AI BriefingSteerTTS, z-score 기반 제어와 CPU 실시간 구동 지원하는 23M 파라미터 TTS
SteerTTS: 23M-param English TTS you steer with numbers (pitch, rate, loudness, etc. as z-scores), runs real-time on CPU [P]
·2026.10.19 14:36
핵심 내용
SteerTTS가 Open TTS Leaderboard에서 평균 WER 1.8%를 기록하며 51개 스타일 태그와 제로샷 클로닝을 지원한다.
자세히 보기
- 9.6M 파라미터 음향 모델(Attention + Bidirectional Mamba-3, FastPitch 스타일)과 Vocos 보코더를 결합한 23M 파라미터 영어 TTS 모델임
- 12개 제어 항목(속도, 볼륨, 피치 등)이 음성 중립 발화에 대한 z-score로 작동하며, 2,825개의 익명화된 내장 음성을 제공함
- RTX 5070에서 RTFx 약 60~80, CPU에서 약 4~8의 실시간 성능을 기록하며, CPU 기준 약 0.5초 만에 첫 스트리밍 오디오를 출력함
- Open TTS Leaderboard 영어 세트에서 평균 WER 약 1.8% 달성(로컬 실행 결과, 공식 제출 아님)
- 휴지/발성 제어 약함, 클로닝 유사도 낮음, 영어 전용 지원 등 한계점 존재함
- 가중치는 CC BY-NC 4.0(비상업적), 코드는 MIT 라이선스로 Hugging Face에서 제공됨
이 한국어 요약은 AI가 자동으로 만들었습니다. 원문의 주장과 맥락은 원문에서 확인해 주세요. 저작권은 원저작자에게 있습니다.
