OmniVoice

OmniVoice이란 무엇인가요?

OmniVoice는 k2-fsa 연구팀이 개발한 무료 오픈소스 AI 음성 생성기로, 단일 통합 모델을 통해 646개 언어를 지원합니다. 별도의 언어 팩이나 구독이 필요한 기존 TTS 플랫폼과 달리, OmniVoice는 세 가지 핵심 기능을 제공합니다: 자연스러운 텍스트 음성 변환, 3-25초 오디오 샘플을 사용한 제로샷 음성 복제, 텍스트 설명만으로 음색 디자인. 이 플랫폼은 텍스트를 오디오로 직접 매핑하는 단일 단계 아키텍처를 사용하며, 독립 벤치마크에서 2.85%의 단어 오류율과 0.830의 화자 유사도 점수를 달성했습니다. 581,000시간의 오픈소스 음성 데이터를 기반으로 구축되었으며 Apache 2.0 라이선스로 출시되어 구독료나 문자 제한 없이 개인 및 상업적 사용이 가능합니다.

주요 기능

• 646개 언어 지원

  주요 언어부터 저자원 언어까지 646개 언어와 방언을 단일 통합 모델로 지원하며, 언어 팩 설치나 전환이 필요 없습니다.

• 제로샷 음성 복제

  3-25초 오디오 샘플만으로 훈련이나 미세 조정 없이 즉시 모든 음성을 복제하며, 지원되는 모든 언어로 다국어 음성 생성이 가능합니다.

• 텍스트 기반 음색 디자인

  나이, 음높이, 억양, 스타일을 텍스트로 설명하여 오디오 참조 없이 맞춤형 음색을 생성할 수 있습니다.

• 표현력 음성 태그

  스크립트에 [laughter], [sigh], [gasp]와 같은 인라인 태그를 직접 삽입하여 인간 음성 패턴에 맞는 자연스러운 비언어적 감정 표현을 구현합니다.

• 프로덕션급 성능

  GPU에서 실시간 대비 약 45배 속도로 실행되며, 24개 언어에서 2.85%의 단어 오류율을 달성하여 실시간 애플리케이션과 대규모 배치 처리에 모두 적합합니다.

사용 사례

• 오디오북 및 팟캐스트 제작 : 전문 오디오 제작을 위해 에피소드나 챕터 전반에서 일관된 음성 전달과 재사용 가능한 음색 정체성으로 장편 콘텐츠를 내레이션합니다.
• 게임 NPC 대화 : 텍스트 기반 음색 디자인 및 복제 워크플로우를 사용하여 동적 게임 내 대화 시스템을 위한 캐릭터 음성을 빠르게 프로토타이핑하고 배포합니다.
• 글로벌 현지화 : 통합 시스템으로 646개 언어의 단일 스크립트를 생성하며, 모든 지역 시장과 언어에서 일관된 브랜드 음색을 유지합니다.
• 이러닝 및 언어 교육 : 이해와 반복 연습 시나리오를 위해 0.5배에서 2.0배까지 조절 가능한 말하기 속도로 명확한 발음 예시를 제작합니다.
• 고객 지원 및 IVR : 비즈니스 커뮤니케이션 워크플로우를 위한 규정 준수 친화적 옵션으로 자연스러운 메뉴 안내 및 지원 오디오를 배포합니다.

자주 묻는 질문