개요

감정/스타일 43태그, 한국어 ★★★★★, 8.7GB

메모

weights만 설치. SGLang-Omni Docker 필요로 정지 상태

조사 상세

DGX Spark 로컬 TTS 엔진 — 설치 현황

DGX Spark GB10 (130.6GB unified memory, CUDA 13.0)에 설치된 모든 TTS 엔진의 종합 현황.

한눈에 보기

엔진	경로	용량	한국어	설치	생성 테스트
Qwen3-TTS 1.7B	`[로컬]	~3.5GB	★★★★	✅	✅ (운영중)
Supertone 3	`[로컬]	137MB	★★★★	✅	❌
OmniVoice 0.6B	`[로컬]	5.2GB	★★★★	✅	❌
NVIDIA MagpieTTS 357M	`[로컬]	2GB	★★★	✅	❌
Higgs TTS 3 4B	`[로컬]	8.7GB	★★★★★	✅ (weights only)	❌
MOSS-TTS 8B	`[로컬]	16GB	★★★★	✅	❌
MOSS-TTS-Local 1.7B	`[로컬]	5.8GB	★★★★	✅	❌
MOSS-TTS-Realtime 2B	`[로컬]	4.4GB	★★★★	✅	❌
MOSS-TTSD v1.0 8B	`[로컬]	16GB	★★★★	✅	❌
MOSS-TTS-GGUF Q4	HF (gated)	~5GB	★★★★	❌ 승인필요	❌
총계	—	~59GB	—	9/10 설치	1개 운영중

엔진별 상세

🟢 Qwen3-TTS 1.7B (현재 실운영 중)

• 모델: Qwen/Qwen3-TTS-12Hz-1.7B-Base
• 모드: CustomVoice (Sohee), VoiceDesign, Voice Clone
• 샘플레이트: 12Hz
• 사용처: StockPulse YouTube Shorts (04_generate_tts.py), AI 오목
• 특징: atempo 1.3x 적용, 영어→한글 발음 변환표 사용
• 상세 페이지 참고

🟢 MOSS-TTS Family (설치 완료, 테스트 전)

MOSS-TTS는 MOSI.AI + OpenMOSS Team, Apache 2.0 라이선스, 20개 언어(한국어 포함).

MOSS-TTS 8B Delay (플래그십)

• 경로: `[로컬] (16GB, 8.49B params)
• 용도: 고품질 음성합성, zero-shot voice clone, 초장문 안정 생성
• 로드 검증: MossTTSDelayModel, sdpa attention, device_map='cuda' ✅
• 로딩 시간: ~1.5분

MOSS-TTS-Local 1.7B (경량형)

• 경로: `[로컬] (5.8GB)
• 용도: 빠른 실험/연구용
• 벤치마크: SIM 73.28%로 Qwen3-TTS 1.7B(71.45%) 상회

MOSS-TTS-Realtime 2B (실시간)

• 경로: `[로컬] (4.4GB, 단일 safetensors 4.66GB)
• 용도: 실시간 스트리밍, TTFB 180ms, 음성 에이전트용
• 파일 구조: modeling_mossttsrealtime.py, streaming_mossttsrealtime.py 등

MOSS-TTSD v1.0 8B (대화 생성)

• 경로: `[로컬] (16GB)
• 용도: 다중 화자 대화 생성, 감정 표현, 극장문 대화
• 아키텍처: MOSS-TTS Delay 기반 (MossTTSDelayModel과 동일 구조)

🔴 MOSS-TTS-GGUF (미설치)

• 레포: OpenMOSS-Team/MOSS-TTS-GGUF (gated, 승인 필요)
• 파일 목록: MOSS_TTS_F16.gguf, MOSS_TTS_Q4_K_M.gguf, MOSS_TTS_Q8_0.gguf, MOSS_TTS_Q5_K_M.gguf, MOSS_TTS_Q6_K.gguf, embeddings/
• 설치 방법: HF에서 승인 받은 후 `hf download OpenMOSS-Team/MOSS-TTS-GGUF --local-dir [로컬]

🟡 기타 설치된 엔진

• Supertone 3 (137MB): 한국 기업, ONNX 경량, pip 설치 완료
• OmniVoice 0.6B (5.2GB): 646언어 제로샷 클로닝
• NVIDIA MagpieTTS 357M (2GB): 12언어, 상업 라이선스
• Higgs TTS 3 4B (weights 8.7GB): 감정/스타일 43태그, SGLang-Omni Docker 필요

용도별 추천

목적	추천 엔진	이유
🎬 유튜브 나레이션	Qwen3-TTS (운영중)	Sohee + instruct 톤 제어
📚 초장문/팟캐스트	MOSS-TTS 8B	음색 유지 1시간 안정
🗣️ 보이스 클로닝	MOSS-TTS 8B / OmniVoice	제로샷 클로닝
⚡ 실시간 대화형	MOSS-TTS-Realtime 2B / Supertone 3	TTFB 180ms
🎭 감정 표현 대화	MOSS-TTSD v1.0 8B	다중 화자, 감정
🌐 다국어 콘텐츠	MOSS-TTS 8B	20개 언어

테스트 방법 (Quick Start)

conda activate moss-tts
python -c "
from transformers import AutoModel, AutoProcessor
import torch, soundfile as sf

# MOSS-TTS 8B
model = AutoModel.from_pretrained(
 '[로컬],
 trust_remote_code=True,
 attn_implementation='sdpa',
 torch_dtype=torch.bfloat16,
 device_map='cuda',
)
processor = AutoProcessor.from_pretrained(
 '[로컬],
 trust_remote_code=True,
)

# 한국어 생성 (간단 테스트)
messages = [{'role': 'user', 'content': '안녕하세요, 오늘 시장 상황을 분석해드리겠습니다.'}]
wavs, sr = model.generate(
 processor.apply_chat_template(messages),
 audio_temperature=1.7,
 audio_top_p=0.8,
 audio_top_k=25,
)
sf.write('test_moss.wav', wavs[0].cpu().numpy(), sr)
"