로컬 TTS 모델 55종을 한자리에서 비교하는 tts-bench가 나왔어요

로컬 TTS 모델 55종을 한자리에서 비교하는 tts-bench가 나왔어요

AI 뉴스 썸네일

로컬에서 돌릴 수 있는 TTS 모델은 빠르게 늘었지만, 실제로 고르기는 꽤 번거로워요. tts-bench는 55개 음성 합성 모델을 속도, 청취 예시, 객관 지표로 나눠 비교할 수 있게 만든 오픈소스 벤치마크예요.

728x90

핵심 요약

구분	핵심	왜 볼 만한가요
모델 범위	로컬 TTS 모델 55종을 비교해요	모델별 데모를 따로 찾아 듣는 시간을 줄일 수 있어요
측정 방식	TTFA, RTF, 메모리, UTMOS, WER, SIM을 나눠 봐요	빠른 모델과 듣기 좋은 모델을 같은 기준으로 섞어 판단하지 않게 돼요
실행 환경	CPU, CUDA, Apple Silicon 결과를 따로 보여줘요	보유한 장비에서 쓸 만한 모델을 먼저 좁힐 수 있어요
청취 테스트	설치 없이 데모 사이트에서 모델별 음성을 들어볼 수 있어요	표 점수만으로 놓치기 쉬운 억양, 발음 뭉개짐, 복제 품질을 확인할 수 있어요
라이선스	벤치 코드는 MIT지만 모델별 라이선스는 달라요	제품에 붙이기 전 상업 이용 가능 여부를 따로 봐야 해요

1. TTS 모델 선택은 점수표만으로 끝나지 않아요

tts-bench는 로컬 TTS 모델 55종을 같은 자리에서 비교하는 벤치마크예요. 속도만 재는 도구가 아니라, 모델별 오디오 샘플을 직접 들어보고 객관 지표도 같이 확인하는 구조예요. Speed 화면은 첫 오디오가 나오기까지 걸리는 시간인 TTFA, 실시간 대비 생성 속도인 RTF, 메모리 사용량을 CPU, CUDA, Apple Silicon 환경별로 보여줘요. 개발자가 데스크톱 앱, 서버 배치, 개인용 음성 도구 중 어디에 붙일지 고를 때 출발점으로 쓰기 좋아요. 2

빠른 모델과 듣기 좋은 모델을 분리해서 봐요

TTS 모델은 빠르다고 항상 듣기 좋은 건 아니에요. tts-bench가 Speed, Listen, Scores를 나눈 이유도 여기에 있어요. Speed는 지연 시간과 처리량을 보고, Listen은 같은 문장을 여러 모델로 들어볼 수 있게 해요. Scores는 UTMOS로 자연스러움, WER로 명료도, SIM으로 음성 복제 충실도를 따로 보여줘요. 표 점수와 귀로 들은 느낌이 다를 수 있다는 점을 벤치 구조 안에 넣은 셈이에요. 1

로컬 실행 환경을 따로 보는 점이 실용적이에요

공개 README는 Windows 데스크톱, Linux 워크스테이션, Apple M4 Mac 같은 장비별 결과를 나눠 보여줘요. 같은 모델도 GPU, CPU, Apple Silicon MPS 환경에 따라 체감 속도가 달라져요. 로컬 앱이나 내부 도구에 TTS를 붙이려는 팀이라면 "최고 점수 모델"보다 "우리 장비에서 지연 시간이 감당되는 모델"이 더 중요할 수 있어요. 전체 설치에는 모델별 가상환경과 Hugging Face 캐시까지 큰 디스크 용량이 필요하니, 필요한 모델만 골라 설치하는 흐름도 지원해요. 2

한국어 품질은 별도 문장으로 들어봐야 해요

GeekNews 요약에 따르면 55개 모델 전체가 한국어를 지원하는 건 아니에요. 다만 Supertonic, VoxCPM, OmniVoice처럼 다국어나 한국어를 다루는 모델이 포함돼요. 기본 벤치 문장은 영어와 프랑스어 중심이라서, 한국어 서비스에 쓰려면 별도 한국어 문장으로 Listen이나 compare를 돌려 확인하는 편이 안전해요. 특히 음성 복제 모델은 음색이 비슷해도 단어가 뭉개지거나 빠질 수 있어요. 1

음성 복제는 라이선스와 품질을 같이 봐야 해요

프로젝트 설명에는 55개 모델 중 41개가 참조 클립 기반 음성 복제를 지원한다고 나와요. 참조 오디오만 받는 모델, 오디오와 전사를 같이 받는 모델, Hugging Face 게이트가 걸린 참조를 쓰는 모델처럼 입력 형식도 달라요. 벤치 코드는 MIT 라이선스지만, 각 TTS 모델의 라이선스는 따로 적용돼요. 데모나 내부 실험은 쉽게 시작할 수 있어도, 상업 서비스에 붙일 때는 모델별 사용 조건을 다시 확인해야 해요. 2

왜 중요한가요

음성 합성은 이제 클라우드 API만의 영역이 아니에요. 작은 모델, 음성 복제 모델, 다국어 모델이 늘면서 노트북이나 개인 GPU에서도 쓸 수 있는 선택지가 많아졌어요. 문제는 선택지가 많아질수록 비교 비용이 커진다는 점이에요.

tts-bench는 그 비교 비용을 줄여줘요. 먼저 장비별 속도로 후보를 좁히고, 데모 사이트에서 직접 들어본 뒤, WER나 SIM 같은 지표로 놓친 부분을 확인할 수 있어요. 개발자에게는 모델 조사 시간을 줄이는 도구이고, 제품 기획자에게는 "로컬 TTS를 써도 UX가 버틸지"를 가늠하는 자료가 돼요. 3

한국어 서비스에서는 더 조심해서 봐야 해요. 영어 예시에서 좋아 보이는 모델이 한국어 발음, 조사, 숫자 읽기, 고유명사에서 같은 품질을 내지는 않을 수 있어요. tts-bench가 제공하는 구조는 그대로 쓰되, 최종 판단은 한국어 문장과 실제 서비스 문맥으로 다시 들어보는 쪽이 맞아요.

참고 자료

1. tts-bench - 로컬에서 TTS 모델 비교를 위한 벤치마크 — GeekNews
2. tts-bench — GitHub
3. tts-bench demos — Demo