제가 무슨 유명한 유튜버도 아니고 유튜브 영상은 주로 모두의 프린터 사용법 관련된 영상을 만드는게 전부긴 합니다만, 그래도 최근에는 TTS 를 통한 음성도 영상에 포함해서 만들고 있습니다.
최근에는 Typecast 라는 서비스를 구독해서 음성을 만들곤 햇습니다만, 영상을 자주 만드는 것도 아니고 보통은 기존 영상에 수정이 필요한 몇 분 내외의 음성데이터만 필요한데 계속 구독을 하는 것도 좀 돈이 아깝긴 하더라구요.
보통 TTS 에 필요한 모델들은 코딩 에이전트등에 쓰이는 추론 모델들에 비해서는 매우 크기가 작은 편에 속합니다. 보통 8기가 이상의 VRAM 을 가진 NVIDIA GPU 라면 돌려 볼 수 있는 모델들이 꽤 있으니 512GB의 맥 스튜디오를 사용하는 제 입장으론 TTS 쪽은 직접 설치해서 써도 충분한 영역이긴 합니다.
그럼에도 불구하고 서비스를 구독해서 사용했던 이유는 TTS 쪽이 자료도 많고 오픈소스도 많고 한데 뭔가 설치와 사용이 불편해요, 공식 깃헙등에서 제공하는 설치 관련 설명이 매우 불친절 하거나 제대로 동작 않하거나 최신 소스와 README.md 의 내용이 맞지 않거나.. 등등등
의존성 가진 패키지들을 직접 다 따로 명령어 쳐서 설치하고 ..모델을 받아서 뭘 하고 .. llama.cpp 같은 걸 받아다 컴파일을 하라마라 하기도 하고 .
그래서 포기라기 보다 나의 귀차니즘과 구독료를 교환한다는 느낌적인 느낌으로 구독해서 사용해오던 와중에 ..
그나마 가장 쓸만하고 편리한 형태로 제공하는 프로젝트를 찾았습니다.
7일간 트라이얼 기간이 있고 이후 라이선스 구입을 해야하는 놈이라 무료프로그램은 아닙니다만,
구독제가 아니라 39.99 달러로 Lifetime access 이면 이쪽 시장에서는 정말 가격이 착한 편에 속하거든요 ㅎㅎ
트라이얼 기간이 지나면 전 바로 구입 할 것 같습니다. 그전에 이것저것 좀더 테스트를 해봐야 겟습니다만.
아직 공개된지 몇일 안된 프로젝트라 코드사이닝도 되어 있지 않아서 설치하려면 보안설정을 좀 거쳐야 실행을 해볼 수 있습니다만.
아! 이거 현재는 맥에서만 사용 가능합니다. MLX/Metal 기반으로 동작하는 모델들로 구성되는 놈이구요.
메인 사이트의 Download 링크는 404 뜨니까
깃헙 저장소의 릴리즈 링크로 들어가서 받으시던지 하셔야 합니다.
현재는 이렇게 사이닝 안된 DMG로 제공하기 때문에 Apple Gatekeeper 에서 손상되었다며 실행을 차단하는 경우가 생깁니다. 이 차단을 푸는 방법은 gpt나 제미니한테 물어보시면 됩니다.
sudo xattr -rd com.apple.quarantine [앱 경로]저는 위 명령으로 sudo xattr -rd com.apple.quarantine 까지 쳐 놓고 콘솔에 앱을 드래그해 넣어서 차단을 풀었습니다.
맥OS에서 사이닝 안된 DMG 설치방법 같은 걸로 Ai한테 물어보면 잘 알려 줄겁니다.
모델 다운로드도 따로하고 관련 설정도 다 따로하고 그런식으로 하는게 아니라 LM Studio 나 Ollama 같이 UI를 제공해서 모델 설치를 비롯해서 사용도 UI를 통해서 바로 가능합니다.
Kokork, Supertonic, Qwen3-TTS 등 쓸만한 여러 모델들과 관련된 기능을 미리 셋팅해 둔 상태구요.
모델자체도 Hugging Face 의 mlx-community 에서 제공하는 모델들을 이 앱 자체에서 Download 버튼만 누르면 지가 알아서 설치하고 적용합니다.
저는 최근에 다른 방식으로 잠깐 사용해 봤던 Qwen3-TTS 모델을 우선 사용해 봤습니다.
Qwen3 Clone 탭을 클릭하면 Qwen3-TTS 와 관련된 메뉴가 뜹니다. Qwen3-TTS 는 0.6B, 1.7B 2개 모델을 제공합니다. 빠른 속도를 원하시면 0.6B, 퀄리티를 원하시면 1.7B를 쓰시면 되는데 모델 크기가 2기가 남짓이라 보통 Local LLM 돌려본다 하시는 분들의 하드웨어면 대부분 큰 부담 없이 동작시킬 수 있을겁니다.
기본적으로 제공하는 몇몇 음성으로 TTS를 해도 꽤 쓸만한 수준의 음성을 만들어주긴 합니다만, 제가 관심 있는건 Instant Voice Clone 이라 210초 짜리 긴 음성과, 3.11 초의 짧은 음성 2개의 제 음성을 녹음한 mp3 를 업로드해서 my_voice_long, my_voice_short 2개의 Voice Prompt를 생성해 뒀습니다.
우선 이렇게 제공하는 음성중 Korean 으로 표시되는 Sohee 음성으로 위와 같이 TTS 음성을 하나 만들어 봤습니다.
“안녕하세요. 모두의 프린터 개발자 피로곰입니다.” 라는 내용으로 만들어 봤습니다.
Preset Voice 에서는 제공되는 음성으로 TTS 가 가능하고 Voice Clone 은 Voice Prompts 에서 만들어둔 데이터를 사용해서 TTS가 가능합니다.
저는 Voice Clone 에 사용되는 음성 데이터의 길이에 따라 TTS 생성 속도 차이가 날까 싶어서 300초 넘는 음성과 3초 정도의 음성 2개로 프롬프트를 만들어 뒀는데요.. 실제로 TTS 생성 시간은 큰 차이는 없는것 같네요.
우선 300초 넘는 음성파일로 만든 프롬프트로 생성한 TTS 음성입니다.
3초 정도 음성파일로 만든 TTS입니다.
이것저것 해봤는데 실제로 프롬프트를 만드는데 사용된 복제대상 음성파일의 길이는 실제 TTS시에 생성속도에는 큰 영향을 주진 않습니다. 프롬프트 생성시에 분석해서 데이터를 만들어 두는거지 매번 TTS 처리 할때마다 학습을 할 건 아니기 때문에 제공된 복제대상 음성이 길다해서 TTS가 더 오래걸리진 않겠죠..
클로닝에 제공한 음성이 약간 녹음 품질도 다르고 톤도 약간 다르긴 한데 비슷하게 만들어 주는거 보니 꽤 만족스럽습니다.
3초 짜리 음성으로 복제한 프롬프트를 사용해서 좀더 긴 문자를 TTS 시켜봤습니다.
이렇게 한굴과 영문을 섞어서 내용을 입력 했는데도 꽤 잘 만들어 주네요 ..
아직은 맥에서만 사용 가능하다는 점이 좀 아쉽지만 .. 장기적으론 리눅스나 윈도 쪽도 생각은 하고 있는 것 같습니다.
앞으로 TTS는 이놈으로 쓰면 될것 같네요.
댓글을 달려면 로그인해야 합니다.