CPU에서 도는 초소형 텍스트 음성合成 모델: 오픈 선택지 4개 비교
Kokoro, Pocket TTS, Phonon 31M, Supertonic 3는 노트북 CPU에서 도는 1억 파라미터 이하 오픈 TTS 모델입니다. 크기·언어·음성 클로닝·라이선스를 비교합니다.
1억 파라미터 이하 오픈 텍스트 음성 합성(TTS) 모델 넷이 이제 평범한 노트북 CPU에서 돌아갑니다. Kokoro, Pocket TTS, Phonon 31M, Supertonic 3입니다. Kyutai의 Pocket TTS는 2026년 1월, Supertone의 Supertonic 3는 5월, Gradium의 Phonon은 10월에 나왔고, Kokoro는 2025년 1월부터 있었습니다. 스펙표에서는 비슷해 보이지만, 무엇을 출시할 수 있는지를 가르는 차이가 있습니다.
네 모델 한눈에
| 모델 | 크기 | 언어 | 음성 클로닝 | 가중치 라이선스 |
|---|---|---|---|---|
| Kokoro(hexgrad) | 82M, 327 MB | 8개, 54 보이스 | 불가 | Apache 2.0 |
| Pocket TTS(Kyutai) | 100M, 0.22 GB | 6개, README에 네덜란드어 추가 | 가능, 약 5초부터 | 금지 용도 게이트 뒤 CC BY 4.0 |
| Phonon 31M(Gradium) | 31M, 64.5 MB | 영어만 | 불가, API만 | Apache 2.0 |
| Supertonic 3(Supertone) | 99M, 약 400 MB | 31개, 중국어 없음 | 불가, 프리셋 10 보이스 | OpenRAIL-M |
속도와 품질은 자체 보고
아래 수치는 전부 해당 모델 개발사가 서로 다른 하드웨어와 테스트 세트에서 측정한 것입니다. Kyutai는 Pocket TTS가 MacBook Air M4의 CPU 코어 2개로 실시간의 약 6배 속도로 돈다고 보고하고, 노트북 비교에서 CPU에서 실시간보다 빨랐던 모델은 Pocket TTS와 Kokoro 두 개뿐이었다고 밝혔습니다. 10월 업데이트는 CPU 스레드 하나에서 실시간의 9.9배와 25배로 도는 18.2M·1.9M 파라미터 영어 모델을 추가했습니다. Gradium은 Phonon 31M이 노트북 CPU에서 약 7 ms 만에 발화를 시작한다고 말합니다. Supertone은 A100에서 측정한 더 큰 모델과 비교해도 Supertonic 3가 CPU에서 빠르게 돈다고 합니다.
품질 주장도 일치하지 않습니다. Gradium의 영어 시험에서 Phonon 31M은 Elo 2,098, Kokoro는 2,043입니다. Kyutai 시험에서 Pocket TTS는 단어 오류율 1.84%로 가장 낮지만 오디오 품질에서는 Chatterbox Turbo에 뒤지고, 클로닝 4모델 중 화자 유사도가 가장 낮습니다. 고르기 전에 자신의 텍스트로 직접 들어 보세요.
크기보다 라이선스가 결정한다
가중치에 순수 Apache 2.0을 쓰는 것은 Kokoro와 Phonon 31M뿐입니다. Pocket TTS는 Hugging Face에서 사칭·기만·불법 콘텐츠를 금지하는 고지 뒤에 CC BY 4.0으로 표기되지만, Kyutai의 공개 글은 MIT라고 썼으므로 내려받는 저장소를 확인하세요. 프리셋 보이스마다 별도 라이선스가 있고, 클로닝 기능이 없는 자매 저장소는 게이트가 없습니다. Supertonic 3는 OpenRAIL-M을 씁니다. 상업적 이용을 허용하는 OpenRAIL 라이선스이지만 모든 복제본과 파생물에 금지 용도 목록을 표기하도록 요구합니다. Phonon의 더 큰 40M 모델은 CC BY-NC라 상업적으로 자유롭지 않습니다.
포기하는 것
소형 모델은 제어력을 희생합니다. Kokoro의 보이스는 고정돼 있고 대부분 약 100~200 토큰 텍스트에서 가장 잘 작동하며, 긴 텍스트는 나눠야 합니다. Pocket TTS는 텍스트 속 무음으로 휴지를 삽입할 수 없고 GPU 사용은 공식 지원이 아닙니다. Phonon 31M은 긴 입력을 문장 단위로 나눠 억양이 전체 텍스트에 이어지지 않고, 다른 언어를 영어 발음으로 읽습니다. Supertonic 3에는 프리셋 보이스 10개가 있고 클로닝은 Supertone의 호스티드 서비스로만 제공됐습니다. 긴 내레이션이나 많은 커스텀 보이스가 필요하면 GPU 위의 더 큰 모델이 알맞습니다.
무엇을 고를까
- 가장 작은 파일(영어): Phonon 31M은 64.5 MB에 37 보이스, Python·Rust·C/C++·Swift·Android·브라우저 런타임을 갖춥니다.
- CPU 음성 클로닝: Pocket TTS는 6개 언어에서 보이스를 복제하지만 먼저 게이트와 보이스 라이선스를 읽으세요.
- 가장 널리 쓰이는 것: Kokoro는 2026년 11월 11일까지 30일간 약 1,250만 다운로드로 기성 보이스 선택폭이 가장 넓습니다. 클로닝은 불가하고 마지막 모델 릴리스는 2025년 2월입니다.
- 한국어·일본어·아랍어 포함 다국어: Supertonic 3. 단 Supertone이 2026년 9월 프로젝트를 아카이브했으므로 수정은 기대하기 어렵습니다.
- 로컬에서 도는 더 큰 모델: ZONOS3-Mini는 8억 파라미터지만 활성은 약 1억이고, 43개 언어에서 보이스를 복제하며, Zyphra 말로는 노트북·휴대폰·브라우저에서 실시간 재생이 됩니다. Apache 2.0이며 2026년 11월 9일 공개라 실적은 아직 얕습니다.
- 이 비교 밖의 CPU 선택지 둘: OpenMOSS의 MOSS-TTS-Nano는 약 1억 파라미터로 클로닝을 지원하고 약 20개 언어를 나열하며 48 kHz 스테레오로 씁니다. OpenMOSS에 따르면 ONNX 버전이 MacBook Air M4 코어 하나에서 매끄럽게 돌았습니다. VieNeu-TTS v3는 베트남어·영어용 131M 모델로 23 보이스와 클로닝을 갖추고, 카드 기준 fp32 CPU에서 첫 오디오까지 약 300 ms입니다. 둘 다 Apache 2.0이며 어느 프로젝트도 음성 모델의 품질 벤치마크를 공개하지 않습니다.
최고의 오픈소스 TTS 모델 목록은 더 큰 선택지도 순위를 매기고, TTS 모델 고르기가 판단 과정을 안내합니다. 음성 클로닝에서 이 라이선스들이 언급하는 동의 규칙을 설명합니다.
출처
- Kokoro-82M model card (Hugging Face) huggingface.co
- Pocket TTS: a high-quality TTS with voice cloning that runs on CPU (Kyutai, 13 Jan 2026) kyutai.org
- The tiny TTS was actually 10x too big (Kyutai, 20 Oct 2026) kyutai.org
- Pocket TTS model card and prohibited-use notice (Hugging Face) huggingface.co
- Phonon 31M English model card (Hugging Face) huggingface.co
- Open-Sourcing Phonon, a suite of frontier on-device TTS models (Gradium) gradium.ai
- ZONOS3-Mini (Zyphra blog, 9 Nov 2026) zyphra.com
- Supertonic 3 model card (Hugging Face) huggingface.co
- Supertonic repository, archived on 9 Sep 2026 (GitHub) github.com
- MOSS-TTS-Nano repository (GitHub) github.com
- VieNeu-TTS v3 Turbo model card (Hugging Face) huggingface.co
이 기사에 나오는 모델
| 모델 | 출시일 | 파라미터 | 컨텍스트 | 라이선스 | 최소 버전 필요 메모리 |
|---|---|---|---|---|---|
| Kokoro EN hexgrad | 82M | – | Apache 2.0 (허용적) | 0.38 GB 노트북 또는 휴대폰 | |
| Pocket TTS EN Kyutai | 18M – 100M | – | CC BY 4.0 (허용적) | 0.127 GB 노트북 또는 휴대폰 | |
| Phonon 31M EN Gradium | 31M | – | Apache 2.0 (허용적) | 0.0747 GB 노트북 또는 휴대폰 | |
| Supertonic 3 EN Supertone | 99M | – | OpenRAIL-M (조건부) | 0.46 GB 노트북 또는 휴대폰 | |
| ZONOS3-Mini EN Zyphra | 800M 활성 100M | – | Apache 2.0 (허용적) | 10 GB 노트북 또는 휴대폰 | |
| MOSS-TTS-Nano EN OpenMOSS | 100M | – | Apache 2.0 (허용적) | 0.276 GB 노트북 또는 휴대폰 | |
| VieNeu-TTS v3 EN Phạm Nguyễn Ngọc Bảo (VieNeu-TTS) | 48M – 131M | – | Apache 2.0 (허용적) | 0.322 GB 노트북 또는 휴대폰 |