Leevigong World

[TTS] 한국어 오픈소스 TTS 만들기 2편 - 품질 격차 줄이기

이전 포스팅: [TTS] ElevenLabs 대신 한국어 오픈소스로 TTS 만들기 1편 지난 포스팅에서 Supertonic + Qwen3-TTS 조합을 채택하고, onset-aware chop과 sentence-aware pause로 1차 정제까지 했다. 며칠동안 사내에서 시연하면서 컨펌 받아보니 "목소리 복제도 나름 잘되고 나쁘진 않은데 잡음이나 이런게 ElevenLabs와 격차가 확실히 존재하다"는 얘기들이 마음에 걸렸다. 그래서 추가로 그 격차를 줄이려 한 작업들이다.F5-TTS, GPT-SoVITS와 다시 비교 청취Whisper 자동 transcribe로 prosody 모드를 default화onset chop 두 번째 라운드 — 짧은 vocal-fry가 아니라 300ms짜리 사전 잡음1. F5-T..

영상 더빙용 한국어 TTS가 필요했다. ElevenLabs를 쓰면 가장 퀄리티 있고 빠르지만, 비용과 외부 API 의존을 줄이고 싶어서 오픈소스로 직접 워크벤치를 만들어보기로 했다. 품질을 완전히 따라잡겠다는 건 아니고, 사내 더빙 용도로 "충분히 쓸 만한" 수준이 목표다. 모델을 바로 고르기 전에 쓸 만한 한국어 오픈소스 TTS 3개를 먼저 비교해 봤다. 오픈소스 TTS는 많지만, 한국어를 우선순위로 학습하고 상업 이용 라이선스까지 갖춘 모델은 의외로 적다. XTTS-v2나 F5-TTS, Kokoro, Sesame CSM 같은 모델들은 한국어를 지원하더라도 학습 비중이 낮거나 품질 검증이 부족해서 후보에서 빠졌다. 조건을 추리니 Raon-Speech, Supertonic, Qwen3-TTS 이렇게 세 ..