Audio8 TTS의 개요
Audio8 TTS는 Edge0의 소형 텍스트 음성 변환 모델 제품군으로, 짧은 참조 녹음과 그 전사본으로 목소리를 복제합니다. 현재 버전인 Audio8-TTS-Realistic-Air는 601M 파라미터에 오디오 코덱이 더해지며 23개 언어를 지원하는데, 기반이 된 Preview 0.6B보다 12개 많습니다. 2026년 10월 14일 Hugging Face에 올라왔고, 사람 같은 운율에 보상을 주는 "사실감 평가자"를 활용한 학습을 설명하는 논문도 함께 나왔습니다.
아키텍처는 Fish Audio S2 Pro의 DualAR 설계를 따릅니다. 24층의 느린 모델이 프레임마다 시맨틱 토큰 하나를 예측하고, 4층의 빠른 모델이 코덱 코드북 10개를 예측하며, 44.1 kHz로 출력합니다. 가중치는 Apache 2.0의 BF16 safetensors이며 코드도 마찬가지입니다.
더 작은 Preview 0.1B(약 170M 파라미터에 120M 파라미터 코덱)는 중국어와 영어를 대상으로 하며, ONNX INT8 내보내기로 약 0.4 GiB에서 CPU로 실행됩니다. 이 모델은 별도의 커뮤니티 라이선스를 따르며, 연 매출 US$2 million 이상인 기업은 유료 라이선스가 필요합니다.
Audio8 TTS, 쓸 만한 가치가 있습니까?
Audio8 TTS가 눈에 띄는 이유는 절대적인 품질보다 크기입니다. 자체 보고한 Seed-TTS 영어 및 중국어 테스트에서 Realistic Air의 평균 오류율은 1.25%로, 4B인 Higgs Audio v3의 1.11%, 4.6B인 Fish S2 Pro의 1.32%, CosyVoice3의 1.67%와 비교됩니다. 601M 파라미터 모델은 저희 계산으로 BF16 기준 약 1.2 GB의 가중치이며, 평범한 GPU에 들어갈 만큼 작습니다.
다국어 수치는 덜 좋습니다. 24개 언어로 된 MiniMax 세트에서 평균 오류율은 5.89%로, Fish S2 Pro의 4.40%, Higgs Audio v3의 2.74%에 못 미치며, Qwen3-TTS의 0.6B 모델은 Seed-TTS에서 1.12%로 약간 더 낫습니다. 모델 카드는 자기 표를 조건을 맞춘 순위가 아닌 참고용 비교라고 부르며 품질이 언어마다 다르다고 적습니다. 모든 수치는 Edge0가 낸 것이며, 사실감을 직접 측정한 수치는 없습니다.
서빙은 대부분의 소규모 연구실보다 문서화가 잘 되어 있습니다. SGLang Omni 어댑터가 배치 처리를 지원하는 OpenAI 호환 음성 API를 제공하며, NVIDIA H20 한 장에서 약 5.9 s 분량의 오디오에 대해 웜 지연 시간 0.691 s, 실시간 계수 0.116을 측정했습니다. 다만 이 테스트는 같은 아키텍처의 Preview 0.6B로 진행되었습니다. 카드에 따르면 Realistic Air 자체의 처리량과 스트리밍은 측정되지 않았고 아직 ONNX 내보내기도 없어, CPU 사용자는 이전 Preview 모델로 제한됩니다.
주의할 점: 출처와 안전장치입니다. 제작사 정보가 빈약합니다. GitHub에는 Edge0-AI, Hugging Face에는 Edge0로 되어 있고, 0.1B 카드의 코드는 Audio8을 가리키며, 위치나 회사 정보는 공개되지 않았습니다. 0.1B 카드는 복제 전에 동의를 구하라고 하지만, 어느 카드도 워터마크는 언급하지 않습니다. 저장소는 활발하며, 스타 2,361개에 2026년 11월 2일 푸시가 있었고, Realistic Air는 지난 한 달 동안 11,349회 다운로드되었습니다.
제 역할을 하는 곳
인디 게임을 태국어, 베트남어, 인도네시아어로 현지화하는 2인 스튜디오
캐릭터별 비용 없이 같은 캐릭터에 여러 언어로 목소리 입히기
짧은 참조 클립과 전사본으로 배우마다 목소리를 복제하고 소비자용 GPU 한 장에서 대사를 일괄 렌더링합니다. Apache 2.0이라 상업적 사용이 가능합니다. 카드가 품질 편차를 경고하므로 언어마다 귀로 확인하십시오.
음성 에이전트 스타트업의 백엔드 엔지니어
GPU 한 장으로 여러 통화자에게 동시에 복제 음성 제공
SGLang Omni 어댑터를 실행합니다. 기본적으로 실행 중인 요청을 최대 32개까지 배치 처리하며 OpenAI 호환 /v1/audio/speech 엔드포인트로 제공합니다. H20에서 측정한 RTF 0.116은 여유가 있음을 시사하지만, Realistic Air 자체의 처리량은 측정되지 않았습니다.
노트북에서 오프라인 읽기 도우미를 만드는 취미 개발자
GPU 없이 중국어와 영어 텍스트 읽기
Preview 0.1B ONNX INT8 런타임을 약 0.4 GiB로 CPU에서 사용하고, PCM 스트리밍과 로컬 웹 서버를 함께 씁니다. 개인 용도로는 충분하지만, 매출 US$2 million 초과 기업은 라이선스가 필요합니다.
도입 전 확인할 점
- 설정
- Python 3.10+와 CUDA GPU가 필요합니다. 저장소를 클론하고 pip install -r requirements.txt를 실행한 뒤, 모델 ID로 audio8_tts_infer.py를 실행하고 복제하려면 참조 클립과 전사본을 추가합니다. SGLang Omni는 테스트된 커밋에 고정해야 합니다.
- 연동
- Transformers(4.57 이상 5 미만, 5.x에서는 무음이 출력될 수 있음), OpenAI 호환 음성 API를 갖춘 SGLang Omni, Preview 내보내기용 ONNX Runtime, 지도 미세 조정 스크립트.
- 데이터와 개인정보
- 직접 호스팅하며 내 컴퓨터 밖으로 아무것도 나가지 않습니다. Realistic Air와 Preview 0.6B는 Apache 2.0입니다. Preview 0.1B의 커뮤니티 라이선스는 계열사를 포함한 연 매출이 US$2 million 이상이면 서면 상업 라이선스를 요구합니다.
- 대규모 사용 시 비용
- 0.6B 모델의 BF16 가중치는 약 1.2 GB입니다. SGLang 서버는 기본적으로 GPU 한 장에서 정적 메모리 비율 0.2를 씁니다. 현재 이를 서비스하는 호스팅 제공업체는 없습니다.
- 제한
- 텍스트와 오디오를 합쳐 2,048개 위치. 언어마다 품질이 고르지 않습니다. Realistic Air의 속도와 스트리밍은 측정되지 않았습니다. 길거나 잡음이 많거나 잘못 전사된 참조 클립은 안정성과 유사도를 떨어뜨립니다.
좋은 점
- 0.6B 모델은 Apache 2.0 가중치와 코드
- Seed-TTS 오류율이 6배에서 8배 큰 모델에 근접
- 23개 언어, 44.1 kHz 출력
- OpenAI 호환 API를 갖춘 SGLang Omni 서버, H20에서 RTF 0.116
- 0.1B ONNX INT8은 약 0.4 GiB로 CPU에서 실행
아쉬운 점
- 24개 언어 테스트에서 Fish S2 Pro와 Higgs Audio v3에 뒤처짐
- 모든 벤치마크가 자체 보고이며 Realistic Air 속도는 측정되지 않음
- Realistic Air에는 ONNX도 CPU 실행 경로도 없음
- 워터마크 없음, 제작사 정보 비공개
- 0.1B 라이선스는 매출 US$2 million 초과 기업에 비용 부과
추천 대상
허용적인 라이선스의 다국어 음성 복제를 적은 GPU 예산으로 필요로 하고, 자기 언어로 품질을 시험해 볼 수 있는 개발자.
Audio8 TTS 대안
Audio8 TTS: 자주 묻는 질문
- Audio8 TTS, 쓸 만한 가치가 있습니까?
- Audio8의 0.6B 모델은 23개 언어에서 4B 파라미터급 경쟁 모델에 가까운 오류율로 목소리를 복제합니다. 크기 대비 훌륭한 선택이지만 가장 어려운 다국어 테스트에서는 여전히 뒤처집니다. 평점은 5점 만점에 3.8점입니다.
- Audio8 TTS의 가격은 얼마입니까?
- 무료입니다. Realistic Air와 Preview 0.6B 가중치는 Apache 2.0입니다. Preview 0.1B는 비상업적 사용과 연 매출 US$2 million 미만 기업에 무료입니다. 호스팅 API는 없습니다.
- Audio8 TTS의 단점은 무엇입니까?
- 24개 언어 테스트에서 Fish S2 Pro와 Higgs Audio v3에 뒤처짐; 모든 벤치마크가 자체 보고이며 Realistic Air 속도는 측정되지 않음; Realistic Air에는 ONNX도 CPU 실행 경로도 없음; 워터마크 없음, 제작사 정보 비공개; 0.1B 라이선스는 매출 US$2 million 초과 기업에 비용 부과.
- Audio8 TTS에 적합한 사람은 누구입니까?
- 허용적인 라이선스의 다국어 음성 복제를 적은 GPU 예산으로 필요로 하고, 자기 언어로 품질을 시험해 볼 수 있는 개발자.
- 팀이나 프로덕션 환경에서 Audio8 TTS의 비용은 얼마입니까?
- 0.6B 모델의 BF16 가중치는 약 1.2 GB입니다. SGLang 서버는 기본적으로 GPU 한 장에서 정적 메모리 비율 0.2를 씁니다. 현재 이를 서비스하는 호스팅 제공업체는 없습니다.
- Audio8 TTS에 회사 데이터를 맡겨도 안전합니까?
- 직접 호스팅하며 내 컴퓨터 밖으로 아무것도 나가지 않습니다. Realistic Air와 Preview 0.6B는 Apache 2.0입니다. Preview 0.1B의 커뮤니티 라이선스는 계열사를 포함한 연 매출이 US$2 million 이상이면 서면 상업 라이선스를 요구합니다.
- Audio8 TTS의 가장 좋은 대안은 무엇입니까?
- 저희가 리뷰한 것 중 가장 가까운 대안은 Qwen3-TTS, Chatterbox, OmniVoice 및 Kokoro-82M입니다.
답변 확인일: 2026년 11월 5일.