개요

OpenMOSS, Apache 2.0, 20개 언어(한국어 포함), zero-shot voice clone, 초장문 안정

메모

4개 모델 설치 완료 (~42GB), 생성 테스트 안 함. Qwen3-TTS와 A/B 비교 예정

조사 상세

MOSS-TTS Family

개요

• 개발: MOSI.AI + OpenMOSS Team
• 라이선스: ✅ Apache 2.0
• 아키텍처: Autoregressive discrete-token TTS (Delay / Local 2종)
• 언어: 20개 — 한국어 포함 🇰🇷 (중국어[경로] 등)
• 논문: arxiv:2603.18090
• GitHub: OpenMOSS/MOSS-TTS
• Hugging Face: OpenMOSS-Team/MOSS-TTS

모델 라인업

모델	크기	용도
MOSS-TTS	8B 🏆	플래그십 — 고품질 음성합성, zero-shot voice clone, 초장문 안정적 생성
MOSS-TTS-Local-Transformer	1.7B / 3B / 5B	경량형 — 빠른 실험/연구용
MOSS-TTSD	8B	대화 생성 특화 — 다중 화자, 감정 표현, 극장문 대화
MOSS-TTS-Realtime	2B	실시간 스트리밍 — TTFB 180ms, 음성 에이전트용
MOSS-TTS-Nano	100M	초경량
MOSS-VoiceGenerator	1.7B	텍스트로 음색/스타일 디자인
MOSS-SoundEffect	8B	환경음향 효과 생성
MOSS-TTS-GGUF	8B Q4/Q8	GGUF 양자화 버전 — llama.cpp 호환

핵심 기능

1. Zero-shot Voice Cloning — 참조 음성 1개로 목소리 복제
2. 초장문 안정적 생성 — 한 시간 내레이션도 음색 유지
3. 토큰 단위 길이 제어 — 1초 ≈ 12.5 tokens 정밀 제어
4. 다국어 + 코드스위칭 — 한국어 포함 20개 언어, 중간 언어 전환
5. Pinyin/IPA 발음 제어 — 발음 세밀 조정 가능

Seed-TTS-eval 벤치마크

모델	Open Source	EN WER↓	EN SIM↑	ZH SIM↑
MOSS-TTS-Delay 8B	✅	1.84	70.86	76.98
MOSS-TTS-Local 1.7B	✅	1.93	73.28	79.62
Qwen3-TTS 1.7B	✅	1.50	71.45	76.72
Qwen3-TTS 0.6B	✅	1.68	70.39	76.40
CosyVoice2 0.5B	✅	3.09	65.9	75.7
F5-TTS 0.3B	✅	2.00	67.0	76.0
GLM-TTS-RL 1.5B	✅	1.91	68.1	76.4

DGX Spark 구동 가능성

모델	BF16 크기	구동 가능
MOSS-TTS 8B Delay	~16GB	✅ 무리없음 (Flash Attention 2 권장)
MOSS-TTS-Local 1.7B	~3.4GB	✅ 매우 가벼움
MOSS-TTS-GGUF Q4	~5GB	✅ llama.cpp로 바로 실행
MOSS-TTS-Realtime 2B	~4GB	✅

설치 및 사용

# 환경 설정
conda create -n moss-tts python=3.12 -y
conda activate moss-tts

git clone https://github.com/OpenMOSS/MOSS-TTS.git
cd MOSS-TTS
pip install --extra-index-url https://download.pytorch.org/whl/cu128 -e .

# Flash Attention 2 (선택)
pip install --extra-index-url https://download.pytorch.org/whl/cu128 -e ".[flash-attn]"

from transformers import AutoModel, AutoProcessor
import torch

model = AutoModel.from_pretrained(
 "OpenMOSS-Team/MOSS-TTS",
 trust_remote_code=True,
 torch_dtype=torch.bfloat16,
 device_map="cuda",
)
processor = AutoProcessor.from_pretrained(
 "OpenMOSS-Team/MOSS-TTS",
 trust_remote_code=True,
)

# 단순 생성
messages = [
 {"role": "user", "content": {"text": "안녕하세요, 오늘 날씨가 참 좋네요."}}
]
output = model.generate(
 processor.apply_chat_template(messages),
 max_new_tokens=1000,
)
# output.audio_codes → waveform 디코딩

# Voice Clone (참조 음성 + 텍스트)
messages = [
 {
 "role": "user",
 "content": {
 "text": "안녕하세요, 오늘 날씨가 참 좋네요.",
 "reference": ["[경로]"],
 }
 }
]