텍스트를 음성으로 바꾸는 TTS 노트 모음. 로컬로 돌릴 수 있는 오픈 모델, 클라우드·상용, 한국어 지원, 음성 복제·에이전트 연동 순으로 정리했다. 음성 인식(STT)과 받아쓰기 앱은 moc-multimedia를 본다.
로컬 실행 오픈 모델
| 노트 | 설명 |
|---|---|
| 2026-07-25-local-open-tts-models | 로컬에서 무료로 돌리는 오픈소스 TTS 9종(Kokoro·GPT-SoVITS·XTTS-v2·Qwen3-TTS 등)을 한국어·클로닝·하드웨어 기준으로 비교(Kokoro는 한국어 미지원). |
| 2026-10-10-github-qwenlm-qwen3-tts | Qwen3-TTS — 0.6B·1.7B, Apache 2.0, 한국어 포함 10개 언어, 3초 클로닝·음성 설계, 한국어 WER 1.74(자체 측정). |
| 2026-10-10-github-funaudiollm-cosyvoice | CosyVoice 2·Fun-CosyVoice 3 — 0.5B, Apache 2.0, 한국어 zero-shot 클로닝·스트리밍, 한국어 학습 데이터 2,200시간. |
| 2026-10-10-github-myshell-ai-melotts | MeloTTS — MIT, CPU 실시간 VITS 계열, 한국어 화자 1명, 클로닝 없음, 2024-12 이후 정체. |
| 2026-10-10-huggingface-breezeblue-breeze-tts-2 | Breeze TTS 2 — 3.5B, 오픈 가중치 Elo 1위(자체 게시), 음성 설계·방향 지정, 영어·중국어만, 비상업 가중치. |
| 2026-10-03-fish-audio-s2-pro | Fish Audio S2 Pro — 5B, 한국어 WER 1.18%(자체 측정), 10~30초 클로닝, 연구·비상업 라이선스, 대형 GPU 필요. |
| 2026-10-03-supertonic-3 | Supertonic 3 — 99M ONNX, GPU 없이 31개 언어, 한국어 CER 3.26, 저장소 아카이브·클로닝 없음. |
| 2026-08-13-github-openbmb-voxcpm | VoxCPM2 — tokenizer-free 30개 언어·48kHz, voice design·cloning·LoRA. |
| 2026-08-15-x-gas1688-voxcpm2 | VoxCPM2 X 게시물 — 설계·성능 주장을 저장소 노트와 교차 검증. |
| 2026-08-08-github-kyutai-labs-pocket-tts | Kyutai Pocket TTS — CPU에서 도는 100M 스트리밍 TTS, 음성 복제. |
| 2026-04-12-omnivoice-multilingual-tts | OmniVoice — 600개 이상 언어 제로샷 다국어 TTS(k2-fsa). |
| 2026-07-24-qwen-audio-3-0-tts | Qwen-Audio-3.0-TTS — Flash·Plus, 16개 언어, 자연어 스타일·감정 태그. |
| 2026-07-24-qwen-audio-3-0-tts-tongyi-lab | Qwen Audio 3.0 TTS Tongyi Lab 발표 원문 캡처(16개 언어). |
| 2026-07-24-qwen-audio-3-0-tts-user-link | Qwen Audio 3.0 TTS 공식 프로젝트 페이지 링크 보존. |
| 2026-07-11-vibevoice-microsoft-asr-tts | VibeVoice — 90분 다화자 TTS와 300ms 스트리밍 TTS, 60분 ASR을 묶은 Microsoft 모델군. |
| 2026-04-26-vibevoice-microsoft-voice-ai | VibeVoice 프론티어 음성 AI 개요(TTS·ASR). |
| 2026-03-27-vibevoice | VibeVoice 초기 정리 — TTS 1.5B(현재 비활성화)·ASR 구성, ASR의 Transformers v5.3.0 편입. |
| 2026-07-08-pytorchkr-topic-11121-xybrid-on-device-llm-voice-ai-runtime | Xybrid — LLM·ASR·TTS를 기기에서 직접 실행하는 크로스플랫폼 런타임. |
클라우드·상용
| 노트 | 설명 |
|---|---|
| 2026-10-02-elevenlabs-eleven-v4 | ElevenLabs Eleven v4·v4 Turbo — 공식 사양과 무료 요금제 후기 교차 검증. |
| 2026-04-15-gemini-3-1-flash-tts | Gemini 3.1 Flash TTS — 자연어로 음성 스타일을 제어하는 Google 모델. |
| 2026-09-24-threads-the-pcher-pt-gemini-3-8-flash-tts | Gemini 3.8 Flash TTS·Flash-Lite TTS — 말투·속도·억양을 지시하는 Google 음성 생성 모델(스레드 1/4만 수집). |
| 2026-05-28-xiaomi-mimo-v2-5-price-cut-99-percent | 샤오미 MiMo V2.5 가격 인하 — MiMo-V2.5-TTS가 한시적 무료로 제공됨. |
한국어
| 노트 | 설명 |
|---|---|
| 2026-04-19-local-korean-xtts-engine | 한국어 숏츠 내레이션용 로컬 one-take XTTS-v2 엔진. |
| 2026-07-31-krafton-ax-k2-raon-speech | KRAFTON A.X K2 Raon-Speech — STT·TTS·음성 QA를 하나로 처리하는 21.2B 한영 음성 언어 모델. |
| 2026-08-05-hada-32125-krafton-ax-k2-raon-speech | Raon-Speech 큐레이션 — 댓글과 모델 카드를 대조해 음성 복제·실행 비용 확인. |
| 2026-10-03-supertonic-3 | 국내 Supertone 제작, 한국어 포함 31개 언어를 CPU로 실행. |
| 2026-10-10-github-qwenlm-qwen3-tts | 한국어 공식 지원 + 상업 이용 + 음성 복제를 모두 갖춘 오픈 가중치 TTS(내장 한국어 화자 Sohee). |
| 2026-10-11-fish-audio-s2-pro-vs-voxcpm2-korean | Fish Audio S2 Pro vs VoxCPM2 vs Qwen3-TTS 한국어 비교 — 발음 정확도 S2 Pro > Qwen3 > VoxCPM2, 화자 유사도는 VoxCPM2. Qwen3 끝 단어 잘림 이슈, 자체 측정값의 기준 불일치 점검. |
| 2026-08-13-github-openbmb-voxcpm | VoxCPM2 — 한국어 공식 지원(30개 언어), 한국어 화자 유사도 83.3으로 최상위·WER은 Qwen3-TTS보다 조금 뒤(자체 측정), Apache 2.0. |
| 2026-10-10-github-funaudiollm-cosyvoice | 한국어 지원 스트리밍 TTS, 자체 test-ko CER 7.98%로 정확도는 Qwen3-TTS·Fish S2 Pro보다 뒤. |
| 2026-10-10-github-myshell-ai-melotts | MeloTTS-Korean CPU 실시간 한국어 TTS, macOS에서 MeCab 의존성 충돌 이슈. |
음성 복제·음성 에이전트
| 노트 | 설명 |
|---|---|
| 2026-07-07-openvoice-instant-voice-cloning | OpenVoice — 짧은 참조 오디오로 음색을 복제하고 감정·억양을 따로 제어하는 제로샷 TTS. |
| 2026-03-21-voicebox | Voicebox — 음성 복제·TTS·Whisper 전사·MCP 에이전트 출력을 묶은 로컬 음성 스튜디오. |
| 2026-08-22-free-on-github-my-jarvis-ai-assistant | Jarvis 에이전트 — Claude Code에 음성·메모리를 결합한 오픈소스 사례. |
| 2026-08-08-pytorchkr-topic-11561-seedrealtime-bytedance-seed-full-duplex | SeedRealtime — 오디오·영상을 동시에 처리하는 전이중 모델. |
| 2026-07-19-pytorchkr-topic-11297-friday-mcp-ai | FRIDAY — STT·LLM·TTS 파이프라인으로 음성 대화 중 MCP 도구를 호출하는 비서(OpenAI·Sarvam TTS). |
| 2026-09-27-x-kanaworks-ai-gemini-3-8-tts-game-voice | Gemini 3.8 TTS로 게임 대사 1,400여 줄을 약 3달러에 풀보이스화, 20초 음성 복제·연기 지시 |
| 2026-10-18-x-marcusyul-voice-pro-youtube-dubbing | Voice-Pro — 보컬 분리·전사·번역·음성 복제로 YouTube 영상을 원래 목소리로 100개+ 언어 더빙(로컬, 저장소 미확인) |
| 2026-10-11-x-albacnt-voicestudio | VoiceStudio — 음성 복제·영상 더빙·오디오북·전사를 여러 TTS 엔진으로 로컬 실행(저장소 미확인) |