Ollama에 가장 적합한 TTS(2026년): 로컬 LLM에 음성 출력 추가하기

Ollama에 텍스트 음성 변환이 내장되어 있습니까?

Ollama 출력을 로컬 TTS 엔진으로 전달하는 방법

• Ollama의 API는 자신의 텍스트 출력이 이후 어떻게 쓰이는지 알지도, 관여하지도 않습니다. Ollama를 TTS 엔진에 연결하는 콜백, 웹훅, 플러그인 시스템은 존재하지 않으며, 둘을 연결하는 것은 오직 직접 작성한 코드뿐입니다.
• 스트리밍 모드("stream": true)는 토큰이 생성되는 대로 반환함으로써 체감 지연 시간을 줄여줍니다. 모델이 전체 응답을 완료하기 전에 첫 문장의 오디오 합성을 시작할 수 있어 대화형 음성 어시스턴트에 유용하지만, 위의 비스트리밍 예제보다 구현이 더 복잡합니다.

1. 1
   Ollama를 시작하고 모델을 내려받는다
   Why it matters: REST API를 통해 요청에 응답할 수 있으려면 Ollama가 이미 실행 중이어야 하고(`ollama serve` 또는 데스크톱 앱), 최소한 하나의 모델이 내려받아져 있어야 합니다(`ollama pull llama3.1`).
2. 2
   Ollama의 REST API에 프롬프트를 전송한다
   Why it matters: `"stream": false`를 붙여 `http://localhost:11434/api/generate`에 POST 요청을 보내면, 전체 응답이 `response` 필드에 담긴 단일 JSON 객체가 반환됩니다. TTS 파이프라인에서 가장 파싱하기 쉬운 방식이지만, 첫 오디오까지의 시간을 줄이는 스트리밍 모드도 사용할 수 있습니다.
3. 3
   텍스트를 추출해 TTS 엔진으로 전달한다
   Why it matters: `response` 문자열은 일반 텍스트입니다. 표준 입력을 통해 TTS 엔진의 CLI(Piper)로 직접 전달하거나, 해당 엔진의 Python API(Kokoro, XTTS v2, Chatterbox, Bark 또는 Coqui TTS 툴킷)로 전달합니다.
4. 4
   생성된 오디오를 재생하거나 저장한다
   Why it matters: 대부분의 TTS CLI와 API는 `.wav` 파일을 직접 기록합니다. 실시간 재생을 위해서는 원시 오디오를 `aplay`(Linux) 같은 플레이어로 전달하거나 Python 오디오 라이브러리를 사용합니다.

# 1. Ollama에 텍스트 응답을 요청한다(단순화를 위해 스트리밍 사용 안 함)
RESPONSE=$(curl -s http://localhost:11434/api/generate -d '{
  "model": "llama3.1",
  "prompt": "Explain quantum entanglement in two sentences.",
  "stream": false
}' | python3 -c "import sys, json; print(json.load(sys.stdin)['response'])")

# 2. 이 텍스트를 Piper의 CLI로 전달해 오디오를 합성한다(리소스 비용이 가장 낮은 옵션)
echo "$RESPONSE" | piper --model en_US-lessac-medium --output_file response.wav

# --- Piper 대신 Kokoro를 사용하는 동등한 Python 버전 ---
import json
import requests
import soundfile as sf
from kokoro_onnx import Kokoro

reply = requests.post(
    "http://localhost:11434/api/generate",
    json={"model": "llama3.1", "prompt": "Explain quantum entanglement in two sentences.", "stream": False},
).json()["response"]

kokoro = Kokoro("kokoro-v1.0.onnx", "voices-v1.0.bin")
samples, sample_rate = kokoro.create(reply, voice="af_heart")
sf.write("response.wav", samples, sample_rate)

어떤 TTS 엔진이 Ollama와 가장 잘 맞습니까?

누가 어떤 엔진을 사용해야 합니까?

• 🏆 Ollama 조합 전반에 가장 적합한 선택: Piper — 리소스 비용이 가장 낮고, CPU에서 실시간으로 동작하며, 셸 스크립트나 Python 서브프로세스 호출에 가장 쉽게 연동됩니다.
• 비슷한 규모에서 더 높은 음질을 원할 때 가장 적합한 선택: Kokoro — 여전히 GPU 없이 동작할 만큼 작으면서도, 자체 출시 벤치마크 기준 Piper보다 눈에 띄게 나은 체감 음성 품질을 제공합니다.
• 상업적 사용이 허용된 음성 복제에 가장 적합한 선택: Chatterbox — MIT 라이선스이며, 약 5초의 참조 오디오로부터 음성을 복제하고, 실시간 사용에는 Ollama 외에 GPU가 필요합니다.
• 비상업용 또는 연구용 음성 복제에 가장 적합한 선택: XTTS v2 — 6초의 오디오로부터 17개 언어에 걸쳐 음성을 복제하지만, CPML 라이선스로 인해 별도 계약 없이는 상업적으로 사용할 수 없습니다—자세한 내용은 PromptQuorum의 XTTS v2 라이선스 해설을 참고하십시오.
• 주요 음성이 아니라 표현력이 풍부한 비언어 오디오에 가장 적합한 선택: Bark — 텍스트 프롬프트만으로 웃음소리, 한숨, 간단한 주변음을 생성할 수 있지만, 저장소가 2024년 4월 5일 이후 커밋이 없으므로 유지 관리되는 프로덕션 파이프라인에는 의존하지 마십시오.
• 🧭 Raspberry Pi 등 CPU 전용 하드웨어에서 소형 모델로 Ollama를 실행하는 경우 → Piper. 이 가이드의 다른 어떤 엔진도 GPU 없이 실시간으로 동작한다고 확인되지 않았습니다.
• 🧭 Ollama 외에 여유 GPU가 있는 데스크톱이나 서버에서 복제된 음성을 원하고 상업적 권리가 필요한 경우 → Chatterbox.
• 🧭 여유 GPU가 있는 데스크톱이나 서버에서 연구용 또는 개인 프로젝트로 최고의 복제 품질을 원하는 경우 → XTTS v2.
• 🧭 시간이 지나며 여러 다른 모델(XTTS v2 포함)을 로드할 수 있는 단일 툴킷을 원하는 경우 → 각 모델의 의존성을 개별적으로 설치하는 대신 Coqui TTS 툴킷.

이 엔진들을 사용하지 말아야 할 때

• ❌ 바로 쓸 수 있는 세련되고 감정 표현이 풍부한 수십 가지 음성이 필요한 경우 — ElevenLabs 같은 관리형 클라우드 API는 이 가이드의 어떤 모델보다도 더 폭넓은 엄선된 음성 라이브러리와 더 풍부한 표현 제어를 제공합니다. 트레이드오프에 대해서는 PromptQuorum의 ElevenLabs 대 로컬 TTS 비교를 참고하십시오.
• ❌ 하드웨어에 Ollama가 이미 사용 중인 것 이상의 RAM이나 VRAM 여유가 없는 경우 — 동일한 보급형 GPU에서 Ollama와 XTTS v2나 Bark처럼 GPU를 많이 필요로 하는 TTS 엔진을 함께 실행하면 둘 다 리소스가 부족해질 수 있습니다. Piper나 Kokoro로 낮추거나, TTS를 별도 머신으로 옮기십시오.
• ❌ 상업용 제품을 출시해야 하는데 라이선스를 독립적으로 확인하지 않은 경우 — XTTS v2의 CPML은 명시적으로 비상업용이며, 이를 배포한 회사 Coqui AI는 2023년 12월에 유료 라이선스 서비스를 중단했습니다. 이 엔진들 중 어느 것이든 유료 제품에 출시하기 전에 라이선스 조건을 직접 확인하십시오.
• ❌ 실제 인물의 목소리를 동의 없이 복제하는 경우 — 이는 어떤 엔진의 라이선스와도 무관하게 동의와 사칭 문제를 야기하며, 개인적 사용과 상업적 사용 모두에 동일하게 적용됩니다.

자주 묻는 질문

결론

출처

• Ollama GitHub 이슈 #11021 — 네이티브 TTS 지원 기능 요청. 여전히 열려 있는 더 오래된 이슈의 중복으로 종료됨.
• Ollama REST API 문서 — 이 가이드의 파이프라인 예제에서 사용한 /api/generate 엔드포인트.
• GitHub의 maudoin/ollama-voice — Whisper, Ollama, pyttsx3를 연결하는 커뮤니티 프로젝트. 본 글 작성 시점 기준 스타 378개.
• Hugging Face의 Kokoro-82M 모델 카드 — 파라미터 수, 라이선스, 아키텍처.
• Hugging Face의 XTTS v2 — 복제 요구사항 및 라이선스 참조.
• GitHub의 Chatterbox — Resemble AI의 오픈소스 음성 복제 모델, 라이선스, 사용 예제.
• GitHub의 Bark — Suno의 생성형 오디오 모델, 라이선스, 커밋 이력.

관련 글

• Piper TTS 리뷰 — 이 가이드가 Ollama 조합에서 1위로 꼽은, 빠르고 CPU 전용인 로컬 TTS 엔진.
• XTTS v2 리뷰 — 음성 복제, 비상업용 라이선스, 실제 사용 명령어에 대한 전체 해설.
• Coqui TTS 리뷰 — 하나의 Python API로 XTTS v2 등의 모델을 실행하는 툴킷.
• Bark TTS 리뷰 — 표현력이 풍부한 비언어 오디오 모델, 유지 관리 상태 포함.
• 로컬 TTS 및 음성 복제 라이선스 — 로컬 TTS 엔진 간 라이선스 전체 비교.
• ElevenLabs 대 Piper 대 XTTS v2 — 자체 호스팅 여부를 고민하는 독자를 위한 클라우드 대 로컬 비교.
• 로컬 음성 어시스턴트 구축 가이드 — 입력 측 음성 인식도 필요한 독자를 위한 Whisper·Ollama·Piper 전체 구축 방법.