코코로 TTS

파라미터 8,200만 개짜리 초경량 오픈소스 TTS 모델로, 훨씬 큰 모델에 가까운 자연스러운 영어 음성을 일반 PC나 저렴한 서버에서 무료로 빠르게 만들 때 쓴다. 유료 클라우드 TTS는 비용이 부담되고, 미리 준비된 목소리로 충분할 때 고르면 된다.

작아도 자연스러운 이유

StyleTTS 2와 ISTFTNet을 바탕으로, 디퓨전과 인코더를 빼고 디코더만 남긴 구조다. 무거운 부분을 덜어 낸 덕분에 품질은 지키면서 추론이 빠르고 가볍다. 크기가 몇 배 큰 모델들과 겨룬 음성 평가에서도 상위권에 올랐다.

pip 설치 후 Python 몇 줄이면 된다

pip install kokoro로 설치하고, 언어 코드와 음성 이름을 정해 문장을 넣으면 오디오가 나온다. 모델 파일은 Hugging Face의 hexgrad/Kokoro-82M에서 받아 오고, 발음 변환에 espeak-ng가 필요한 경우가 있다. GPU가 있으면 매우 빠르고, CPU만 있어도 쓸 만한 속도가 나온다.

이미 OpenAI TTS API를 쓰는 앱이라면 커뮤니티 프로젝트 kokoro-fastapi로 같은 형식의 엔드포인트를 로컬에 띄울 수 있다. 주소만 바꾸면 코드를 거의 고치지 않고 로컬 TTS로 옮겨 간다.

영어가 중심, 목소리 복제는 안 된다

가장 품질이 좋은 건 영어(미국·영국)다. 일본어·중국어·스페인어·프랑스어 같은 언어도 일부 지원하지만 영어만큼 다듬어지지 않았고, 한국어는 공식 지원 목록에 없으니 미리 확인해야 한다. 목소리는 제공된 음성 중에서 고르는 방식이라, 짧은 샘플로 새 목소리를 만드는 복제 기능은 없다.

상업적으로 써도 된다

모델은 Apache 2.0 라이선스로 공개돼 있어 상업 서비스에 넣어도 제약이 거의 없다. 다만 함께 쓰는 발음 도구나 커뮤니티 래퍼는 라이선스가 따로 있을 수 있으니 배포 전에 한 번 확인하는 게 좋다.

내레이션과 로컬 음성 출력에 주로 쓴다

가장 흔한 건 영어 내레이션을 공짜로 대량 생성하는 방식이다. 가볍고 빨라서 로컬 AI 비서나 오프라인 앱의 음성 출력 엔진으로도 많이 붙인다.