로컬 TTS 모델 55종을 어떤 하드웨어에서든 세 가지 관점으로 비교하는 오픈소스 벤치마크
Speed(속도)/Listen(청취)/Scores(객관 지표) 세 렌즈로 구성, CPU/CUDA/Apple Silicon에서 측정

• Speed는 콜드/웜
  TTFA(첫 오디오까지 시간), RTF(실시간 대비 배속), 메모리를 측정

• Listen은 모든 모델·프롬프트를 기본 음성 + 복제로 인라인 재생, 귀로 직접 모델 선택

• Scores는
  UTMOS(자연스러움)·WER(명료도)·SIM(복제 충실도)를 seed-tts-eval 방식으로 채점

• 설치 없이 모든 모델을 들어볼 수 있는
  Demos 사이트 제공, 프롬프트별/모델별 탐색 가능

• 55종 중
  41종이 참조 클립으로 음성 복제(voice cloning) 가능, 참조 형식 3종 지원(wav 단독 / wav + 전사 / HF 게이트 wav)

• 한국어는 전체 55종이 모두 지원하는 것은 아니지만,
  Supertonic, VoxCPM, OmniVoice 등 다국어/한국어 지원 모델이 포함

• 다만 기본 벤치 프롬프트는 영어/프랑스어 중심이라, 한국어 품질을 보려면 별도 한국어 문장으로 Listen/compare를 돌려 귀로 확인하는 편이 나음

• 테스트 결과 위 Supertonic, VoxCPM, OmniVoice 는 들을만한 품질을 보여줌

복제 A/B 투표 상위 — OmniVoice(음색 일치 최상위, 단 단어 뭉갬/누락 가능), Echo-TTS(공동 1위급, 44.1kHz), IndexTTS-2(3위, 억양 유지)

• 벤치 코드는 MIT 라이선스, 각 TTS 모델은 개별 라이선스 적용

댓글과 토론