Kokoro vs Pocket TTS 비교: 어떤 초소형 오픈 TTS 모델을 사용해야 할까?
Kokoro는 8개 언어의 54개 고정 보이스를 제공하며 Apache 2.0입니다. Pocket TTS는 5초 오디오로 보이스를 복제하고 6개 언어를 지원하며 CC BY 4.0입니다. 둘 다 CPU에서 실행됩니다.
결론. 선택 기준은 보이스 복제가 필요한지 여부입니다. Kokoro(82M, 327 MB)는 8개 언어의 54개 고정 보이스를 갖추고, 복제는 지원하지 않으며, 순수한 Apache 2.0 라이선스이고 이 사이트에서 가장 많이 내려받는 음성 모델이지만, 만든 사람은 독립 개발자로 2025년 2월 이후 새 모델을 내지 않았습니다. Pocket TTS(100M)는 약 5초 오디오로 6개 언어의 보이스를 복제하고 계속 개선되어 왔으며, 2026년 10월에는 훨씬 작은 영어 모델을 공개했습니다. 그 가중치는 금지 용도 동의 게이트 너머에 CC BY 4.0으로 표기되어 있는데, 공개 글에서는 MIT라고 하고, 프리셋 보이스마다 각자의 라이선스가 있습니다. Kyutai의 테스트에서 Pocket TTS는 단어 오류율이 가장 낮았지만(1.84%), 화자 유사도는 다른 보이스 복제 모델에 뒤졌고 오디오 품질은 Chatterbox Turbo에 뒤졌습니다. Kyutai 보고에 따르면 둘 다 노트북 CPU에서 실시간보다 빠르게 실행됩니다.
사양
| 사양 | Kokoro | Pocket TTS |
|---|---|---|
| 개발사 | hexgrad | Kyutai |
| 출시일 | 2025년 1월 27일 | 2026년 1월 13일 |
| 총 파라미터 | 82M (Kokoro-82M v1.0) | 100M (Pocket TTS 100M (six languages)) |
| 활성 파라미터 | 전체 | 전체 |
| 아키텍처 | 기타 | 기타 |
| 컨텍스트 윈도우 | – | – |
| 입력 | 텍스트 | 텍스트, 오디오 |
| 라이선스 | Apache 2.0 (허용적) | CC BY 4.0 (허용적) |
| 최소 버전 메모리(4비트) | 0.38 GB (Kokoro-82M v1.0) | 0.127 GB (Pocket TTS 18M (English only)) |
성능 주장은 개발사가 제공한 것이며 독립적으로 검증되지 않았습니다.
Kokoro(이)가 적합한 경우
- 접근 게이트 없는 순수 Apache 2.0 라이선스를 원하고 고정 보이스로 충분한 경우.
- 일본어, 중국어(표준어), 힌디어가 필요한 경우(Pocket TTS는 미지원, Kokoro는 기성 보이스로 지원).
- 커뮤니티 활용이 가장 넓은 모델을 원하는 경우: 2026년 11월 11일까지 30일간 약 1,250만 회 다운로드.
- 327 MB의 작은 체크포인트로 충분한 경우.
Pocket TTS(이)가 적합한 경우
- 화자의 동의를 받아 약 5초 오디오로 보이스를 복제하고 싶은 경우.
- 독일어나 네덜란드어가 필요한 경우(Kokoro는 미지원).
- 계속 개발되는 프로젝트를 원하는 경우: Kyutai는 2026년 동안 언어별 모델, 학습 코드, 초소형 영어 모델을 추가.
- 더 작은 영어 모델을 원하는 경우: Kyutai 자체 측정 기준 18.2M 버전이 CPU 한 스레드에서 실시간의 9.9배로 실행.