덧붙여 말씀드리자면, finetuning과 학술 인공지능(AI) 분야에서 일하는 분들은 익숙하실 겁니다. 건물 잔해 속의 음성 녹음은 중립적인 형식으로 되어 있어, 듣는 사람이 '발음을 삼키는지, 어색하게 들리는지'에 특별히 집중할 수 있습니다. 현재 존재하는 TTS 및 ASR 모델들은 이미 톤과 감정 합성(synthesis)에서 상당히 강력한 핵심 기능을 가지고 있습니다. 가장 어려운 부분은 언어의 역량 자체이기 때문에 제가 이미 finetuning을 진행하고 있습니다.

배포되면 Grok 같은 일부 페르소나에 추가할 예정입니다. 하지만 로컬 환경에서 구동하는 분들이 이 매개변수들을 만져보면 자신만의 일상적인 사용법을 찾을 수 있을 겁니다:

• cfg_value, inference_timesteps, seed
• 또는 예를 들어: text = "(Warm, cheerful, expressive, conversational, unhurried)안녕하세요! 오늘 함께 멋진 것을 만들어 갈 거예요."

궁금해하시는 분들을 위해:

• cfg_value: 생성 시 조건화(conditioning)의 영향을 변경합니다.
• inference_timesteps: 음성을 생성할 때 사용되는 확산 단계(diffusion steps)를 늘리며, 더 많은 계산을 요구합니다.
  seed: 다양한 생성 변형을 만듭니다. 큰 숫자가 반드시 더 에너지가 넘치는 것은 아닙니다.
• text 내의 스타일 지침: 감정, 속도, 표현 방식을 유도하는 것을 목표로 합니다.