AI BriefingScylla Band v4, 노래 가능한 오픈소스 TTS로 0.85% WER 달성
Scylla's Band v4, open source TTS with code to run everywhere
·2026.11.07 07:26
핵심 내용
131M 파라미터 모델이 6개 언어 지원과 함께 0.85% WER을 달성했다
자세히 보기
- Scylla의 Band v4는 Apache 2.0 라이선스를 적용한 오픈소스 TTS 모델로, 약 131M 파라미터(30M 폰메이저 포함) 규모이며 음성 합성과 노래 기능을 지원함
- Open TTS Leaderboard에서 영어 WER 0.85%, UTMOS 4.35를 기록했으며, M5 Max 기준 첫 오디오 지연 시간 30ms, iPhone 17 Pro Max 기준 70ms, Galaxy Z Fold 8(CPU 전용) 기준 120ms 달성함
- 영어(미국/영국), 스페인어, 프랑스어, 독일어, 이탈리아어, 베트남어 등 6개 언어의 14가지 목소리를 지원하며, 줄 단위로 강도, 속도, 음높이를 제어할 수 있음
- 가중치는 PyTorch, LiteRT, Core ML, Core AI, ONNX Runtime, WebGPU 형식으로 제공되며, 텍스트 정규화를 위한 C API를 갖춘 C++ 런타임이 함께 제공됨
- 목소리 클로닝 불가, 특정 단어 오류 발생, 노래 시 빠른 음높이 변화 구간에서 오디오 품질 저하 등의 한계 존재함
이 한국어 요약은 AI가 자동으로 만들었습니다. 원문의 주장과 맥락은 원문에서 확인해 주세요. 저작권은 원저작자에게 있습니다.
