Kitten TTS 리뷰 및 설치 가이드: 23MB 텍스트 음성 변환 모델

대부분의 텍스트 음성 변환 모델은 GPU와 수 기가바이트의 디스크를 전제로 합니다. Kitten TTS는 반대 방향으로 갑니다. 1,500만 파라미터에 디스크 용량 약 23MB로, 당시 사용 가능한 TTS 모델 중 아마 가장 작은 실용 모델이었습니다.

표현력 있는 여러 음성을 제공하고, CPU에서 실시간으로 음성을 합성하며, 허용 범위가 넓은 Apache 2.0 라이선스의 오픈소스입니다. 모델 크기와 속도가 가장 중요한 임베디드 하드웨어, Raspberry Pi 프로젝트, 브라우저 앱을 만드는 개발자에게 맞습니다.

강점

• 작은 용량: 23MB이므로 노트북부터 Raspberry Pi, 엣지 기기까지 거의 어디서나 실행됩니다.
• GPU 불필요: 추론이 CPU에서 실행되어 전력 사용과 비용이 낮습니다.
• 남성 넷, 여성 넷의 내장 음성 여덟 개가 있으며, 각각 어느 정도의 표현 폭이 있습니다.
• 속도: 일반 CPU에서도 생성이 실시간이거나 그에 가까운 경우가 많습니다.
• 완전한 오프라인: API 호출 없이 모든 것이 로컬에서 실행되므로 개인 데이터를 다루는 앱에 도움이 됩니다.

약점

• 음질: 특히 길거나 표현이 풍부한 문장에서 거친 소리, 끊김, 아티팩트가 눈에 띕니다.
• 현재는 영어 전용이며, 개발자들은 다국어 지원이 "곧 나온다"고 말합니다.
• 음성에 표현력은 있지만 감정이나 운율을 명시적으로 제어할 수 없습니다.
• 프리뷰 단계입니다. 작동은 하지만 프로덕션에 쓸 준비는 되어 있지 않습니다.

Linux(CPU)에 Kitten TTS 설치하기

사전 요구 사항

• Python 3.8 이상
• Ubuntu 또는 다른 Debian 기반 Linux
• 선택 사항: 가상 환경
• GPU 불필요

1. 가상 환경 만들기(권장)

python3 -m venv kittenenv
source kittenenv/bin/activate

2. 패키지 설치

KittenML은 모델을 GitHub에 wheel 파일로 배포합니다.

pip install https://github.com/KittenML/KittenTTS/releases/download/0.1/kittentts-0.1.0-py3-none-any.whl

기본 사용 예시는 모델의 Hugging Face 페이지에 있습니다.

이 가이드는 원래 Kitten TTS를 Mozilla의 TTS 라이브러리나 그 포크를 통해서도 불러올 수 있다고 보고 다음 단계를 안내했습니다.

git clone https://github.com/mozilla/TTS.git
cd TTS
pip install -r requirements.txt
python setup.py install

이 방법에 의존하기 전에 Mozilla TTS 저장소에서 별도의 모델 로더나 Gradio 인터페이스가 있는지 확인하십시오.

예시: 로컬 Gradio 앱

위의 Mozilla TTS 방법을 사용해 모델을 감싸는 간단한 Gradio 인터페이스를 만듭니다.

# app.py
import gradio as gr
from TTS.api import TTS

tts = TTS("tts_models/en/kitten-tts/nano", progress_bar=False, gpu=False)

def speak(text, voice):
    return tts.tts(text, speaker=voice)

demo = gr.Interface(
    fn=speak,
    inputs=[gr.Text(label="Text"), gr.Radio(["1F", "2F", "3M", "4M"], label="Voice")],
    outputs="audio"
)

demo.launch()

그다음 실행합니다.

python app.py

http://localhost:7860을 열어 사용해 보십시오.

성능

원래 리뷰에 따르면 듀얼 코어 CPU나 가상 머신 같은 평범한 하드웨어에서도 추론이 빠릅니다. 일반적인 문장 하나에 2초 미만입니다. 메모리 사용량은 1GB 미만이고 CPU 부하도 가볍습니다.

주의할 점: 긴 문장은 불완전하게 나올 수 있고, 음성과 시스템 부하에 따라 오디오가 거칠거나 기계적으로 들릴 수 있으며, 브라우저에서 재생할 때 지연될 수 있는데 이는 아마 모델이 아니라 브라우저 문제일 것입니다.

어디에 맞나

Kitten TTS는 ElevenLabs, XTTS, Bark 같은 고음질 모델을 대체하려는 것이 아닙니다. 크기와 허용 범위가 넓은 라이선스가 다른 용도에 맞습니다.

용도	Kitten TTS가 맞는 이유
임베디드 기기	전체 50MB 미만에 들어감, GPU 불필요
프라이버시 중심 앱	완전한 오프라인, 서드파티 API 없음
빠른 프로토타이핑	음성이 들어간 인터페이스 흐름을 빠르게 시험
교육	교실 시연과 컴퓨터 과학 실습에 좋음
AI 컴패니언	로컬 에이전트용 소형 LLM과 짝을 이룸
정적 웹사이트	클라우드 없는 로컬 음성 내레이션

평점

항목	점수
음질	2/5
추론 속도	5/5
자원 사용	5/5
음성 다양성	4/5
개발자 경험	4/5
오픈소스 가치	5/5

종합 점수: 5점 만점에 4.2점.

결론: 품질은 최고 수준 모델에 미치지 못하지만, 다듬어진 품질보다 작고 오프라인인 음성이 더 중요한 곳이라면 Kitten TTS는 지금도 충분히 좋으며, 쓸 만한 음성에 더 이상 큰 다운로드나 고급 GPU가 필요하지 않다는 것을 보여 줍니다.

고음질 대안은 저희 ElevenLabs 리뷰를 참고하십시오.