Supertonic 3는 국내 스타트업 Supertone이 만든 약 99M 파라미터 TTS로, ONNX Runtime만으로 CPU·브라우저·모바일에서 로컬 실행된다. 한국어를 포함한 31개 언어를 지원한다. 다만 GitHub 저장소는 2026-09-09 아카이브됐고 공개 가중치에는 음성 클로닝이 없다.

한눈에 보기

항목내용
개발Supertone Inc., 출시 2026-04-29(Supertonic 2는 2026-01-06, 5개 언어)
규모약 99M(공개 ONNX 자산 합계), 출력 44.1kHz 16bit
구조flow-matching 기반 text-to-latent + 음성 오토인코더
언어31개(한국어 ko 포함), 언어 비지정 lang="na"
실행GPU 불필요. Python·Node.js·브라우저(WebGPU/WASM)·Swift·Rust·Flutter 등, 라즈베리파이 실시간 시연
라이선스코드 MIT, 모델 OpenRAIL-M
표현 태그<laugh> <breath> <sigh>

한국어 품질

제작사 README의 Minimax-MLS-test 결과(낮을수록 좋음, 제작사 자체 측정):

언어Supertonic 3VoxCPM2OmniVoice
한국어(CER)3.264.703.22
영어(WER)2.062.112.02
일본어(CER)4.613.353.81
  • 한국어 글자 오류율(CER)은 2B급 VoxCPM2보다 낮고 OmniVoice와는 비슷하다. 99M 모델치고는 정확한 편이다.
  • 2026-10-03-fish-audio-s2-pro는 Minimax 한국어 WER 1.18%로 보고됐다. 지표(CER vs WER)와 평가 설정이 달라 위 값과 직접 비교하면 안 된다.
  • 모델 카드의 한국어 샘플은 노인 캐릭터 대사 1건뿐이다. 자연스러운 억양·감정은 수치로 확인되지 않았다.
  • v2 대비 반복·누락 실패가 줄었다는 설명이 있고, 커뮤니티에서는 “경량 모델치고 안정적”이라는 반응이 있었다.

로컬 실행

pip install supertonic
from supertonic import TTS
 
tts = TTS(auto_download=True)
style = tts.get_voice_style(voice_name="M1")
wav, duration = tts.synthesize("안녕하세요.", voice_style=style, lang="ko")
tts.save_audio(wav, "output.wav")

한계와 주의

  • 아카이브 상태: supertone-inc/supertonic은 supertone-oss-archive/supertonic으로 옮겨져 읽기 전용이다(마지막 push 2026-09-09). 새 기능·지원은 기대하기 어렵다. 가중치는 Hugging Face(Supertone/supertonic-3)에 그대로 있다.
  • 클로닝 없음: 공개 가중치는 프리셋 음성(M1M5, F1F5)만 쓴다. 커스텀 음성용 Voice Builder 서비스는 2026-08-31 종료됐고 호스팅 데모도 닫혔다.
  • 프리셋 개수 표기가 모델 카드(10종)와 아카이브 README(6종)에서 다르다.
  • 속도·메모리 비교는 이미지 차트로만 제공돼 수치로 옮기지 못했다. 모델 카드는 CPU 속도가 A100에서 잰 더 큰 모델과 견줄 만하다고만 주장한다.
  • 모델은 OpenRAIL-M이라 용도 제한(사용 제한 조항)을 따른다. 상업 이용 여부는 LICENSE를 직접 확인한다.

관련 노트

출처