VoiceStudio: 로컬 환경에서 구동되는 오픈소스 올인원 AI 보이스 스튜디오

오픈소스 보이스 처리 워크스페이스인 'VoiceStudio'가 공개되었습니다. 외부 클라우드 서비스 구독이나 별도 계정 등록 없이 사용자의 로컬 컴퓨터 환경에서 100% 동작하는 올인원 오디오 AI 스튜디오 도구입니다.

이미지 출처: @ftcarpe (X)

기존 상용 음성 복제(Voice Cloning) 플랫폼들이 매월 고정 구독료를 부과하거나 사용량 단위로 크레딧을 제한하는 것과 달리, VoiceStudio는 온디바이스(On-device) 환경에서 오디오 생성 및 음성 처리 워크플로우를 완결할 수 있도록 설계되었습니다.

600개 이상 다국어 지원과 음성 복제·영상 더빙 통합

VoiceStudio는 단순한 음성 합성 도구를 넘어 다양한 오디오 파이프라인 기능을 단일 인터페이스에 통합했습니다.

• 음성 복제(Voice Cloning): 레퍼런스 오디오를 기반으로 고유한 화자 음성을 복제하여 새로운 발화를 합성합니다.
• 비디오 더빙(Video Dubbing): 원본 영상의 타임라인에 맞추어 다국어 음성으로 재더빙하는 작업을 지원합니다.
• 텍스트 전사(Transcription) 및 오디오북 생성: 음성 파일을 텍스트로 변환하거나 장문 텍스트를 자연스러운 오디오북 형태로 생성할 수 있습니다.
• 600개 이상의 다국어 지원: 전 세계 600여 개 언어를 지원하여 글로벌 로컬라이제이션 및 다국어 콘텐츠 제작에 활용할 수 있습니다.

OpenAI 호환 API 내장과 크로스 플랫폼 지원

VoiceStudio의 기술적 장점 중 하나는 자체적으로 OpenAI 호환 API 인터페이스를 제공한다는 점입니다.

기존에 OpenAI의 TTS나 오디오 API 규격을 사용하던 외부 에이전트, 자동화 스크립트, 서드파티 애플리케이션에서 엔드포인트 URL(base_url)만 로컬 호스트로 변경하면 별도의 코드 수정 없이 VoiceStudio의 로컬 엔진으로 전환할 수 있습니다.

또한 macOS, Linux, Windows를 모두 지원하는 크로스 플랫폼 설계를 갖추어 다양한 운영체제 환경에서 동일한 워크플로우를 구축할 수 있습니다. 다만 로컬 머신에서 모든 연산을 직접 수행하므로, 긴 영상의 더빙이나 고품질 음성 합성 작업 시에는 사용자의 GPU 및 VRAM 사양에 따라 처리 속도에 차이가 발생할 수 있습니다.

출처

• VoiceStudio 소개: @ftcarpe (X)