수퍼톤, 온디바이스 TTS ‘수퍼토닉 3’ 공개…"CPU만으로 31개 언어 실시간 합성"

수퍼톤이 한국어를 포함한 31개 언어를 지원하는 차세대 음성합성 모델 ‘수퍼토닉 3(Supertonic 3)’를 공개했다. 이번 모델은 인터넷 연결 없이도 다양한 디바이스에서 실시간 음성을 생성할 수 있는 기능을 갖추고 있어, 사용자들에게 새로운 경험을 제공할 것으로 기대된다. 수퍼톤은 15일(현지시간) 깃허브를 통해 이 모델을 발표하며, 상업적 사용 또한 가능하다는 점을 강조했다.

온디바이스 TTS의 발전

수퍼토닉 3는 ONNX 기반의 경량 텍스트 음성 변환(TTS) 시스템으로, CPU만으로도 원활하게 작동한다. 이는 이전 버전인 수퍼토닉 2가 지원하던 5개 언어에서 크게 확대된 것으로, 이제는 일본어, 독일어, 아랍어, 러시아어, 터키어, 베트남어 등 총 31개 언어를 지원한다. 특히, 음성 생성 과정에서 발생할 수 있는 단어 반복이나 문장 생략 오류를 최소화하며, 발음 정확도와 화자 유사성을 높여 안정적인 성능을 자랑한다.

수퍼톤은 “완전한 프라이버시 보호와 낮은 지연시간을 제공하는 CPU 중심 온디바이스 음성합성 모델”이라고 설명하며, 실제 제품 환경에서의 안정성을 강조했다. 이러한 기능은 음성 비서나 접근성 서비스 등 다양한 분야에 활용될 가능성이 크다.

감정 표현과 텍스트 정규화 기능

수퍼토닉 3의 또 다른 주목할 만한 기능은 감정 표현 태그의 도입이다. 사용자는 <laugh>, <breath>, <sigh>, <scream> 등의 태그를 통해 음성에 감정적 요소를 삽입할 수 있어, 보다 생동감 있는 대화형 인터페이스 구현이 가능하다. 이러한 기능은 특히 소통의 감성을 중시하는 서비스에서 큰 장점으로 작용할 것으로 예상된다.

또한, 텍스트 정규화 기능이 강화되어 금액, 날짜, 전화번호 등의 정보를 자연스럽게 읽어주는 것이 가능해졌다. 예를 들어 "$5.2M"은 "520만 달러"로, "30kph"는 "시속 30킬로미터"로 변환해 읽을 수 있어, 사용자 경험을 더욱 향상시키는 데 기여할 것으로 보인다.

경량화된 모델로 다양한 환경에서 활용 가능

수퍼토닉 3는 약 9900만 개의 매개변수로 구성되어 있어, 기존의 대형 오픈소스 TTS 모델보다 훨씬 작은 규모를 자랑한다. 이로 인해 다운로드 용량과 메모리 사용량이 절감되며, 실행 속도 또한 빠르다. 실제로 전자잉크 리더기인 ‘오닉스 부크스 고 6’에서도 비행기 모드 상태로 실시간 음성 생성이 가능하다는 점은 특히 주목할 만하다.

브라우저 환경에서는 onnxruntime-web을 기반으로 클라이언트 실행이 가능하며, 모바일 기기와 저전력 장치에서도 원활하게 작동할 수 있도록 설계되었다. 이러한 점은 다양한 디바이스에서 수퍼토닉 3의 활용 가능성을 더욱 넓혀준다.

수퍼톤은 또한 최근 공개한 ‘보이스 빌더(Voice Builder)’를 통해 개발자들이 자신의 음성을 기반으로 맞춤형 TTS 모델을 제작할 수 있도록 지원하고 있어, 개별화된 음성합성 솔루션의 제공에 힘쓰고 있다.

수퍼토닉 3의 발표는 음성합성 기술의 새로운 전환점을 나타내며, 특히 개인정보 보호와 실시간 음성 생성의 필요성이 더욱 강조되는 현시점에서 큰 의미를 갖는다. 앞으로 이 기술이 다양한 산업에서 어떻게 활용될지 기대를 모은다.