오픈 소스 텍스트 음성 변환(TTS)이 이렇게 논란이 많은 수준에 도달했나요?

요약

최근 공개된 VoxCPM2는 20억 개 파라미터와 방대한 다국어 데이터로 훈련된 최첨단 오픈 소스 TTS 모델입니다. 이 모델은 기존 방식의 토크나이저 단계를 제거하고 연속 잠재 공간에서 확산 자기회귀를 직접 수행하여 음색과 감정 표현을 완벽하게 보존하는 것이 특징입니다. 30개 언어, 다양한 방언 지원 및 실시간 스트리밍 성능을 갖추고 있어 상업적 활용도가 매우 높습니다.

핵심 포인트

• 토크나이저가 필요 없는 혁신적인 아키텍처: 연속 잠재 공간에서 직접 확산 자기회귀를 수행하여 정보 손실 최소화.
• 압도적인 성능과 확장성: 20억 개 파라미터, 30개 언어 및 9개 중국어 방언 지원으로 범용성이 높음.
• 고급 제어 기능 제공: 참조 음성 없이 자연어 설명만으로 음성을 생성하거나, 감정/속도/호흡 리듬까지 정교하게 조정 가능.
• 실시간 상업적 활용에 최적화: RTX 4090에서 매우 낮은 지연 시간의 스트리밍 출력이 가능하며 Apache 2.0 라이선스로 상업적 사용이 용이함.