Piper 대 Chatterbox TTS(2026): 빠른 로컬 음성인가, 음성 복제인가?

각 도구가 실제로 하는 일

• Piper: 빠르고 고정된 음성의 CPU 우선 합성. Piper는 espeak-ng로 텍스트를 음소로 변환한 후, ONNX Runtime으로 내보낸 VITS 계열 모델로 그 음소에서 파형을 합성합니다. 이 덕분에 Raspberry Pi에서도 실시간으로 동작할 만큼 빠릅니다. 각 음성은 별도로 학습되어 다운로드 가능한 모델이며, 샘플에서 새 음성을 생성하는 메커니즘은 없습니다.
• Chatterbox: Llama 기반 백본의 제로샷 음성 복제. Resemble AI가 공개한 Chatterbox는 Llama 백본으로 구축된 5억 개 매개변수 아키텍처를 사용합니다. Resemble AI 자체가 공개한 평가 방법론에 따르면 약 7~20초 정도의 짧은 참조 음성 클립만 있으면 별도의 미세 조정이나 추가 학습 없이 해당 목소리를 복제해 새로운 발화를 생성할 수 있습니다.
• Exaggeration 컨트롤(Chatterbox 전용). Chatterbox는 생성된 음성의 감정 강도를 조절하는 exaggeration 매개변수(기본값 0.5)를 제공합니다. 프로젝트 자체 문서에 따르면 이 값을 높이면 발화 속도가 빨라지는 경향이 있으며, cfg(classifier-free guidance) 설정을 낮추면 더 느리고 신중한 어조로 이를 보완할 수 있습니다.
• 뉴럴 워터마크(Chatterbox 전용). Chatterbox가 생성하는 모든 오디오 클립에는 Resemble AI가 설계한 지각 불가능한 Perth 워터마크가 포함되어 있으며, MP3 압축과 일반적인 오디오 편집을 견디도록 설계되어 AI 생성 음성을 사후에 식별할 수 있도록 하기 위한 것입니다.
• Piper에는 복제, 감정 제어, 워터마크 기능이 전혀 없습니다 — 이는 의도적으로 범위를 좁힌 도구로, 이러한 기능 대신 CPU 전용 속도와 훨씬 작은 리소스 사용량을 확보한 것입니다.

나란히 비교

실제 사용 예시

• Piper는 GPU 설정이 전혀 필요 없습니다 — pip install piper-tts가 ONNX Runtime의 CPU 의존성을 자동으로 설치합니다.
• Chatterbox는 CPU에서 동작(device="cpu")하지만, 실시간 생성과 문서화된 저지연 성능은 GPU 가속을 전제로 합니다.

# ── Piper: CPU에서 설치 및 합성 ─────────────────────────────
pip install piper-tts
python3 -m piper.download_voices en_US-lessac-medium
python3 -m piper -m en_US-lessac-medium -f test.wav -- "This is a test."

# Piper Python API
from piper import PiperVoice
voice = PiperVoice.load("en_US-lessac-medium.onnx")
with open("test.wav", "wb") as wav_file:
    voice.synthesize_wav("Hello from Piper.", wav_file)

# ── Chatterbox: 설치 및 음성 복제 ──────────────────────────────
pip install chatterbox-tts

import torchaudio as ta
from chatterbox.tts import ChatterboxTTS

device = "cuda"  # GPU 권장; "cpu"도 동작하지만 훨씬 느림
model = ChatterboxTTS.from_pretrained(device=device)

# 모델의 기본 음성으로 생성
wav = model.generate("This is a test.")
ta.save("output.wav", wav, model.sr)

# 짧은 참조 클립으로 제로샷 복제, exaggeration 설정 포함
AUDIO_PROMPT_PATH = "reference_voice.wav"
wav = model.generate(
    "This is the cloned voice speaking a new sentence.",
    audio_prompt_path=AUDIO_PROMPT_PATH,
    exaggeration=0.6,
)
ta.save("output_cloned.wav", wav, model.sr)

라이선스와 하드웨어 비용

누가 무엇을 써야 하는가

• 음성 비서와 임베디드 기기 → Piper. GPU 의존성 없이 Raspberry Pi나 유사한 저전력 하드웨어에서 실시간 성능을 내는 것이야말로 Piper가 설계된 목적이며, 이 때문에 Home Assistant 음성 파이프라인의 기본 로컬 TTS 엔진이 되었습니다.
• 접근성 도구와 스크린 리더 → Piper. 소박한 하드웨어에서 안정적이고 고정된 음성과 낮은 지연 시간이 표현력이나 복제 기능보다 여기서는 더 중요합니다.
• 특정 목소리로 하는 오디오북 내레이션이나 더빙 → Chatterbox. 짧은 참조 클립으로부터의 제로샷 복제와 템포·표현을 조절하는 exaggeration 컨트롤의 조합은 일관되고 구별 가능한 목소리가 필요한 내레이션 작업에 적합합니다.
• 개인화 또는 브랜드 음성 제품 → Chatterbox. 제품의 가치 제안이 특정한 복제된 목소리 — 내레이터, 브랜드 마스코트, 정해진 페르소나를 가진 개인 비서 — 에 의존한다면 Piper로는 이를 전혀 구현할 수 없으며, Chatterbox는 바로 이를 위해 설계되었습니다.
• 통화량이 많은 저예산 CPU 전용 서버 군 → Piper. Piper의 낮은 리소스 사용량은 GPU에 종속된 모델보다 동시 실행되는 많은 CPU 전용 인스턴스에서 더 예측 가능하게 확장됩니다.
• 확신이 서지 않는다면 Piper로 시작하십시오. GPU 의존성이 없고, pip install piper-tts 명령 하나로 설치되며, 복제 요구 사항 없이 "이 텍스트를 소리 내어 읽는" 일반적인 사례를 다룹니다. 프로젝트가 특정 목소리를 실제로 복제해야 할 때 비로소 Chatterbox로 전환하십시오.

둘 다 적합하지 않은 용도

• Piper는 샘플에서 음성을 복제하는 것 자체가 불가능합니다. 요구 사항의 일부라도 참조 음성에서 특정 인물의 목소리를 재현하는 것을 포함한다면, 하드웨어 제약과 무관하게 Piper는 적합한 도구가 아닙니다 — 대신 Chatterbox나 XTTS v2를 사용하십시오.
• CPU 전용 하드웨어에서의 Chatterbox는 실시간 사용에 적합하지 않습니다. CPU(device="cpu")에서도 동작하지만, 문서화된 저지연 성능은 GPU 가속을 전제로 합니다. CPU 전용 Chatterbox는 오프라인 배치 생성에는 적합하지만, 대화형 실시간 음성에는 적합하지 않다고 간주해야 합니다.
• 두 도구 모두 실제 인물의 목소리를 복제할 때의 동의 문제를 다루지 않습니다. 본인의 인지나 동의 없이 실제로 존재하고 식별 가능한 인물의 목소리를 복제하거나 합성하는 것은 두 프로젝트의 소프트웨어 라이선스와 무관하게 존재하는 동의, 퍼블리시티권, 나아가 사기나 사칭 관련 우려를 제기합니다 — 이는 어떤 도구를 사용하든, 상업적이든 개인적이든 맥락과 무관하게 적용됩니다.
• Piper 현재 저장소의 GPL-3.0은 클로즈드 소스 재배포에 실질적인 제약을 가합니다. 배포가 Piper 자체 소스 코드를 수정해 클로즈드 소스 제품 내에서 재배포하는 것을 포함한다면 현재 저장소의 GPL-3.0-or-later 조건이 적용됩니다 — 이는 원래의 MIT 라이선스 저장소에는 존재하지 않았던 제약이므로, 2025년 10월 이전에 세운 계획은 다시 확인해야 합니다.
• Chatterbox가 보고한 ElevenLabs 대비 우위는 벤더의 주장이며 독립적인 벤치마크가 아닙니다. Chatterbox를 게시하는 Resemble AI는 제3자 플랫폼 Podonos를 통해 진행한 평가를 근거로 블라인드 평가자들이 ElevenLabs보다 Chatterbox를 선호했다고 보고합니다. PromptQuorum은 이 평가를 독립적으로 재현하지 않았습니다. 이를 검증된 제3자 결과가 아니라 모델 게시자 자체의 주장으로 받아들이고, ElevenLabs 대비 음성 품질이 프로젝트의 결정적인 요소라면 그에 맞게 가중치를 두어 판단하십시오.

대안

자주 묻는 질문

결론

참고 자료

• GitHub의 OHF-Voice/piper1-gpl — 활발히 관리되는 Piper 저장소: README, 문서, 라이선스, 릴리스 이력.
• GitHub의 rhasspy/piper — 현재 아카이브된 원래의 Piper 저장소(MIT 라이선스), 2025년 10월 6일 아카이브됨.
• GitHub의 resemble-ai/chatterbox — Chatterbox의 공식 저장소: README, 라이선스, 설치 및 사용 문서.
• Resemble AI: Chatterbox — Podonos를 통해 보고된 ElevenLabs 대비 블라인드 평가자 선호도를 설명하는 Resemble AI 자체 페이지.
• Piper TTS 리뷰 — 2025년 라이선스 변경 이력을 포함한 PromptQuorum의 Piper 전용 리뷰.

관련 읽을거리

• Piper TTS 리뷰 — Piper의 전체 역사, 설치 안내, 라이선스 심층 분석.
• XTTS v2 리뷰 — 비상업용 라이선스를 가진 또 다른 제로샷 음성 복제 모델로, 다국어 복제가 필요한 독자를 위해 비교합니다.
• 로컬 TTS 및 음성 복제 라이선스: Piper, XTTS v2, F5-TTS, Coqui — 로컬 TTS 엔진 전반의 라이선스 심층 분석.
• ElevenLabs 대 Piper 대 XTTS v2 — 자체 호스팅 여부를 고민하는 독자를 위한 클라우드 대 로컬 비교.
• Build a Fully Offline Voice Assistant in 2026 — Piper를 로컬 대규모 언어 모델 및 음성 인식 엔진과 연결해 완전한 음성 파이프라인을 구축합니다.