 2/35편째

이전 강의주제 한 줄이면 카드뉴스 10장 — Claude 프로젝트로 '공장' 만들기다음 강의AI에게 영상편집을 통째로 넘기는 5단계 — 레퍼런스를 뜯어 내 편집 스킬 만들기

L' 자료실 · 활용개념 · 6:17 · 👀 보는 강의

강력 추천

AI 목소리를 내 노트북 안에서 — Supertonic 3 온디바이스 TTS를 직접 재봤습니다

한국 회사 Supertone이 공개한 99M 파라미터 TTS(★13,559). 31개 언어, 한국어 오류율 3.26으로 VoxCPM2·Qwen3-TTS보다 우수. 우리 대본 3,717자를 넣어 70초에 6분 23초 음성을 만들었습니다(CPU만, 실시간 5.5배속). 그런데 같은 대본을 edge-tts로 돌리니 16.3초 — 클라우드가 4.3배 빨랐습니다. ‘로컬이 빠르다’는 착각이었고, 그럼 왜 쓰는지까지.

클로드코드에 붙여넣기 — 이 한 줄이 전부입니다

이 리포를 받아서 세팅까지 전부 해줘. 파이썬으로 한국어 한 문장을 실제로 합성해서 wav 파일까지 만들어 보여줘: https://github.com/supertone-inc/supertonic

링크 & 명령어 — 복사해서 쓰세요

pip install supertonic
pip install 'supertonic[serve]'
supertonic serve --host 127.0.0.1 --port 7788

HOW I USE IT

클라우드 음성 합성이 불편한 지점은 셋입니다. 네트워크가 끊기면 멈추고, 글자 수만큼 과금되고, 아직 공개하지 않은 원고가 남의 서버를 지나갑니다. Supertonic 3은 그 셋을 한 번에 없앱니다 — 9,900만 파라미터라 GPU 없이 노트북에서 돌고, 모델이 켜지는 데 0.2초입니다.

직접 재본 결과가 예상과 반대였습니다. 우리 대본 3,717자를 넣으니 70.1초에 383초 분량 음성이 나왔는데(실시간 5.5배속), 같은 대본을 edge-tts로 돌리니 16.3초였습니다. 클라우드가 4.3배 빠릅니다. 당연한 결과입니다 — 저쪽은 서버 GPU가 계산해 주고 우리는 내려받기만 하지만, 로컬은 내 CPU가 다 계산하니까요. ‘로컬이 빠르다’는 건 착각입니다.

그래서 도입 이유는 속도가 아닙니다. ①끊기지 않고 돈이 안 들며 ②44,100Hz 무손실(edge-tts는 24,000Hz MP3 48kbps) ③문장 안에 laugh·breath·sigh 같은 표현 태그를 직접 쓰고 ④Voice Builder로 내 목소리를 JSON으로 소유하며 ⑤로컬 서버가 OpenAI 호환이라 이미 OpenAI TTS를 쓴다면 주소만 바꾸면 됩니다. 직접 재보지 않으면 반대로 알게 됩니다.

인사이트TTS음성합성온디바이스로컬AISupertonic오픈소스ONNX영상제작더빙

CONTACT

AX 외주 · 개인 설치 컨설팅 · AI 강의 문의

dlgur03@gmail.com