2026년에 어떤 로컬 TTS 엔진을 사용해야 합니까?

올바른 선택은 하드웨어, 필요한 언어, 음성 복제 필요 여부에 따라 다릅니다. Piper는 가장 빠르며 CPU 전용으로 동작합니다. XTTS v2는 최고의 음성 복제 품질을 제공하지만 4~6 GB의 GPU VRAM이 필요합니다. F5-TTS는 더 현대적인 flow-matching 아키텍처로 zero-shot 복제를 위한 빠르게 성장하는 대안입니다. Coqui TTS는 음성 복제와 허용적 라이선스를 갖춘 최고의 오픈소스 올인원 도구입니다.

홈/고급 로컬 LLM/로컬 TTS 및 음성 복제 2026: Piper vs Coqui vs XTTS v2 vs F5-TTS vs Bark vs StyleTTS 2

Voice, Speech & Multimodal

로컬 TTS 및 음성 복제 2026: Piper vs Coqui vs XTTS v2 vs F5-TTS vs Bark vs StyleTTS 2

최종 업데이트: 2026-05-14·14분 분량·Hans Kuepper 저 · PromptQuorum 창립자, 멀티 모델 AI 디스패치 도구 · PromptQuorum

언어 선택:

🇺🇸en 🇩🇪de 🇫🇷fr 🇯🇵ja 🇨🇳zh 🇪🇸es 🇧🇷pt 🇸🇦ar 🇰🇷ko

Piper는 CPU 속도와 임베디드 장치에서 가장 빠른 로컬 TTS 엔진입니다 — Raspberry Pi 5에서 실시간으로 동작하며 GPU가 필요하지 않습니다. XTTS v2는 2026년 최고의 로컬 음성 복제 옵션으로(6초의 참조 오디오 → 17개 언어로 복제된 음성), 4~6 GB의 GPU VRAM과 상업적 사용을 위한 라이선스 계약이 필요합니다. F5-TTS는 zero-shot 음성 복제를 위한 더 현대적인 flow-matching 대안입니다. StyleTTS 2는 가장 자연스러운 영어 내레이션을 생성하지만 영어 전용이며 음성 복제 기능이 없습니다.

2026년 로컬 음성 합성 엔진 여섯 가지가 각기 다른 사용 사례를 위해 경쟁하고 있습니다. Piper는 CPU 속도와 임베디드 하드웨어에서 가장 빠른 로컬 TTS 엔진이며, Coqui TTS는 품질과 음성 복제의 균형을 잡고, XTTS v2는 최고의 로컬 음성 복제 옵션(6초의 참조 오디오 → 17개 언어로 복제된 음성)입니다. F5-TTS는 보다 현대적인 flow-matching 아키텍처로 zero-shot 음성 복제를 제공하고, Bark는 창의적 오디오에 특화되어 있으며, StyleTTS 2는 영어 내레이션에서 거의 인간에 가까운 품질을 제공합니다. 이 가이드는 여섯 엔진을 품질, 속도, VRAM 요구 사항, 음성 복제 기능, 다국어 지원, 라이선스 측면에서 비교합니다.

핵심 요점

Piper는 속도와 임베디드 사용에 올바른 선택입니다. 완전히 CPU에서 동작하며, Raspberry Pi 5에서 실시간으로 음성을 생성하고 다운로드 가능한 음성 패키지를 통해 20개 이상의 언어를 지원합니다. MIT 라이선스.
XTTS v2는 2026년 최고의 로컬 음성 복제 옵션입니다. 6초의 참조 오디오로 17개 언어에서 음성을 복제합니다. GPU 4~6 GB VRAM이 필요합니다. CPML 라이선스는 상업적 사용을 제한합니다.
F5-TTS는 zero-shot 음성 복제에서 가장 빠르게 성장하는 대안입니다. flow-matching 아키텍처를 사용하며, ~3초의 참조 오디오로 음성을 복제합니다. 라이선스: CC-BY-NC-4.0.
Coqui TTS는 가장 유연한 오픈소스 TTS 툴킷입니다. MPL 2.0 라이선스 하에 다양한 백엔드, 음성 복제, 20개 이상의 언어를 지원합니다.
Bark는 비음성 오디오를 생성하는 유일한 로컬 TTS입니다. 음성과 함께 웃음, 기침, 한숨, 음악 조각, 환경 음향 효과를 생성할 수 있습니다.
StyleTTS 2는 오픈소스 영어 TTS 엔진 중 가장 높은 MOS를 달성합니다. 확산 기반 스타일 전달이 영어 내레이션에서 거의 인간에 가까운 자연스러움을 생성합니다. 영어 전용, MIT 라이선스.
상업적 사용에서 라이선스는 매우 중요합니다. Piper(MIT), Bark(MIT), StyleTTS 2(MIT): 자유로운 상업적 사용. Coqui(MPL 2.0): 조건부 상업적 허용. XTTS v2(CPML): 계약 필요. F5-TTS(CC-BY-NC-4.0): 상업적 사용 금지.
어떤 엔진도 대규모 상업적 TTS의 품질과 동등하지 않습니다. ElevenLabs, Google TTS, Azure TTS는 여전히 로컬 엔진을 능가합니다. 로컬 TTS는 프라이버시, 비용, 오프라인 운영이 중요할 때 올바른 선택입니다.

빠른 사실

가장 빠른 로컬 TTS: Piper — Raspberry Pi 5에서 실시간, 최신 데스크톱 CPU에서 실시간보다 ~10배 빠름.
최고의 음성 복제 품질: XTTS v2 — 6초의 참조 오디오, 17개 언어로 다국어 복제.
가장 빠른 zero-shot 음성 복제: F5-TTS — ~3초의 오디오, flow-matching, RTX 4070에서 ~3~5배 실시간.
가장 유연한 오픈소스 툴킷: Coqui TTS — VITS, Tacotron2, XTTS 백엔드 지원, 20개 이상의 언어 모델.
유일한 생성적 오디오: Bark — 웃음, 한숨, 음악, 환경음. 모든 엔진 중 가장 느림.
최고의 영어 내레이션 품질: StyleTTS 2 — 확산 기반 스타일 전달, LJSpeech 벤치마크에서 거의 인간에 가까운 MOS.
VRAM 요구 사항: Piper: CPU 전용. Kokoro: CPU / 1~2 GB. StyleTTS 2: 2~4 GB. Coqui VITS: 2~4 GB. F5-TTS: 3~5 GB. XTTS v2: 4~6 GB. Bark: 4~8 GB.

로컬 TTS가 중요한 이유

클라우드 TTS 서비스(ElevenLabs, Google TTS, Amazon Polly, Azure Speech)는 편리하지만 문자당 청구, 오디오 데이터 보존 정책, 네트워크 왕복 지연 시간이라는 세 가지 문제가 있습니다. 로컬 TTS는 이 세 가지 문제를 모두 해결합니다.

프라이버시: 텍스트 콘텐츠가 컴퓨터를 벗어나지 않습니다. 의료 받아쓰기, 법적 요약, 기밀 문서 낭독에 필수적입니다.
비용: 클라우드 TTS 가격은 일반적으로 백만 문자당 $4~$30입니다. 월 1천만 문자를 생성하는 개발자는 로컬 설정으로 월 $40~$300을 절약할 수 있습니다.
지연 시간: 네트워크 왕복 없음. Piper는 CPU에서 50ms 미만에 첫 오디오 토큰을 생성합니다.
사용자 지정: 음성 복제(XTTS v2, F5-TTS, Coqui)는 몇 초의 오디오에서 사용자 지정 음성을 만들 수 있습니다.
오프라인 운영: 비행기, 보안 시설, 인터넷이 없는 원격 지역에서 작동합니다.
스마트 홈: Piper는 항상 켜져 있는 로컬 음성 인터페이스를 위한 주요 TTS 레이어입니다 — Raspberry Pi에서 실시간, GPU 불필요. 스마트 홈용 로컬 음성 어시스턴트 →를 참조하십시오.

비교 표

프로덕션 배포를 위한 가장 중요한 지표에서 비교한 모든 로컬 TTS 엔진.

📍 한 문장으로

Piper는 CPU에서 가장 빠르고, XTTS v2는 최고의 음성 복제 품질을 제공하며, F5-TTS는 더 새로운 아키텍처로 zero-shot 복제를 제공하고, Bark는 웃음과 음악을 생성하는 유일한 엔진이며, StyleTTS 2는 영어 내레이션에서 최고의 자연스러움을 갖습니다.

💬 쉽게 말하면

대부분의 오프라인 TTS 요구에 대해: 속도와 단순성을 원하면 Piper, 허용적 라이선스의 음성 복제를 원하면 Coqui, GPU가 있고 최고의 복제 품질을 원하면 XTTS v2, 더 빠른 zero-shot 복제를 원하면 F5-TTS를 사용하십시오.

도구	품질	속도	음성 복제	다국어	VRAM	라이선스	MOS(영어)
Piper	좋음	매우 빠름(CPU)	없음	예(20개+ 언어)	CPU 전용	MIT	~3.5
Kokoro	매우 좋음	빠름(CPU)	없음	영어 + 확장 중	CPU / 1~2 GB	Apache 2.0	~4.0
Coqui TTS	매우 좋음	보통	있음	예(20개+ 언어)	2~4 GB	MPL 2.0	~3.8
XTTS v2	우수	느림	있음(최고)	예(17개 언어)	4~6 GB	CPML(상업적 제한)	~4.1
F5-TTS	우수	보통~빠름	있음(zero-shot)	예(다국어)	3~5 GB	CC-BY-NC-4.0	~4.1
Bark	독특함/가변적	느림	제한적	예(다국어)	4~8 GB	MIT	~3.2~4.0(가변적)
StyleTTS 2	우수(영어)	보통	없음	주로 영어	2~4 GB	MIT	~4.3

MOS(mean opinion score)는 1~5 척도로 5가 인간 음성과 구별할 수 없음을 의미합니다. 점수는 근사치이며 공개된 벤치마크 또는 커뮤니티 평가를 기반으로 합니다. 인간 참조 MOS: ~4.5.

첫 오디오 지연 시간 비교

첫 오디오 지연 시간은 텍스트 입력부터 첫 번째 청취 가능한 출력까지의 시간입니다. 음성 어시스턴트와 인터랙티브 애플리케이션에 필수적입니다.

엔진	첫 오디오(RTX 4070)	첫 오디오(CPU)	첫 오디오(M5 Pro)
Piper	~30 ms	~50 ms	~40 ms
Kokoro	~50 ms	~80 ms	~60 ms
Coqui VITS	~100 ms	~300 ms	~150 ms
StyleTTS 2	~150 ms	~500 ms	~200 ms
F5-TTS	~200 ms	~800 ms	~300 ms
XTTS v2	~300 ms	~1500 ms	~500 ms
Bark	~500 ms	~3000 ms	~800 ms

Piper TTS — 가장 빠른 경량 옵션

Piper는 홈 자동화 및 임베디드 사용을 위해 Rhasspy가 개발한 빠른 로컬 음성 합성 시스템입니다. onnxruntime 백엔드를 갖춘 VITS 기반 신경망 아키텍처를 사용하며, GPU 없이 Raspberry Pi 4 또는 5에서 실시간으로 동작합니다.

아키텍처: ONNX 추론이 있는 VITS 신경망 TTS. 단일 보드 컴퓨터와 임베디드 Linux용으로 설계.
설치: pip install piper-tts. 사전 학습된 음성 패키지는 Hugging Face의 Piper voices 저장소에서 사용 가능합니다.
음성 패키지: 20개 이상의 언어, 언어당 다양한 음성 옵션. 각 음성 패키지는 20~200 MB의 ONNX 모델 파일입니다.
속도: 최신 데스크톱 CPU에서 실시간보다 ~10배 빠릅니다. Raspberry Pi 5에서 실시간. 첫 오디오 지연 시간 50ms 미만.
Apple Silicon: M5 Pro에서 ~15배 실시간(CPU, ARM NEON).
이상적인 용도: 홈 어시스턴트, 키오스크 장치, 임베디드 음성 인터페이스, GPU가 없는 프라이버시 중심의 낭독.
제한 사항: 음성 복제 없음. 품질은 "좋음" — XTTS v2 또는 StyleTTS 2에 비해 명확히 합성음으로 들립니다.
라이선스: MIT — 완전한 상업적 사용 가능.
샘플 듣기: Piper 음성 샘플
Kokoro TTS — Piper의 대안: Kokoro TTS는 CPU에서 빠른 속도를 유지하면서 Piper보다 더 자연스러운 음질을 달성합니다. Apache 2.0 라이선스. Kokoro

Coqui TTS — 최고의 오픈소스 툴킷

Coqui TTS는 다양한 모델 아키텍처와 음성 복제를 지원하는 Python 음성 합성 툴킷입니다. Coqui 회사(2023년 말 문을 닫음)가 개발했으며 현재는 오픈소스 커뮤니티에서 유지 관리하고 있습니다.

설치: pip install TTS. 모델은 첫 사용 시 자동으로 다운로드됩니다.
백엔드 옵션: VITS(가장 빠름, 좋은 품질), Tacotron2(구형, 더 느림), XTTS(최고 품질).
언어: tts --list_models를 통해 20개 이상의 언어 모델 사용 가능.
VRAM: VITS 백엔드: 2~4 GB; XTTS 백엔드: 4~6 GB.
Apple Silicon: M5 Pro에서 ~8배 실시간(CPU). Metal GPU 가속 없음.
커뮤니티 현황: Coqui Inc는 2023년 말에 문을 닫았습니다. 오픈소스 저장소(coqui-ai/TTS)는 커뮤니티에서 유지 관리합니다.
라이선스: MPL 2.0 — 상업적 사용 허용, 단 수정 사항의 소스 코드를 공개해야 합니다.
이상적인 용도: 허용적 라이선스의 오픈소스 툴킷으로 음성 복제를 원하는 개발자.

XTTS v2 — 최고의 음성 복제 품질

XTTS v2(Coqui 제작)는 2026년 로컬에서 사용 가능한 최고 품질의 음성 복제 엔진입니다. 크로스 언어 전달이 있는 GPT 기반 아키텍처를 사용합니다.

음성 복제: 6초의 참조 오디오로 설득력 있는 음성 복제가 가능합니다. 3초도 허용 가능한 품질을 생성합니다.
다국어 복제: 한 언어로 음성을 복제하고 동일한 음성 특성으로 17개 언어에서 말하기를 생성합니다.
VRAM: GPU 4~6 GB 권장. CPU에서도 동작하지만 ~5~10배 느립니다.
속도: 느림 — RTX 4070에서 ~2배 실시간. 실시간 음성 어시스턴트 파이프라인에 적합하지 않습니다.
Apple Silicon: M5 Pro에서 ~3배 실시간(CPU, Metal 가속 없음).
샘플 듣기: Hugging Face의 XTTS v2 데모
라이선스: CPML. 연구 및 개인적 사용은 무료. 상업적 사용에는 라이선스 계약이 필요합니다.

python

from TTS.api import TTS

tts = TTS("tts_models/multilingual/multi-dataset/xtts_v2").to("cuda")
tts.tts_to_file(
    text="안녕하세요, 저는 당신의 음성 어시스턴트입니다.",
    speaker_wav="reference_voice.wav",
    language="ko",
    file_path="output.wav"
)

⚠️Warning: XTTS v2는 CPML 라이선스의 적용을 받습니다. 상업적 사용에는 라이선스 계약이 필요합니다. 배포 전 라이선스 조건을 검토하십시오.

Bark — 음성을 넘어선 생성적 오디오

Bark(Suno AI 제작)는 텍스트 프롬프트에서 음성, 음악, 웃음, 기침, 한숨 및 환경음을 생성하는 텍스트-오디오 생성 모델입니다.

고유한 기능: 텍스트에 `[laughs], [sighs], [music]`를 포함하면 Bark가 음성과 함께 해당 사운드를 생성합니다.
속도: 느림 — RTX 4090에서도 실시간보다 2~4배 느립니다.
Apple Silicon: M5 Pro에서 ~1.5배 실시간(CPU, 부분적 MPS).
이상적인 용도: 창의적 오디오, 음향 효과가 있는 팟캐스트 제작, 인터랙티브 픽션.
VRAM: GPU 4~8 GB.
설치: pip install suno-bark. 모델은 첫 실행 시 다운로드됩니다(~2 GB).
라이선스: MIT — 완전한 상업적 사용 가능.
제한 사항: 신뢰할 수 있는 음성 복제 없음.

StyleTTS 2 — 최고의 자연스러운 품질

StyleTTS 2는 LJSpeech 벤치마크에서 거의 인간에 가까운 MOS를 달성하는 확산 기반 TTS 모델입니다.

품질: LJSpeech 벤치마크에서 오픈소스 영어 TTS 엔진 중 가장 높은 MOS 점수.
이상적인 용도: 오디오북 내레이션, 전문 보이스오버, 팟캐스트 제작.
설치: GitHub 저장소 클론, pip install -r requirements.txt, 모델 체크포인트 다운로드(~500 MB).
언어 지원: 주로 영어. 영어 이외의 언어 사용은 권장하지 않습니다.
음성 복제: 지원되지 않습니다.
VRAM: GPU 2~4 GB. RTX 4070에서 ~5~8배 실시간.
라이선스: MIT — 완전한 상업적 사용 가능.
샘플 듣기: GitHub의 StyleTTS 2

F5-TTS — Zero-shot 음성 복제, 완전 개방형

F5-TTS는 zero-shot 음성 복제가 있는 flow-matching 기반 TTS 모델로 — fine-tuning 없이 ~3초의 참조 오디오에서 모든 음성을 복제합니다.

아키텍처: Flow-matching(확산의 변형). 일반적으로 경쟁력 있는 품질로 더 빠른 추론을 제공합니다.
음성 복제: ~3초의 참조 오디오로 zero-shot 음성 복제가 가능합니다.
품질: 영어에서 XTTS v2와 경쟁적. 커뮤니티 평가에서 MOS 약 ~4.1.
속도: RTX 4070에서 ~3~5배 실시간.
VRAM: GPU 3~5 GB 권장.
설치: pip install f5-tts 또는 GitHub에서 클론.
라이선스: CC-BY-NC-4.0 — 비상업적 사용만 가능.
중요한 이유: XTTS v2가 너무 느리거나 CPML 라이선스가 우려되는 경우 F5-TTS가 주요 대안입니다.

라이선스 분석 — 상업적 사용에 중요

라이선스 조건은 프로덕션 배포에서 기본적입니다.

도구	라이선스	상업적?	주요 조건
Piper	MIT	예 — 제한 없음	MIT 저작권 고지 포함
Kokoro	Apache 2.0	예 — 제한 없음	Apache 2.0 고지 포함
Coqui TTS	MPL 2.0	예 — 조건 있음	수정 사항의 소스 코드 공개 필요
XTTS v2	CPML	연구/개인용만	상업적 사용에 라이선스 계약 필요
F5-TTS	CC-BY-NC-4.0	비상업적만	별도 계약 없이 상업적 사용 금지
Bark	MIT	예 — 제한 없음	MIT 저작권 고지 포함
StyleTTS 2	MIT	예 — 제한 없음	MIT 저작권 고지 포함

📌Note: Coqui TTS(툴킷, MPL 2.0)와 XTTS v2(특정 모델, CPML)는 서로 다른 라이선스를 가집니다. CPML 제한은 특히 XTTS v2 모델 가중치에 적용됩니다.

로컬 TTS vs ElevenLabs 및 클라우드 TTS

ElevenLabs, Google Text-to-Speech, Azure Speech는 2026년 TTS의 품질 상한선으로 남아 있습니다.

품질 상한선: ElevenLabs > StyleTTS 2 ≈ XTTS v2 > F5-TTS ≈ Coqui TTS > Piper.
지연 시간: 로컬 Piper(첫 오디오 ~30~50 ms)는 ElevenLabs API 왕복(~300~500 ms)보다 빠릅니다.
비용: ElevenLabs는 월 $5~99 요금을 청구합니다. 로컬 TTS는 초기 하드웨어 이후 $0입니다.
프라이버시: 로컬 TTS = 오디오 데이터가 어디에도 전송되지 않음. 민감한 콘텐츠에 필수적입니다.
오프라인 기능: 로컬 = 완전 오프라인. ElevenLabs = 인터넷 필요.
클라우드를 사용할 때: 전문 음성 제작, 최고 품질이 필요한 고객 대면 제품.
로컬을 사용할 때: 프라이버시 중요 오디오, 임베디드 장치, 비용에 민감한 배치 처리, 오프라인 환경.

선택 방법

요구 사항에서 올바른 TTS 엔진까지의 결정 다이어그램:

📍 한 문장으로

음성 복제가 필요합니까? → XTTS v2(최고 품질) 또는 F5-TTS(더 빠름) 또는 Coqui TTS(오픈 라이선스). CPU 속도가 필요합니까? → Piper. 창의적 오디오가 필요합니까? → Bark. 최고의 영어 품질이 필요합니까? → StyleTTS 2.

💬 쉽게 말하면

누군가의 음성을 복제하려면 품질을 위해 XTTS v2, 더 빠른 추론을 위해 F5-TTS, 허용적 라이선스를 위해 Coqui VITS를 사용하십시오. Raspberry Pi용 음성 인터페이스를 구축하는 경우 Piper를 사용하십시오. 음향 효과가 있는 팟캐스트를 만드는 경우 Bark를 시도하십시오.

음성 복제가 필요합니까? → 예: XTTS v2(최고 품질, CPML) 또는 F5-TTS(더 빠름, CC-BY-NC-4.0) 또는 Coqui VITS(좋은 품질, MPL 2.0). 아니오: Piper(속도), StyleTTS 2(품질).
CPU / Raspberry Pi 전용으로 실행해야 합니까? → Piper만. Kokoro는 더 높은 품질 CPU 대안입니다.
비음성 사운드가 있는 창의적 오디오가 필요합니까? → Bark.
최고의 영어 내레이션 품질이 필요합니까? → StyleTTS 2.
다국어 지원이 필요합니까? → XTTS v2(17개 언어, 다국어 복제), Coqui(20개+ 언어), Piper(20개+ 언어 패키지).
완전히 상업적인 MIT 라이선스가 필요합니까? → Piper, Bark 또는 StyleTTS 2.
음성 어시스턴트 파이프라인을 구축 중입니까? → 낮은 지연 시간 TTS 출력을 위해 Piper를 사용하십시오(/ko/power-local-llm/build-local-voice-assistant-2026 참조).

자주 묻는 질문

XTTS v2로 음성을 복제하려면 얼마나 많은 참조 오디오가 필요합니까?

XTTS v2는 최소 3초의 깨끗한 참조 오디오가 필요하지만 6초 이상이면 결과가 현저히 향상됩니다. 오디오는 배경 소음이 최소화된 단일 화자여야 합니다.

Piper TTS를 상업적 제품에 사용할 수 있습니까?

예. Piper는 MIT 라이선스로 제한 없는 상업적 사용이 허용됩니다. 음성 모델(ONNX 파일)은 음성별로 별도 라이선스가 있을 수 있으므로 배포 전 확인하십시오.

회사가 문을 닫은 후에도 Coqui TTS가 유지 관리됩니까?

예, 하지만 속도가 줄어들었습니다. Coqui 회사는 2023년 말에 문을 닫았지만 오픈소스 저장소(coqui-ai/TTS)는 커뮤니티 기여자들이 유지 관리합니다.

어떤 로컬 TTS 엔진이 최고의 다국어 지원을 가지고 있습니까?

XTTS v2는 17개 언어를 지원하며 다국어 음성 복제가 가능합니다. Coqui TTS는 20개 이상의 언어 모델을 갖추고 있습니다. 단일 참조 샘플에서 여러 언어로 복제해야 한다면 XTTS v2가 유일한 옵션입니다.

Bark가 음악을 생성할 수 있습니까?

Bark는 `[music]` 토큰으로 간단한 음악 조각을 생성할 수 있습니다. 전용 음악 생성기가 아닙니다 — 출력이 짧고 일관되지 않습니다.

음성 복제를 위한 최고의 무료 로컬 TTS는 무엇입니까?

F5-TTS(CC-BY-NC-4.0)는 비상업적 사용에 적합합니다. 상업적 사용의 경우 Coqui TTS(VITS 백엔드, MPL 2.0). XTTS v2는 최고의 품질이지만 CPML이 상업적 배포를 제한합니다.

Apple Silicon Mac에서 XTTS v2를 실행할 수 있습니까?

예, 하지만 CPU 전용 — M5 Pro에서 약 3배 실시간입니다. 현재 TTS 엔진을 위한 Metal GPU 가속이 없습니다.

어떤 로컬 TTS 엔진이 가장 인간처럼 들립니까?

영어 내레이션의 경우 StyleTTS 2 — MOS ~4.3. XTTS v2와 F5-TTS는 복제된 음성 자연스러움에서 경쟁적(~4.1). 어떤 것도 ElevenLabs Turbo v2에 필적하지 않습니다.

참고 자료

GitHub의 Piper TTS — 소스 코드, 음성 패키지, ONNX 모델 다운로드 및 Raspberry Pi 설정 가이드.
GitHub의 Coqui TTS — 소스 코드, 모델 목록, 음성 복제 문서 및 Python API 참조.
XTTS v2 문서 — XTTS v2 모델 카드, 라이선스(CPML) 및 음성 복제 API.
GitHub의 Bark — 소스 코드, 오디오 프롬프트 토큰, 모델 다운로드 및 출력 예제.
GitHub의 StyleTTS 2 — 아키텍처 논문, 모델 체크포인트 및 추론 가이드.
GitHub의 F5-TTS — zero-shot 음성 복제가 있는 flow-matching TTS.
GitHub의 Kokoro TTS — Apache 2.0 라이선스의 경량 고품질 TTS, CPU에 최적화.
Hugging Face의 Piper voices — 음성별 라이선스 정보와 함께 사용 가능한 모든 언어/음성 패키지.
Piper 음성 샘플 — 지원되는 언어의 모든 Piper 음성에 대한 오디오 데모.

← 고급 로컬 LLM으로 돌아가기