$99 per month. 이것이 AI 음성을 생성하는 데 필요한 ElevenLabs Pro 플랜의 비용입니다.

하지만 이 도구는 사용자의 로컬 머신에서 무료로 작동합니다. 그리고 방금 폐쇄형 모델들을 능가했습니다.

이것은 Fish Audio S2라고 불리며, 이미 GitHub에서 30,000개의 스타를 확보했습니다.

80개 이상의 언어에 걸쳐 1,000만 시간의 오디오로 학습되었으며, 기존에는 유료 도구에서나 볼 수 있었던 것들을 수행합니다:
→ 10초에서 30초 분량의 샘플만으로 목소리를 복제(clone)할 수 있습니다.
→ [whisper], [excited] 또는 [angry]와 같은 태그를 사용하여 텍스트의 어느 지점에서든 감정을 제어할 수 있습니다.
→ 단일 패스로 여러 화자의 대화를 생성합니다.
→ 약 100ms 만에 오디오 재생을 시작하여 실시간 애플리케이션에 준비됩니다.

그리고 벤치마크가 이를 확인해줍니다:

Seed-TTS Eval에서 평가된 모든 모델 중 가장 낮은 오류율을 기록하며, Qwen3-TTS, MiniMax, Seed-TTS를 앞섰습니다.

스페인어, 프랑스어, 영어 등 수십 개의 언어에서 작동합니다. 음소(phonemes)나 특정 언어 전처리 과정이 필요하지 않습니다.

오픈 소스로, 4B 파라미터 모델을 HuggingFace에서 이용할 수 있습니다.

저장소는 여기입니다 ⬇️