Supertonic 3로 GPU 없이 한국어 음성 파일 만들기

Supertonic 3는 글과 언어 코드를 받아 음성을 만드는 다국어 TTS예요. 공개 모델 파일을 ONNX Runtime³으로 실행하고, 한국어에 ko를 지정하면 미리 준비된 화자 프리셋으로 WAV를 저장할 수 있어요. 모델 카드에는 한국어·영어·일본어를 포함한 31개 언어가 안내되어 있어요. Supertonic 3 모델 카드

공개 저장소는 2026년 9월 9일 보관 처리돼 코드 변경과 지원이 중단됐어요. 아래 절차에서는 보관된 저장소의 현재 코드와 고정한 모델 자산 revision을 내려받아요.

Python 3.11과 Git이 필요해요. 아래는 macOS와 Linux 터미널용이며, 코드는 보관된 기본 브랜치에서 받고 모델 파일 revision을 고정해요.

git clone https://github.com/supertone-oss-archive/supertonic.git
cd supertonic
python3.11 -m venv .venv
source .venv/bin/activate
python -m pip install huggingface_hub
hf download supertone-oss-archive/supertonic-3 --revision aafc6e32416a594460b32413efc49d7fe4ce6d46 --local-dir assets

같은 가상환경⁴에서 ONNX 예제 패키지를 설치하고 py/ 폴더에서 합성 명령을 실행해요. 기본 예제는 M1 목소리를 사용하지만, 여기서는 파일을 지정해 사용하는 스타일을 분명히 해요. --lang ko는 입력 문장이 한국어라는 뜻이에요.

python -m pip install -r py/requirements.txt
cd py
python example_onnx.py --n-test 1 --text "오늘 회의는 오후 두 시에 시작합니다." --lang ko --voice-style ../assets/voice_styles/M1.json

Apple M4 CPU, ONNX Runtime 1.23.1 CPUExecutionProvider, F3, 8 steps, speed 1.05, seed 42 조건으로 측정했어요. 언어마다 한 번 워밍업한 뒤 세 번 실행했고, 모델을 적재한 다음 tts() 호출 시간만 쟀어요.

약 12초 분량의 한국어 음성은 합성 호출 중앙값이 2.30초였어요. 모델 다운로드와 적재, WAV 저장, MP3 인코딩 시간은 이 값에 들어가지 않아요. 공개 샘플을 듣고 실제 원고도 CPU에서 생성해 확인해 보세요. 측정 조건과 데이터

성공하면 py/results/에 입력 문장 일부가 파일명에 들어간 WAV가 생겨요. 파일을 열어 숫자, 제품명, 문장 끝을 확인하고 다른 목소리를 듣고 싶으면 M1.json을 F3.json처럼 assets/voice_styles/ 안의 파일로 바꿔요. 생성물이 없으면 터미널의 첫 오류와 py/results/ 폴더를 살펴보세요.

공개 모델 묶음에는 M1~M5와 F1~F5의 열 가지 preset voice style이 포함돼요. 이 파일로 바로 선택할 수 있는 것은 모델이 제공하는 음성 스타일이에요. 같은 문장과 언어를 두고 --voice-style 경로만 바꾸면 프리셋의 발음과 속도를 비교할 수 있어요.

Voice Builder는 참조 녹음으로 사용자 스타일을 만드는 별도 서비스였고, 보관된 저장소에는 포함되지 않아요. 로컬 예제에서는 M1~F5 프리셋 가운데 하나를 골라 사용해요. 다른 사람의 목소리를 본뜰 때는 먼저 허락을 받아요.

예제 코드는 MIT 라이선스, 모델 가중치는 OpenRAIL-M 라이선스예요. 프로그램을 수정하거나 배포할 때의 조건과 모델 가중치·생성물에 적용되는 조건은 각각 읽어야 해요. 저장소와 모델 카드는 라이선스 원문을 연결해 두었으니 사용 목적에 맞춰 확인하세요.

실제 사용할 분량을 CPU에서 생성해 숫자와 이름, 문장 끝을 들어봐요. 브라우저에서 실행하려면 보관 저장소의 web/README.md에 있는 로컬 예제로 개발 서버를 시작해요.