Maya 2 Native의 개요
Maya 2 Native는 인도 스타트업 Maya Research의 오픈 웨이트 text-to-speech 모델입니다. 같은 달 초 비공개 프리뷰를 거쳐 2026년 10월 25일 체크포인트 1.0이 Hugging Face에 공개됐습니다. 아삼어, 벵골어, 영어, 구자라트어, 힌디어, 칸나다어, 말라얄람어, 마라티어, 오디아어, 펀자브어, 타밀어, 텔루구어를 말하며, 기본 음성 20개와 3~10초 참조 오디오로 하는 제로샷 클로닝을 지원합니다. 힌디어로 복제한 목소리가 타밀어를 말할 수 있습니다.
파라미터는 2.5 billion(25억)이고 BF16 기준 약 5.0 GB입니다. Qwen3-1.7B-Base로 초기화한 백본이 오디오 토큰을 예측하고, 555M 파라미터 디코더가 나머지를 채우며, Kyutai의 Mimi 코덱이 이를 80 ms 프레임 단위의 24 kHz 모노 음성으로 바꿉니다. 프레임은 만들어지는 대로 스트리밍할 수 있습니다.
가중치와 코드는 Apache 2.0이고, 모델이 내려받는 Mimi 코덱은 CC BY 4.0입니다. 패키지에는 Python API, OpenAI 호환 음성 엔드포인트, WebSocket 스트리밍이 포함됩니다. Maya Research는 호스팅 API 가격을 공개하지 않습니다.
Maya 2 Native, 쓸 만한 가치가 있습니까?
Maya 2 Native는 독립 청취자들이 힌디어에서 상용 선두 모델에 가깝다고 평가한 오픈 음성 모델입니다. VoiceArena 힌디어 순위에서 2,268표를 받아 1047 Elo로 7위입니다. Mistral의 Voxtral Mini TTS(1048), Eleven v3(1044)와 같은 수준이고 Sarvam의 Bulbul-V3(957)를 앞서지만, 1114인 Eleven v4보다 67점 낮습니다. 모 델 카드의 "2위"는 순위표를 실시간 모델로 걸렀을 때만 해당하며, 그 경우 선두는 1094의 Cartesia Sonic-3.6입니다. 공개된 순위 구간인 5위에서 10위가 더 공정한 해석입니다.
서빙 수치는 이번 공개에서 가장 강한 부분입니다. 팀은 H100 NVL 한 장에서 WebSocket 스트림 224개를 동시에 돌려 초당 323초 분량의 오디오를 만들었고, 첫 오디오까지 중앙값 111 ms, 99번째 백분위수 242 ms였으며 끊김은 없었습니다. 좌석 하나에 GPU 메모리 7.7 GB, 좌석 32개에 15.8 GB가 필요하므로 24GB 카드에서 메모리는 제약이 아닙니다. 다만 H100보다 작은 장비의 처리량 수치는 공개되지 않았습니다.
힌디어 밖의 증거는 자체 채점입니다. Maya의 6,000개 텍스트 벤치마크는 채점 모델에 따라 전체 문자 오류율을 2.9%~3.5%로, 아삼어에서는 최대 6.6%로 제시합니다. 하지만 세 채점 모델 중 둘은 Maya 자체 음성 인식기이고, 사람이 평가한 자연스러움 연구나 클로닝 유사도 점수는 없습니다. 약점은 솔직하게 나열돼 있습니다. 아삼어는 1시간 분량으로라도 학습한 음성이 없어 벵골어 음색으로 기울고, 웹 주소는 CER 29%이며, 아주 짧은 답변에서는 목소리의 정체성이 흐려집니다.
배포에는 주의가 필요합니다. 공식 패키지는 NVIDIA GPU와 CUDA 12.8을 갖춘 Linux에서만 작동하지만, Apple MLX로의 커뮤니티 포팅이 이미 있습니다. 포함된 서버에는 인증이 없고, 오디오에는 워터마크가 없습니다. 학습 데이터는 라이선스를 받은 음성과 합성 음성이라고만 설명되며, 시간이나 출처는 밝히지 않았습니다.
제 역할을 하는 곳
벵갈루루 대출 스타트업의 음성 에이전트 엔지니어
대출자의 언어로 EMI 알림과 결제 확인 안내 읽어 주기
통화량에 맞춰 max_seats를 정하고 GPU 한 장에서 WebSocket 엔드포인트를 서빙합니다. 모델 카드의 스트림 224개 실행은 H100 NVL 한 장에 들어갑니다. 숫자, 날짜, 계좌 번호는 문자 표기가 알려진 실패 유형이므로 먼저 직접 들어 보고 확인합니다.
힌디어와 타밀어 강좌를 운영하는 에듀테크 회사의 프로덕트 리드
여러 언어에 걸쳐 일관된 브랜드 목소리로 강의 내레이션
동의한 발표자의 3~10초 클립과 대본으로 목소리를 복제하고 12개 언어 중 어느 것으로든 생성합니다. 글자당 요금은 없지만, 복제 유사도는 근사치이고 공개된 점수가 없습니다.
이미 Bolna로 전화 에이전트를 운영하는 플랫폼 팀
TTS 서버를 만들지 않고 인도 언어 음성 추가
Bolna의 음성 제공업체로 Maya 2 Native를 선택합니다. 통화용으로 오디오가 24 kHz에서 8 kHz로 다운샘플링되며, 다시 연결하지 않고 통화 중에 언어를 바꿀 수 있습니다.
도입 전 확인할 점
- 설정
- Python 3.10~3.12와 CUDA 12.8 NVIDIA GPU를 갖춘 Linux에서 GitHub의 maya3 패키지를 pip install한 뒤 Maya3TTS.from_pretrained를 호출합니다. 처음 쓸 때 가중치, Mimi, ECAPA 화자 인코더를 내려받습니다.
- 연동
- Python generate 및 stream API, OpenAI 호환 /v1/audio/speech 엔드포인트, WebSocket 스트리밍, Bolna 음성 에이전트 플랫폼, Apple silicon용 커뮤니티 MLX 포팅.
- 데이터와 개인정보
- 자체 호스팅이므로 텍스트와 음성 참조는 자체 서버에 남습니다. 가중치는 Apache 2.0이고, 학습 데이터는 라이선스를 받은 음성과 합성 음성이라고만 설명됩니다. 오디오 워터마크가 없고, 포함된 서버에는 인증이 없습니다.
- 대규모 사용 시 비용
- GPU 시간만 듭니다. 좌석 하나에 GPU 메모리 7.7 GB, 32개에 15.8 GB이며, 모델 카드의 H100 NVL 한 장은 동시 스트림 224개를 초당 323초 분량의 오디오로 서빙했습니다.
- 제한
- 24 kHz 모노. 감정 태그는 최선 노력 수준. 아삼어, URL, 기호, 한두 단어짜리 턴에 약함. 배치 처리는 랜덤 스트림을 바꾸므로 시드는 단독 실행에서만 재현됩니다.
좋은 점
- VoiceArena 힌디어 1047 Elo로 Eleven v3와 같은 수준
- Apache 2.0 가중치와 서버
- H100 NVL 한 장에서 스트림 224개, 첫 오디오 중앙값 111 ms
- 3~10초 오디오로 언어를 넘나드는 클로닝
아쉬운 점
- 힌디어에서 Eleven v4보다 67 Elo 낮고, 다른 언어는 독립 순위 없음
- 벤치마크 채점 모델 대부분이 Maya 자체 ASR 모델
- 아삼어 네이티브 음성 없음, URL은 CER 29%
- 공식적으로 NVIDIA와 Linux 전용, 오디오 워터마크 없음
추천 대상
허용 범위가 넓은 라이선스로 자체 호스팅하면서 인도 언어 음성 에이전트, IVR, 내레이션을 만드는 개발자.
Maya 2 Native 대안
Maya 2 Native: 자주 묻는 질문
- Maya 2 Native, 쓸 만한 가치가 있습니까?
- 인도 언어 음성 에이전트라면 Maya 2 Native가 출발점으로 삼을 오픈 모델입니다. 힌디어에서는 유료 선두 모델에 가깝고 대규모로 돌리는 비용이 낮습니다. 다만 다른 언어에서는 증거 대신 자동 점수만 있습니다. 평점은 5점 만점에 4.0점입니다.
- Maya 2 Native의 가격은 얼마입니까?
- Apache 2.0으로 무료(Mimi 코덱은 CC BY 4.0), 자체 GPU에서 자체 호스팅. 자사 호스팅 가격은 공개되지 않음.
- Maya 2 Native의 단점은 무엇입니까?
- 힌디어에서 Eleven v4보다 67 Elo 낮고, 다른 언어는 독립 순위 없음; 벤치마크 채점 모델 대부분이 Maya 자체 ASR 모델; 아삼어 네이티브 음성 없음, URL은 CER 29%; 공식적으로 NVIDIA와 Linux 전용, 오디오 워터마크 없음.
- Maya 2 Native에 적합한 사람은 누구입니까?
- 허용 범위가 넓은 라이선스로 자체 호스팅하면서 인도 언어 음성 에이전트, IVR, 내레이션을 만드는 개발자.
- 팀이나 프로덕션 환경에서 Maya 2 Native의 비용은 얼마입니까?
- GPU 시간만 듭니다. 좌석 하나에 GPU 메모리 7.7 GB, 32개에 15.8 GB이며, 모델 카드의 H100 NVL 한 장은 동시 스트림 224개를 초당 323초 분량의 오디오로 서빙했습니다.
- Maya 2 Native에 회사 데이터를 맡겨도 안전합니까?
- 자체 호스팅이므로 텍스트와 음성 참조는 자체 서버에 남습니다. 가중치는 Apache 2.0이고, 학습 데이터는 라이선스를 받은 음성과 합성 음성이라고만 설명됩니다. 오디오 워터마크가 없고, 포함된 서버에는 인증이 없습니다.
- Maya 2 Native의 가장 좋은 대안은 무엇입니까?
- 저희가 리뷰한 것 중 가장 가까운 대안은 Cartesia Sonic 3.6, Eleven v4 and v4 Turbo, OmniVoice 및 Qwen3-TTS입니다.
답변 확인일: 2026년 11월 2일.
Maya 2 Native 개발사입니까? 이 평점을 사이트에 표시하십시오
