허깅페이스, 오픈 TTS 리더보드 공개

최근 30일 조회수 —좋아요 —

핵심 요약

다국어 음성합성과 보이스 클로닝 모델을 명료도·속도·화자 유사도로 평가한다.

허깅페이스, 오픈 TTS 리더보드 공개 — 기사 주제를 표현한 AI 생성 개념 삽화
AI 생성 개념 삽화 · 실제 사건을 촬영한 사진이 아닙니다.

허깅페이스가 9월 30일 오픈소스 다국어 음성합성(TTS)과 보이스 클로닝 모델을 비교하는 ‘오픈 TTS 리더보드(Open TTS Leaderboard)’를 공개했다. 당시 허깅페이스 허브에는 TTS 모델이 8,000개 넘게 등록됐지만, 평가 방식은 표준화되지 않았다는 문제의식에서 출발했다.1

새 리더보드는 사람의 선호 투표 대신 객관 지표를 활용해 평가 기간을 수주에서 수시간으로 줄인다. 발음 명료도는 Qwen3 ASR로 생성 음성을 받아써 단어·문자 오류율(WER·CER)을 계산한다. 처리 속도는 H200 GPU의 일괄 추론 속도와 H200 GPU·CPU의 첫 음성 출력 시간으로, 화자 유사도는 생성 음성과 참고 음성의 WavLM 임베딩 간 코사인 유사도로 측정한다.

기본 화면은 Seed TTS Eval과 CV3 Eval의 영어 데이터에서 산출한 거시 평균 WER로 순위를 정한다. 이 기준에서는 hexgrad/Kokoro-82M, Supertone/supertonic-3, fishaudio/s2-pro가 선두권에 올랐다. 허깅페이스는 영어 성능이 다른 언어 성능을 보장하지 않는다고 짚었다.

다만 객관 지표는 자연스러움과 표현력, 청취자 선호를 직접 측정하지 못한다. 허깅페이스도 이번 리더보드가 사람의 선호 평가를 대체하는 것이 아니라, 투표형 평가에 포함할 모델을 고르는 보완 수단이라고 밝혔다.

Footnotes

  1. Hugging Face 블로그·커뮤니티, 「Open TTS Leaderboard: Scalable Evaluation for Multilingual Text-to-Speech and Voice Cloning」 ↩

읽기 목록은 이 브라우저에 저장됩니다.

출처

  1. Open TTS Leaderboard: Scalable Evaluation for Multilingual Text-to-Speech and Voice Cloning — Hugging Face 블로그·커뮤니티 · 자료: 2026. 9. 30.

이 글은 위 출처를 근거로 자동 생성된 뒤 발행됐습니다. 원문을 함께 확인해 주세요. 교차 보도 없이 단독 출처로 작성됐습니다.