그래픽카드 없이 집 서버에서 돌릴 음성 합성 모델 3종 비교
없이 집이나 작은 가상 서버에서 을 돌릴 때는 에 따라 체감 속도와 품질이 크게 달라진다. 4코어 인텔 Xeon, 메모리 15.6기가바이트 환경에서 세 가지 모델을 150번 실행해 속도와 품질을 비교했다. 품질을 가장 중요하게 보면 82M의 ONNX 버전이 가장 알맞다.
이 버전은 실제 재생 속도보다 약 1.8배 빠르게 음성을 만들었고, 버전보다 빠르면서 품질 점수는 거의 같았다. 응답 속도가 중요한 음성 비서나 챗봇에는 Supertonic 3의 5단계 설정이 실용적이다. 실제 재생 속도보다 약 3.2배 빠르고 품질 점수도 4.37로 쓸 만하지만, OpenRAIL-M 라이선스라 상업적 사용 제한을 확인해야 한다.
아주 가벼운 구성이 필요하면 Inflect-Nano-v1이 가장 빠르다. 매개변수 460만 개짜리 작은 모델이고 실제 재생 속도보다 7.3배 빠르지만, 소리가 기계적이고 떨리는 느낌이 있어 품질을 기대하기는 어렵다.
핵심 포인트
- 없이 4코어 CPU와 메모리 15.6기가바이트 환경에서 테스트됐다.
- 품질 우선이면 82M ONNX 버전이 가장 적합하다.
- 버전은 품질 차이가 거의 없는데 더 느려서 특별한 이유가 없으면 피하는 편이 낫다.
- 응답 속도가 중요하면 Supertonic 3의 5단계 설정이 실용적이다.
- Inflect-Nano-v1은 매우 빠르고 작지만 소리가 기계적으로 들릴 수 있다.