인터넷 없이 글 읽어주는 65MB AI, 영어는 상업용도 무료

글을 소리로 읽어주는 AI 모델 Phonon 개발팀이 11월 5일 공개 2주간의 성과와 성능 시험 결과를 내놓았다. Phonon은 서버나 인터넷 연결 없이 사용자 기기에서 작동한다. 입력한 글은 기기 안에 머문다고 개발팀은 밝혔다. 공개 후 첫 2주 동안 다운로드는 20만 회를 넘었다.

65MB 모델, 어떤 기기에서 돌아가나

Phonon은 스마트폰, 노트북, 소형 컴퓨터와 웹브라우저에서 실행할 수 있다. 모델 크기는 약 65MB와 75MB 두 종류다. 두 모델을 합쳐 영어, 프랑스어, 독일어, 스페인어, 포르투갈어를 읽어준다. 개발팀은 4월 발표 이후 6개월 동안 협력사와 초기 이용자의 의견을 받아 모델 크기를 줄이고 지원 언어와 맞춤 목소리 기능을 늘렸다고 설명했다.

인터넷이 끊겨도 음성 안내가 이어진다는 점은 시연으로 보여줬다. 와이파이를 끈 애플워치에서는 커피 추출 순서를 안내했다. 통신 신호가 없는 아이폰에서는 운동 횟수를 세며 격려하는 음성을 냈다. 이용자 컴퓨터에서 직접 게임 음성을 만드는 사례와 책을 한 페이지씩 읽어주는 사례도 함께 소개했다.

기본 목소리는 100개가 넘는다. Gradium Studio에서 원하는 목소리를 직접 만들 수도 있다. 화자의 동의를 받은 짧은 녹음으로 목소리를 복제하거나, 글로 특징을 설명해 새 목소리를 만드는 방식이다. 완성된 목소리 파일을 내려받아 Phonon에 넣으면 기기 안에서 실행된다. 개발팀은 전화번호, 날짜, 코드처럼 읽기 까다로운 표현도 처리한다고 설명했다.

발음 정확도, 100배 큰 모델과 비교하면

개발팀은 허깅페이스의 Open TTS Leaderboard에서 독일어와 스페인어의 발음 명료도 1위를 기록했다고 밝혔다. 평가한 모든 언어에서 상위 3위 안에 들었고, 비교 대상에는 최대 100배 큰 모델도 있었다고 설명했다. 발음 명료도는 만들어진 음성을 단어 단위로 얼마나 정확하게 알아들을 수 있는지 재는 항목이다.

이미지: huggingface.co

첫 음성이 나오기까지 걸리는 시간도 강점으로 내세웠다. 개발팀은 CPU에서 음성을 만들면서 곧바로 내보내는 시험에서 Phonon이 첫 음성 출력 시간 항목 선두에 올랐다고 밝혔다. 이 평가표는 23개 언어에 걸쳐 발음 명료도, 속도, 자연스러움 등을 비교한다. 이용자가 여러 모델의 음성을 직접 듣고 더 나은 쪽에 투표하는 기능도 있다.

어디까지 무료로 쓸 수 있나

영어용 Phonon 31m은 Apache 2.0 라이선스로 공개돼 상업용 제품에도 무료로 쓸 수 있다. 5개 언어를 읽어주는 Phonon 40m에는 비상업용 라이선스가 적용된다. 40m을 상업용으로 쓸 때는 만들어 낸 음성 분량이 아니라 이용자 수를 기준으로 가격을 매긴다고 개발팀은 설명했다.

이미지: huggingface.co

한국어도 읽어줄까

한국어는 기본 지원하는 5개 언어에 들어가지 않는다. 개발팀은 협력사를 위한 맞춤 모델에서 한국어, 아랍어, 일본어를 학습시킬 수 있다고 밝혔다. Phonon은 통신 연결 없이 음성 기능을 쓰고 입력한 글을 기기에 남겨 두려는 제품에 쓸 만하다. 국내 도입을 따져 보려면 한국어 맞춤 모델의 품질과 도입 조건, 실제 사용할 기기에서의 응답 속도를 확인할 필요가 있다.