Qwen3-TTS의 개요
Qwen3-TTS는 Alibaba의 Qwen 팀이 2026년 1월 22일에 Apache 2.0으로 공개한 오픈 텍스트 음성 변환(TTS) 모델 계열로, 6억(0.6 billion)과 17억(1.7 billion) 파라미터 크기가 있습니다. 중국어, 영어, 일본어, 한국어, 독일어, 프랑스어, 러시아어, 포르투갈어, 스페인어, 이탈리아어의 10개 언어를 지원합니다. 가중치는 2026년 1월 29일에 마지막으로 업데이트되었으며, Alibaba의 호스팅 제품군은 그 뒤 별도의 Qwen-Audio-3.x TTS 모델로 옮겨 갔습니다.
세 가지 유형이 있습니다. VoiceDesign은 글로 쓴 설명으로 새 목소리를 만들고, CustomVoice는 지시문으로 어조를 조절할 수 있는 9개의 프리셋 목소리를 제공하며, Base는 3초 분량의 참조 음성으로 목소리를 복제합니다. Qwen은 스트리밍 설계 덕분에 입력 한 글자 뒤에 첫 음성을 낼 수 있고, 종단 간 지연 시간이 97 ms까지 낮아진다고 말합니다.
Qwen3-TTS의 가격은 얼마입니까?
| 플랜 | 가격 | 포함 내용 |
|---|---|---|
| Weights | Free | Apache 2.0 |
| qwen3-tts-flash | $0.10 per 10,000 input characters | Alibaba Model Studio(싱가포르). 90일 무료 사용량 |
| qwen3-tts-flash-realtime | $0.13 per 10,000 input characters |
Apache 2.0으로 무료. Alibaba Model Studio(싱가포르): 입력 10,000자당 qwen3-tts-flash $0.10, qwen3-tts-flash-realtime $0.13이며 90일 무료 사용량이 있습니다.
Qwen3-TTS, 쓸 만한 가치가 있습니까?
Qwen3-TTS는 오픈 음성 모델 중 가장 폭넓은 제어 기능과 가장 약한 보호 장치를 갖추고 있습니다. 글로 쓴 프롬프트로 목소리를 설계하고 지시문으로 어조를 조절하는 기능은 실제로 유용하며, Apache 2.0은 라이선스상의 걸림돌을 없앱니다. 이 조합이 널리 쓰이는 이유입니다. 1.7B Base 복제 모델만 해도 지난 한 달 동안 Hugging Face에서 약 290만(2.9 million)회 다운로드되었고, CustomVoice 모델은 약 200만(2 million)회였습니다.
독립적인 청취 테스트는 덜 너그럽습니다. Artificial Analysis의 음성 아레나에서 Alibaba의 호스팅형 Qwen3 TTS는 98개 중 87위(eighty-seventh)로 930 Elo이고, Qwen3 TTS Flash는 86위(eighty-sixth)로 943입니다. 8,200만(82-million) 파라미터 모델인 Kokoro는 1065점입니다. 이는 API 버전의 결과이므로 오픈 가중치와 정확히 같지 않을 수 있고, Qwen 자체의 단어 오류율 표는 자체 보고 수치입니다. Alibaba의 최신 Qwen-Audio-3.1-TTS-Plus는 1301로 3위입니다. 이 모델은 Qwen3-TTS 가중치가 아니라 API로 판매됩니다.
Base 모델은 3초 분량의 음성과 그 대본만으로 목소리를 복제합니다. 그런데 모델 카드와 GitHub README 어디에도 동의, 악용, 워터마크에 대한 언급이 없습니다. 반면 Chatterbox는 모든 클립에 워터마크를 넣습니다. Qwen3-TTS의 복제 기능을 일반 사용자에게 공개하는 곳은 사칭 위험을 떠안게 되며, 모델은 그 위험을 줄이는 데 아무 역할도 하지 않습니다.
모델은 작아서 운영 비용이 적습니다. 1.7B Base 체크포인트는 약 19억(1.9 billion) 파라미터로 BF16 기준 약 4GB이며, 소비자용 GPU 한 장으로 충분합니다. 주의할 점은 서빙입니다. vLLM-Omni는 아직 오프라인 추론만 지원하므로, 스트리밍 프로덕션 엔드포인트를 만들려면 qwen-tts 패키지를 감싸는 서버를 직접 작성해야 합니다.
제 역할을 하는 곳
유럽 언어 학습 앱의 백엔드 엔지니어
일관되고 설명 가능한 목소리로 10개 언어의 예문 생성
VoiceDesign으로 강좌마다 목소리를 정의하고('따뜻하고 느린 30대 중반 교사') GPU 한 장에서 오프라인으로 일괄 렌더링합니다. Apache 2.0이므로 글자당 요금이 없습니다. 청취자 순위로 보면 품질 상한은 호스팅형 경쟁 모델보다 낮습니다.
20명 규모 오디오북 스타트업의 프로덕트 매니저
프리미엄 음성 API에 돈을 쓰기 전에 낭독을 저렴하게 시제품으로 제작
Model Studio의 qwen3-tts-flash로 초안을 렌더링합니다. 10,000자당 $0.10이므로 500,000자 분량의 소설은 약 $5입니다. 그다음 글자당 몇 배 더 비싼 호스팅형 선두 모델과 비교합니다.
음성 에이전트 회사의 신뢰·안전 책임자
셀프서비스 목소리 복제를 공개할지 결정
Qwen3-TTS Base는 3초 음성으로 복제하며 동의 절차나 워터마크 없이 배포됩니다. 따라서 출시 전에 회사가 자체적으로 화자 확인, 고지, 기록을 갖춰야 합니다. 워터마크가 내장된 Chatterbox가 비교 기준입니다.
도입 전 확인할 점
- 설정
- pip로 qwen-tts 패키지를 설치하면 모델 이름으로 가중치가 다운로드됩니다. Qwen은 FlashAttention을 권장하며, Gradio 데모로 복제할 때 마이크 입력에는 HTTPS가 필요합니다.
- 연동
- qwen-tts Python 패키지, Transformers, vLLM-Omni(오프라인 전용), 싱가포르와 베이징 리전의 Alibaba Model Studio API.
- 데이터와 개인정보
- Apache 2.0으로 자체 호스팅하며, 라이선스 외의 사용 제한이 없고 어떤 데이터도 서버 밖으로 나가지 않습니다. Model Studio에서 비스트리밍 결과는 24시간 유효한 오디오 URL로 반환됩니다.
- 대규모 사용 시 비용
- 자체 호스팅 시 1.7B 모델은 BF16 기준 약 4GB로 소비자용 GPU 한 장에 들어갑니다. 호스팅 시 qwen3-tts-flash로 월 1억(100 million) 자는 약 $1,000이며, realtime 변형은 $1,300입니다.
- 제한
- 10개 언어, CustomVoice의 프리셋 목소리 9개입니다. 공개된 워터마크나 악용 방지 기능이 없습니다. vLLM 온라인 서빙은 아직 지원되지 않습니다. 호스팅 모델은 Artificial Analysis 아레나에서 하위 15위 안에 있습니다.
좋은 점
- 0.6B와 1.7B 크기의 Apache 2.0이며, 큰 쪽도 BF16 기준 약 4GB
- 텍스트 설명으로 목소리 설계, 조절 가능한 프리셋 목소리 9개
- 호스팅형 Flash는 10,000자당 $0.10
- Qwen에 따르면 한 글자 뒤에 첫 음성이 나오는 스트리밍
아쉬운 점
- 호스팅 버전이 Artificial Analysis에서 98개 중 86위와 87위
- 동의 확인이나 워터마크 없는 3초 복제
- vLLM-Omni는 오프라인 추론만 지원
- 2026년 1월 이후 가중치가 바뀌지 않음
추천 대상
관대한 라이선스로 세밀한 제어를 원하고 안전장치는 직접 추가할 다국어 음성 기능 개발자.
Qwen3-TTS 대안
Qwen3-TTS: 자주 묻는 질문
- Qwen3-TTS, 쓸 만한 가치가 있습니까?
- Qwen3-TTS는 개발자에게 세밀한 목소리 제어와 안전장치 없는 3초 복제 도구를 제공합 니다. 품질은 청취자 순위에서 최하위권입니다. 평점은 5점 만점에 3.5점입니다.
- Qwen3-TTS의 가격은 얼마입니까?
- Apache 2.0으로 무료. Alibaba Model Studio(싱가포르): 입력 10,000자당 qwen3-tts-flash $0.10, qwen3-tts-flash-realtime $0.13이며 90일 무료 사용량이 있습니다.
- Qwen3-TTS의 단점은 무엇입니까?
- 호스팅 버전이 Artificial Analysis에서 98개 중 86위와 87위; 동의 확인이나 워터마크 없는 3초 복제; vLLM-Omni는 오프라인 추론만 지원; 2026년 1월 이후 가중치가 바뀌지 않음.
- Qwen3-TTS에 적합한 사람은 누구입니까?
- 관대한 라이선스로 세밀한 제어를 원하고 안전장치는 직접 추가할 다국어 음성 기능 개발자.
- 팀이나 프로덕션 환경에서 Qwen3-TTS의 비용은 얼마입니까?
- 자체 호스팅 시 1.7B 모델은 BF16 기준 약 4GB로 소비자용 GPU 한 장에 들어갑니다. 호스팅 시 qwen3-tts-flash로 월 1억(100 million) 자는 약 $1,000이며, realtime 변형은 $1,300입니다.
- Qwen3-TTS에 회사 데이터를 맡겨도 안전합니까?
- Apache 2.0으로 자체 호스팅하며, 라이선스 외의 사용 제한이 없고 어떤 데이터도 서버 밖으로 나가지 않습니다. Model Studio에서 비스트리밍 결과는 24시간 유효한 오디오 URL로 반환됩니다.
- Qwen3-TTS의 가장 좋은 대안은 무엇입니까?
- 저희가 리뷰한 것 중 가장 가까운 대안은 Chatterbox, Kokoro-82M, Gemini 3.8 Flash TTS 및 OmniVoice입니다.
답변 확인일: 2026년 10월 22일.