앤트, Ming-3.0 오디오 제품군 공개: 0.5B 제로샷 음성 모델과 온디바이스 음성 상호작용 파이프라인
앤트가 Ming-3.0 오디오 제품군을 공개했습니다. 인공분석 제어 음성 평가 1위를 기록한 0.5B TTS 모델과 음성 인식 및 이해를 위한 MoE 제품군으로 로컬 파이프라인을 지원하지만 GGUF 및 소비자 GPU 벤치마크는 미제공 상태입니다.
#tts
TAU-HOME.COM에서 tts 태그로 묶인 글입니다.
LuxTTS: 1GB VRAM 미만에서 구동되는 48kHz 초고속 오픈소스 음성 복제 모델
ZipVoice 4스텝 증류와 48kHz 보코더를 탑재해 1GB 미만 VRAM 및 단일 GPU 150배속 이상의 실시간 추론을 지원하는 Apache-2.0 오픈소스 음성 합성 도구 LuxTTS 분석.
Microsoft Clipchamp 무료 AI 음성으로 쇼츠 내레이션 비용 절감하는 실전 팁
Windows에 기본 탑재된 Microsoft Clipchamp의 무료 AI 텍스트 음성 변환(TTS) 기능을 활용해 추가 구독료 없이 한국어·영어 등 다국어 쇼츠 더빙을 제작하고 영상 타임라인에 바로 삽입하는 실전 작업 흐름을 정리합니다.
Fish Audio, 단어 단위 감정 제어 오픈 가중치 TTS 모델 'Drama 3' 공개 및 5,200만 달러 투자 발표
Fish Audio가 단어 단위 발음·톤 조절과 문장 중 보이스 전환이 가능한 오픈 가중치 음성 합성 모델 'Drama 3'를 공개했습니다. 5,200만 달러 규모 시드 투자 유치와 함께 ComfyUI, Runway 등 14개 데이 1 파트너십 및 SGLang 데이 0 지원을 발표했습니
클로드 Opus 5.5로 75~90초 숏폼 카툰 설명 영상 자동 제작하는 프롬프트 워크플로우
클로드 코드 실행 환경에서 Kokoro TTS, Playwright 캔버스 렌더링, FFmpeg을 연동해 캐릭터 디자인부터 7개 씬 대본, 음성 합성, 25~35개 샷 애니메이션까지 4단계 승인만으로 완성하는 9:16 카툰 영상 마스터 프롬프트 및 실전 가이드.
일레븐랩스 v4와 클로드 코드로 구현하는 비용 0원 영상 제작 자동화 파이프라인
ElevenLabs v4의 감정 연기 TTS와 Claude Code의 코드 렌더링, Seedance 2.5 립싱크 연동으로 고가 비디오 AI 구독 없이 광고·쇼츠·뉴스 영상을 자동 제작하는 실전 팁.
VoiceStudio: ElevenLabs 대체하는 오픈소스 로컬 음성 AI 스튜디오 (646개 언어·16개 TTS 엔진)
외부 클라우드와 API 요금 없이 로컬 PC에서 646개 언어와 16개 TTS 엔진을 구동하는 오픈소스 음성 AI 도구 VoiceStudio의 핵심 기능, 워크플로우 및 라이선스 고려사항.
일레븐랩스 Eleven v4·v4 Turbo 출시: 90개 이상 언어·자연어 연출 지시와 10월 12일까지 한시 혜택
일레븐랩스가 9월 28일 차세대 음성 모델 Eleven v4와 실시간용 Eleven v4 Turbo를 출시했습니다. 90개 이상 언어, 자연어 오디오 태그 연출, 요청당 최대 10,000자 처리가 핵심이며, 10월 12일까지 Creator 플랜 이상 대상 v4 무료 생성과 API 한시
구글, 음성 생성 모델 'Gemini 3.8 Flash TTS' 및 'Flash-Lite TTS' 공식 출시
구글이 자연어 프롬프트 기반 음성 설계와 Flash TTS의 30초 샘플 보이스 클로닝을 지원하는 차세대 음성 생성 모델 'Gemini 3.8 Flash TTS' 및 'Gemini 3.8 Flash-Lite TTS'를 공식 출시했습니다. Google AI Studio와 Gemini AP
구글, 표현력 극대화한 'Gemini 3.8 Flash TTS' 및 'Flash-Lite TTS' 음성 모델 출시
구글이 100개 이상의 언어 지원과 2,000개 이상의 프리셋 음성, 문장별 연출 제어 및 실시간 톤 조절을 지원하는 Gemini 3.8 Flash TTS 및 Flash-Lite TTS를 공식 출시했습니다.
알리바바, Qwen-Audio-3.1 오디오 제품군 공개… ASR-Next·TTS-Next 추가 및 최대 95% 가격 인하
알리바바가 음성 인식·합성·상호작용·생성을 아우르는 Qwen-Audio-3.1 오디오 스택 5종을 공개했습니다. 신규 ASR-Next 및 TTS-Next 도입과 함께 ASR 최대 95%, Realtime 85%, TTS 70% 가격 인하를 단행했습니다.
GPT-SoVITS: 로컬 환경에서 실행 가능한 무료 음성 합성 및 클로닝 도구
ElevenLabs를 대체할 수 있는 강력한 오픈소스 프로젝트로, 단 하나의 음성 샘플만으로 높은 품질의 보이스 클로닝을 지원하며, 텍스트 음성 변환(TTS), 다국어 더빙 등을 로컬 머신에서 무료로 제공합니다.
OmniVoice: 3초 오디오로 600개 이상 다국어 음성을 제로샷 복제하는 오픈소스 고속 TTS
샤오미 AI 랩 k2-fsa 팀이 3~10초 참조 음성으로 음색을 제로샷 복제하는 오픈소스 TTS 'OmniVoice'를 공개했습니다. 600개 이상 언어 지원, 실시간 대비 40배 생성 속도, Apache-2.0 상업 무료 라이선스를 갖춘 로컬 음성 복제 도구입니다.
Nari Labs, 50ms TTFA·100만 자당 5달러 초고속 Qwen3-TTS 1.7B 엔드포인트 출시
Dia 개발사 Nari Labs가 독자 추론 엔진 기반 Qwen3-TTS 1.7B 엔드포인트를 출시했습니다. 50ms TTFA와 100만 자당 5달러 요금제, 실시간 음성 AI 워크플로우를 분석합니다.
Voicebox: ElevenLabs와 Wispr Flow를 로컬로 대체하는 올인원 오픈소스 음성 스튜디오
음성 복제부터 실시간 받아쓰기, AI 코딩 에이전트용 MCP 연동까지 지원하는 완전 로컬 음성 스튜디오 Voicebox를 소개합니다. 7종 TTS 엔진과 23개 언어를 외부 데이터 전송 없이 무료로 제공합니다.