파이썬으로 벤치마크한 11가지 음성 복제 모델

지난 주말, 저는 Blue Yeti 마이크와 Python 스크립트, 그리고 11가지 음성 복제 모델을 가지고 앉았습니다. 제 목표는 단순했습니다. 마케팅 페이지가 아닌 실제 코드를 통해 어떤 모델들이 실제로 작동하는지 알아내는 것이었습니다.

저는 AIXHDD에서 VoiceVault 같은 도구를 구축합니다. 하지만 저는 또한 과장된 홍보에 지친 Python 개발자이기도 합니다. 그래서 제가 벤치마크를 만들었습니다.

벤치마크 스크립트

핵심 파이프라인은 다음과 같습니다: 모델 로드 → 추론 (inference) → 저장 → 평가 (evaluate).

import os, time, json
from pathlib import Path
from models.elevenlabs_wrapper import ElevenLabsTTS
...

주요 결과

저를 놀라게 한 점

클라우드 모델이 더 빠르고 정확했습니다. 하지만 그 격차는 단지 15-20%에 불과했습니다. 비용을 고려하자 수학적 계산이 완전히 바뀌었습니다.

진짜 병목 현상은 신뢰성이었습니다. ElevenLabs는 50회 실행 중 0/50회 실패했습니다. 로컬 모델은 3-5% (보통 복잡한 구두점)에서 실패했습니다.

재현하기

git clone https://github.com/aixhdd/voice-cloning-benchmark
pip install -r requirements.txt
python benchmark.py --reference your_audio.wav

오디오 샘플이 포함된 전체 기사