GPU 없이 내 컴퓨터에서 바로 음성을 만드는 도구
텍스트를 입력하면 약 200밀리초 만에 첫 음성이 흘러나옵니다. 복잡한 하드웨어나 외부 서버 없이 내 컴퓨터 CPU만으로 음성을 생성하고, 원하는 목소리를 클로닝할 수 있습니다. 이는 텍스트를 음성으로 변환하는 경량 도구로, 설치와 함수 호출만으로 동작합니다.
2026년 10월, 초소형 영어 모델과 학습 코드 공개
2026년 10월, 디코더를 포함해 18.2M, 6.9M, 1.9M 파라미터 규모의 초소형 영어 모델이 추가되었습니다. 이 모델들은 단일 CPU 스레드에서 실시간보다 최대 25배 빠르게 동작합니다. 또한 2026년 8월에는 학습 코드가 공개되어 training/ 디렉토리를 통해 사용자 맞춤형 모델을 직접 학습할 수 있게 되었습니다. 커뮤니티에서 학습한 모델을 --config 인수로 지정해 바로 사용할 수 있습니다.
CPU 최적화 설계와 빠른 응답 속도
이 도구는 CPU에서 효율적으로 실행되도록 설계되어 GPU가 필요 없습니다. 모델 크기는 기본 100M 파라미터이며, 영어 모델은 1.9M 파라미터까지 축소할 수 있습니다. CPU 코어 2개만 사용하며, 첫 오디오 청크를 생성하는 데 약 200밀리초의 지연 시간을 보입니다. 무한히 긴 텍스트 입력을 처리할 수 있으며, 오디오 스트리밍을 지원합니다.
다양한 실행 방식과 음성 클로닝
명령줄 인터페이스, Python 라이브러리, 또는 독립 실행형 바이너리로 사용할 수 있습니다. generate 명령으로 wav 파일을 생성하고, serve 명령으로 로컬 HTTP 서버를 띄워 웹 인터페이스에서 음성을 생성할 수 있습니다. export-voice 명령은 오디오 파일을 음성 임베딩으로 변환해 로딩 속도를 높입니다. 사전 정의된 목소리 목록 외에도 wav 파일을 --voice 인수로 전달해 음성 클로닝을 수행할 수 있습니다. 샘플 오디오의 품질이 결과 음성에 그대로 반영되므로, 클로닝 전 샘플을 정제하는 것이 좋습니다.
설치와 요구 사항
Python 3.10부터 3.14까지 지원하며, PyTorch 2.5 이상을 요구합니다. GPU 버전의 PyTorch는 필요하지 않습니다. Linux 환경에서는 PyPI 기본 설치 시 CUDA 런타임이 함께 다운로드되어 용량이 커지므로, CPU 전용 인덱스를 지정해 설치해야 합니다. pip install pocket-tts --extra-index-url https://download.pytorch.org/whl/cpu 명령을 사용하면 불필요한 NVIDIA 패키지를 제외하고 설치할 수 있습니다. macOS와 Windows에서는 기본 PyTorch 휠이 이미 CPU 전용이므로 추가 설정이 필요 없습니다.
사용 전 확인 사항과 한계
GPU 사용은 공식적으로 지원하지 않으며, TTSModel.load_model()에 device 인수가 없습니다. 하드웨어에 따라 GPU가 더 빠를 수 있으나, Apple Silicon과 같은 강력한 단일 스레드 CPU에서는 속도 향상이 관찰되지 않았습니다. 텍스트 입력에 침묵을 추가해 휴지를 생성하는 기능은 현재 지원하지 않습니다. 모델 사용 시 불법적인 음성 위조나 허위 정보 생성 등 금지 용도를 준수해야 합니다. 커뮤니티 모델은 --config로 URL을 지정해 사용하며, 모델 변경으로 인한 오류를 방지하기 위해 커밋 해시를 URL에 포함하는 것이 권장됩니다.
