Underdog-Woof: 40.6MB로 13.8배 빠른 CPU 전용 TTS

GPU나 서버, API 키 없이 노트북 CPU 단일 스레드에서 동작하는 경량 영어 텍스트-음성 변환 모델이다. Juno와 Mira 두 가지 음성을 지원하며, 40.6MB 용량의 단일 파일로 배포된다. numpy만 있으면 실행 가능하며, 24kHz 모노 오디오를 생성한다.

1 / 2

전화번호, 날짜, 가격, 코드 등 사람이 말하듯 자연스럽게 읽도록 규칙 기반 정규화기를 내장하고 있다. 120자를 초과한 문장은 쉼표나 세미콜론 기준으로 자동 분할하며, 생성된 오디오의 품질을 검증해 불량 구간을 최대 3회까지 재시도한다. 동일한 시드(seed)를 주면 항상 동일한 오디오가 출력된다.

경쟁 모델 대비 압도적인 효율성을 보인다. Fish Audio Drama 3(41.5GB)보다 1,022배 작고, 같은 테스트셋에서 단어 오류율이 25% 낮다. Apple M5 Max CPU에서 실시간보다 13.8배 빠르게 처리하며, 피크 메모리 사용량은 402MB에 불과하다. Kitten Nano 0.8 등 더 작은 모델들은 오류율이 9.81%로 높아, 이 모델은 소형 모델 중 가장 정확한 성능을 제공한다.

비상업적 용도로는 무료이며, 상업적 사용 시에는 별도 라이선스가 필요하다. 개인 프로젝트, 연구, 교육, 비영리 단체에서 자유롭게 사용할 수 있다. Underdog Woof 또는 underdog.ai 크레딧 표기가 필수 조건이다. 모델 학습이나 파인튜닝에 이 모델의 오디오를 사용하는 것은 금지되어 있다.