음성을 만드는 속도가
말하는 속도를 앞지른다.
Ocelot은 음성 합성 모델 Qwen3-TTS를 증류해 만든 작은 모델입니다.
Ocelot은 글자를 읽어 음성으로 만드는 작은 음성 합성 모델입니다. 버튼을 누르면 위쪽 테이프는 실제로 걸린 생성 시간만큼 나아가고, 아래쪽 테이프는 음성과 같은 속도로 나아갑니다.
—배속
작으니까,
어디서나 돌아간다.
글자에서 음성의 설계도(멜 스펙트로그램)를 만드는 부분과 그것을 소리의 파형으로 바꾸는 부분, 두 개의 작은 네트워크로 이루어져 있습니다. 스크롤하면 화면이 멀어지면서 다른 모델과의 크기 차이가 보입니다.
※ 스마트폰에서의 속도는 측정 중입니다. 임시
20개 언어를
들어 본다.
모든 언어에 같은 내용의 짧은 글·중간 글·긴 글을 읽혔습니다. 파형을 누르면 재생됩니다. 목소리는 세 종류 중에서 고를 수 있습니다(목소리 종류는 앞으로 늘어납니다). 재생 중에는 목소리 높낮이의 움직임을 선으로 겹쳐 그립니다.
파형을 누르면 읽고 있는 글이 여기에 나옵니다.
※ 모두 이 페이지의 수치를 측정할 때 CPU로 실제 생성한 음성 그대로입니다(편집 없음). 글의 내용은 가상입니다.
내 문장을
읽혀 본다.
문장을 입력하고 언어와 목소리를 고른 뒤 버튼을 누르세요. 이 서버의 CPU로 그 자리에서 음성을 만듭니다. 200자까지 입력할 수 있습니다.
※ 언어는 자동으로 판별하지 않습니다. 문장과 같은 언어를 골라 주세요. 숫자나 약어, 외국 고유명사는 잘못 읽을 수 있습니다.
긴 글도
같은 속도로.
180건 전체의 음성 길이(가로)와 생성에 걸린 시간(세로)입니다. 모든 점이 말하는 시간의 10분의 1 선보다 아래에 있습니다.
CPU 스레드 수를 바꾸면
기계가 들어도
전달될까.
생성한 음성을 음성 인식(Whisper large-v3-turbo)으로 다시 글자로 바꿔 원래 글과 비교한 ‘문자 오류율’입니다. 작을수록 또렷하게 읽은 것입니다.
글자가
목소리가 되기까지.
네 단계를 실제 한 문장으로 보여 드립니다. 스크롤에 맞춰 왼쪽부터 차례로 모양이 바뀌어 갑니다.
글
발음 기호
음성의 설계도
소리의 파형
- 발음 기호로의 변환은 일본어·영어·크로아티아어는 전용 사전, 나머지 17개 언어는 espeak-ng로 합니다.
- 언어는 ‘화자 번호’로 모델에 넘깁니다. 모델 하나로 20개 언어를 구분해 읽습니다.
- 긴 글은 문장별로 나누어 생성하고, 0.25초의 간격을 두고 잇습니다.