2026 ๊ฐ€์„ ยท ๊ณ ์š”์˜ ๊ธฐ์ง€์—์„œ
๋‹ฌ ์ŠคํŠœ๋””์˜ค ๋‘˜๋Ÿฌ๋ณด๊ธฐ โ†—
AI ๋„๊ตฌ

Qwen3-TTS ์‚ฌ์šฉ๋ฒ•: ๋ฌด๋ฃŒ AI ๋ณด์ด์Šค ํด๋กœ๋‹, ์ธํ…” ๋‚ด์žฅ GPU 10๋ฐฐ ๊ฐ€์†

8์ดˆ ๋…น์Œ์œผ๋กœ ๋ชฉ์†Œ๋ฆฌ ๋ณต์ œ. ์ธํ…” ๋‚ด์žฅ GPU์—์„œ ํ•œ ๋ฌธ์žฅ 20์ดˆ ๋ฏธ๋งŒ, CPU๋ณด๋‹ค 10๋ฐฐ ์ด์ƒ ๋น ๋ฆ…๋‹ˆ๋‹ค. XPU ์„ค์น˜๋ถ€ํ„ฐ ํด๋กœ๋‹, ๊ธฐ๋ณธ ์Œ์„ฑ, ํ•œ๊ตญ์–ด ์‹ค์ธก๊นŒ์ง€.

๋‹ฌ ๊ธฐ์ง€์˜ ์ž‘์—…์‹ค์—์„œ ์šฐ์ฃผ๋น„ํ–‰์‚ฌ๊ฐ€ ๋…ธํŠธ๋ถ ์•ž์— ์•‰์•„ ์žˆ๊ณ , ๋…ธํŠธ๋ถ ์† ์นฉ์ด ์ฃผํ™ฉ๋น›์„ ๋‚ด๊ณ  ์ŒํŒŒ๊ฐ€ ์Šคํ”ผ์ปค์™€ ์Šคํ†ฑ์›Œ์น˜๋ฅผ ๋“  ์ž‘์€ ๋กœ๋ด‡ ์ชฝ์œผ๋กœ ๋‚ ์•„๊ฐ„๋‹ค
๋‹ฌ ๊ธฐ์ง€์˜ ์ž‘์—…์‹ค์—์„œ ์šฐ์ฃผ๋น„ํ–‰์‚ฌ๊ฐ€ ๋…ธํŠธ๋ถ ์•ž์— ์•‰์•„ ์žˆ๊ณ , ๋…ธํŠธ๋ถ ์† ์นฉ์ด ์ฃผํ™ฉ๋น›์„ ๋‚ด๊ณ  ์ŒํŒŒ๊ฐ€ ์Šคํ”ผ์ปค์™€ ์Šคํ†ฑ์›Œ์น˜๋ฅผ ๋“  ์ž‘์€ ๋กœ๋ด‡ ์ชฝ์œผ๋กœ ๋‚ ์•„๊ฐ„๋‹ค

์˜คํ”ˆ์†Œ์Šค TTS(ํ…์ŠคํŠธ ์Œ์„ฑ ๋ณ€ํ™˜) ์‹œ๋ฆฌ์ฆˆ์˜ ์„ธ ๋ฒˆ์งธ ๊ธ€์ž…๋‹ˆ๋‹ค. ๋ฌด๋ฃŒ TTS๋กœ ๊ฒŒ์ž„ AI ๋”๋น™์—์„œ ์—ฌ๋Ÿฌ ๋ชจ๋ธ์„ ๋น„๊ตํ–ˆ๊ณ , ์ง€๋‚œ ๊ธ€ CosyVoice 3 ์‚ฌ์šฉ๋ฒ•์—์„œ๋Š” CPU๋งŒ์œผ๋กœ๋„ ๋Œ์•„๊ฐ€๋Š” ๋ณด์ด์Šค ํด๋กœ๋‹์„ ์†Œ๊ฐœํ–ˆ์Šต๋‹ˆ๋‹ค. ์ด๋ฒˆ์—๋Š” Qwen3-TTS ์ฐจ๋ก€์ž…๋‹ˆ๋‹ค.

์ „์ฒด ๋น„๊ต ๊ธ€์—์„œ Qwen3-TTS์˜ ๋ณด์ด์Šค ํด๋กœ๋‹์„ CPU๋กœ ๋Œ๋ ธ์„ ๋•Œ๋Š” ๋Œ€์‚ฌ ํ•œ ์ค„์— 4๋ถ„ ๋„˜๊ฒŒ ๊ฑธ๋ ธ์Šต๋‹ˆ๋‹ค. ๊ทธ๋•Œ ๋‚ด๋ฆฐ ๊ฒฐ๋ก ์€ "๋ณต์ œํ•œ ๋ชฉ์†Œ๋ฆฌ๋กœ ๋Œ€์‚ฌ๋ฅผ ๋งŽ์ด ์ƒ์„ฑํ•˜๋ ค๋ฉด ๊ฒฐ๊ตญ NVIDIA ๊ทธ๋ž˜ํ”ฝ์นด๋“œ๊ฐ€ ์žˆ์–ด์•ผ ํ•œ๋‹ค"์˜€์Šต๋‹ˆ๋‹ค. ์ด๋ฒˆ์—๋Š” ๋…ธํŠธ๋ถ์˜ Intel ๋‚ด์žฅ GPU๋กœ ๋ฐ”๊ฟจ๋”๋‹ˆ ๊ฐ™์€ ๋ฌธ์žฅ์ด 16~18์ดˆ ๋งŒ์— ๋๋‚ฌ์Šต๋‹ˆ๋‹ค. ์ด๋ฒˆ ์ธก์ •์—์„œ๋Š” 10๋ฐฐ ์ด์ƒ ๋นจ๋ผ์กŒ๊ณ , ํŒจํ‚ค์ง€ ์†Œ์Šค ์ฝ”๋“œ๋ฅผ ๊ณ ์น  ํ•„์š”๋„ ์—†์—ˆ์Šต๋‹ˆ๋‹ค. ๋‹ค๋งŒ CPU๋กœ ์ธก์ •ํ•  ๋•Œ๋Š” ๋‹ค๋ฅธ ํ”„๋กœ๊ทธ๋žจ๋„ ์—ด๋ ค ์žˆ์—ˆ๊ณ , ๋‚ด์žฅ GPU๋กœ ์ธก์ •ํ•  ๋•Œ๋Š” ๋‹ค๋ฅธ ๋ถ€ํ•˜๊ฐ€ ์—†์—ˆ์Šต๋‹ˆ๋‹ค. ์ด ๊ธ€์—์„œ๋Š” Intel ๋‚ด์žฅ GPU(PyTorch XPU) ์„ค์น˜ ๊ณผ์ •์„ ์ •๋ฆฌํ•˜๊ณ , ์ œ ๋ชฉ์†Œ๋ฆฌ๋กœ ์ง์ ‘ ๋ณด์ด์Šค ํด๋กœ๋‹์„ ์‹œ์—ฐํ•œ ๊ฒฐ๊ณผ๋ฅผ ๋‹ด์•˜์Šต๋‹ˆ๋‹ค.

Qwen3-TTS๋ž€? ์ƒ์—…์ ์œผ๋กœ ์จ๋„ ๋ ๊นŒ?

Qwen3-TTS๋Š” ์•Œ๋ฆฌ๋ฐ”๋ฐ” ํ†ต์ด์ฒธ์›(Qwen) ํŒ€์ด 2026๋…„ 1์›” 22์ผ์— ์˜คํ”ˆ์†Œ์Šค๋กœ ๊ณต๊ฐœํ•œ ์Œ์„ฑ ์ƒ์„ฑ ๋ชจ๋ธ ์‹œ๋ฆฌ์ฆˆ์ž…๋‹ˆ๋‹ค. ์•„๋ž˜ ์ •๋ณด๋Š” GitHub์™€ Hugging Face ๋ชจ๋ธ ํŽ˜์ด์ง€์—์„œ 2026-11-21์— ํ™•์ธํ•œ ๋‚ด์šฉ์ž…๋‹ˆ๋‹ค.

ํ•ญ๋ชฉ

๋‚ด์šฉ

๋ผ์ด์„ ์Šค

Apache-2.0, ์ƒ์—…์  ์ด์šฉ ๊ฐ€๋Šฅ

ํฌ๊ธฐ

0.6B(6์–ต ํŒŒ๋ผ๋ฏธํ„ฐ), 1.7B(17์–ต ํŒŒ๋ผ๋ฏธํ„ฐ)

์–ธ์–ด

์ค‘๊ตญ์–ด, ์˜์–ด, ์ผ๋ณธ์–ด, ํ•œ๊ตญ์–ด, ๋…์ผ์–ด, ํ”„๋ž‘์Šค์–ด, ๋Ÿฌ์‹œ์•„์–ด, ํฌ๋ฅดํˆฌ๊ฐˆ์–ด, ์ŠคํŽ˜์ธ์–ด, ์ดํƒˆ๋ฆฌ์•„์–ด ๋“ฑ 10๊ฐœ

๋ณด์ด์Šค ํด๋กœ๋‹

๊ณต์‹ ์„ค๋ช…์— ๋”ฐ๋ฅด๋ฉด 3์ดˆ์งœ๋ฆฌ ์ฐธ์กฐ ์Œ์„ฑ์ด๋ฉด ์ถฉ๋ถ„

ํ•™์Šต ๋ฐ์ดํ„ฐ

๊ธฐ์ˆ  ๋ณด๊ณ ์„œ ๊ธฐ์ค€ 10๊ฐœ ์–ธ์–ด, 500๋งŒ ์‹œ๊ฐ„ ์ด์ƒ์˜ ์Œ์„ฑ

์„ค์น˜

pip install -U qwen-tts(์ œ๊ฐ€ ์„ค์น˜ํ•œ ๋ฒ„์ „์€ 0.1.1)

์„ธ ๊ฐ€์ง€ ๋ชจ๋ธ: Base, CustomVoice, VoiceDesign

Qwen3-TTS๋Š” ์šฉ๋„์— ๋”ฐ๋ผ ์„ธ ๊ฐ€์ง€๋กœ ๋‚˜๋‰ฉ๋‹ˆ๋‹ค. ์ด๋ฆ„์— ๋“ค์–ด ์žˆ๋Š” 12Hz๋Š” ์ด ๋ชจ๋ธ์ด ์“ฐ๋Š” ์Œ์„ฑ ํ† ํฌ๋‚˜์ด์ €๋ฅผ ๊ฐ€๋ฆฌํ‚ต๋‹ˆ๋‹ค.

๋ชจ๋ธ

์šฉ๋„

0.6B

1.7B

์ง€์‹œ๋ฌธ์œผ๋กœ ๋งํˆฌ ์ œ์–ด

Base

๋ณด์ด์Šค ํด๋กœ๋‹, ํŒŒ์ธํŠœ๋‹์—๋„ ์‚ฌ์šฉ ๊ฐ€๋Šฅ

์žˆ์Œ

์žˆ์Œ

๋ถˆ๊ฐ€

CustomVoice

๊ธฐ๋ณธ ์Œ์„ฑ 9์ข…

์žˆ์Œ

์žˆ์Œ

1.7B๋งŒ ๊ฐ€๋Šฅ

VoiceDesign

์›ํ•˜๋Š” ๋ชฉ์†Œ๋ฆฌ๋ฅผ ๊ธ€๋กœ ์„ค๋ช…ํ•ด ์ƒˆ ๋ชฉ์†Œ๋ฆฌ ์ƒ์„ฑ

์—†์Œ

์žˆ์Œ

๊ฐ€๋Šฅ

์ด ๊ธ€์—์„œ๋Š” ๋ชจ๋‘ 0.6B๋ฅผ ์ผ์Šต๋‹ˆ๋‹ค. Hugging Face์—์„œ ๋‚ด๋ ค๋ฐ›์œผ๋ฉด Base์™€ CustomVoice๊ฐ€ ๊ฐ๊ฐ ์•ฝ 2.4GB์ž…๋‹ˆ๋‹ค.

๊ธฐ๋ณธ ์Œ์„ฑ 9์ข…

CustomVoice์—์„œ ์ œ๊ณตํ•˜๋Š” ๊ธฐ๋ณธ ์Œ์„ฑ์ž…๋‹ˆ๋‹ค(๊ณต์‹ ์„ค๋ช… ๋ฒˆ์—ญ).

์ด๋ฆ„

๋ชฉ์†Œ๋ฆฌ

๋ชจ๊ตญ์–ด

Vivian

๋ฐ๊ณ  ๊ฐœ์„ฑ ์žˆ๋Š” ์ Š์€ ์—ฌ์„ฑ ๋ชฉ์†Œ๋ฆฌ

์ค‘๊ตญ์–ด

Serena

๋”ฐ๋œปํ•˜๊ณ  ๋ถ€๋“œ๋Ÿฌ์šด ์ Š์€ ์—ฌ์„ฑ ๋ชฉ์†Œ๋ฆฌ

์ค‘๊ตญ์–ด

Uncle_Fu

๋‚ฎ๊ณ  ๋ถ€๋“œ๋Ÿฌ์šด ์ค‘๋…„ ๋‚จ์„ฑ ๋ชฉ์†Œ๋ฆฌ

์ค‘๊ตญ์–ด

Dylan

๋ฒ ์ด์ง• ์–ต์–‘์˜ ์ Š์€ ๋‚จ์„ฑ ๋ชฉ์†Œ๋ฆฌ

์ค‘๊ตญ์–ด(๋ฒ ์ด์ง•์–ด)

Eric

์ฒญ๋‘ ์ถœ์‹ ์˜ ํ™œ๊ธฐ์ฐฌ ๋‚จ์„ฑ ๋ชฉ์†Œ๋ฆฌ, ์•ฝ๊ฐ„ ํ—ˆ์Šคํ‚คํ•จ

์ค‘๊ตญ์–ด(์“ฐ์ดจ์–ด)

Ryan

๋ฆฌ๋“ฌ๊ฐ์ด ๊ฐ•ํ•œ ๋‚จ์„ฑ ๋ชฉ์†Œ๋ฆฌ

์˜์–ด

Aiden

๋ฐ์€ ๋ฏธ๊ตญ ๋‚จ์„ฑ ๋ชฉ์†Œ๋ฆฌ

์˜์–ด

Ono_Anna

์žฅ๋‚œ๊ธฐ ์žˆ๊ณ  ๊ฒฝ์พŒํ•œ ์—ฌ์„ฑ ๋ชฉ์†Œ๋ฆฌ

์ผ๋ณธ์–ด

Sohee

๋”ฐ๋œปํ•˜๊ณ  ๊ฐ์ •์ด ํ’๋ถ€ํ•œ ์—ฌ์„ฑ ๋ชฉ์†Œ๋ฆฌ

ํ•œ๊ตญ์–ด

๊ณต์‹ ์„ค๋ช…์— ๋”ฐ๋ฅด๋ฉด ๊ฐ ๋ชฉ์†Œ๋ฆฌ๋Š” ๋ชจ๊ตญ์–ด๋กœ ์‚ฌ์šฉํ•  ๋•Œ ๊ฒฐ๊ณผ๊ฐ€ ๊ฐ€์žฅ ์ข‹์ง€๋งŒ, ๋ชจ๋“  ๋ชฉ์†Œ๋ฆฌ๋กœ 10๊ฐœ ์–ธ์–ด๋ฅผ ๋ชจ๋‘ ๋งํ•˜๊ฒŒ ํ•  ์ˆ˜ ์žˆ์Šต๋‹ˆ๋‹ค.

์‚ฌ์–‘: NVIDIA ๊ทธ๋ž˜ํ”ฝ์นด๋“œ ์—†์ด๋„ ๋Œ์•„๊ฐˆ๊นŒ?

๋Œ์•„๊ฐ‘๋‹ˆ๋‹ค. ๊ณต์‹ ์˜ˆ์ œ๋Š” ๋ชจ๋‘ device_map="cuda:0"์— bfloat16๊ณผ FlashAttention 2๋ฅผ ์“ฐ๊ณ , GitHub์™€ ๋ชจ๋ธ ํŽ˜์ด์ง€ ์–ด๋””์—๋„ CPU๋‚˜ Intel ๊ทธ๋ž˜ํ”ฝ์— ๋Œ€ํ•œ ์„ค๋ช…์€ ์—†์Šต๋‹ˆ๋‹ค. ํ•˜์ง€๋งŒ ์‹ค์ œ๋กœ๋Š” CPU๋กœ๋„, Intel ๋‚ด์žฅ GPU๋กœ๋„ ๋Œ์•„๊ฐ‘๋‹ˆ๋‹ค.

์ œ ๋…ธํŠธ๋ถ์—๋Š” Intel Core Ultra 5 322(6์ฝ”์–ด)์™€ Panther Lake ๋‚ด์žฅ GPU๊ฐ€ ํƒ‘์žฌ๋˜์–ด ์žˆ๊ณ , ์™ธ์žฅ ๊ทธ๋ž˜ํ”ฝ์นด๋“œ๋Š” ์—†์Šต๋‹ˆ๋‹ค. 0.6B๋กœ ์ œ ๋ชฉ์†Œ๋ฆฌ๋ฅผ ๋ณต์ œํ•ด ์•ฝ 6์ดˆ ๋ถ„๋Ÿ‰์˜ ๋™์ผํ•œ ์ค‘๊ตญ์–ด ๋Œ€์‚ฌ(๊ฐ„์ฒด์ž๋กœ ์ž…๋ ฅ)๋ฅผ ์ฝ๊ฒŒ ํ•œ ๊ฒฐ๊ณผ์ž…๋‹ˆ๋‹ค.

์‹คํ–‰ ํ™˜๊ฒฝ

์ƒ์„ฑ ์‹œ๊ฐ„

์†Œ์š” ์‹œ๊ฐ„ ๋ฐฐ์œจ(๋‚ฎ์„์ˆ˜๋ก ๋น ๋ฆ„)

CPU(6์ฝ”์–ด)

์•ฝ 270์ดˆ

์•ฝ 42

Intel ๋‚ด์žฅ GPU(PyTorch XPU)

16~18์ดˆ

2.7~3.0

Intel ๋‚ด์žฅ GPU, bfloat16์œผ๋กœ ๋ณ€๊ฒฝ

์•ฝ 12์ดˆ

์•ฝ 2.2

์†Œ์š” ์‹œ๊ฐ„ ๋ฐฐ์œจ์€ ์ƒ์„ฑ ์‹œ๊ฐ„์„ ์Œ์„ฑ ๊ธธ์ด๋กœ ๋‚˜๋ˆˆ ๊ฐ’์ž…๋‹ˆ๋‹ค. ์˜ˆ๋ฅผ ๋“ค์–ด 3.0์ด๋ฉด 1์ดˆ ๋ถ„๋Ÿ‰์˜ ์Œ์„ฑ์„ ๋งŒ๋“œ๋Š” ๋ฐ 3์ดˆ๊ฐ€ ๊ฑธ๋ฆฐ๋‹ค๋Š” ๋œป์ž…๋‹ˆ๋‹ค.

CPU๋Š” ๋‘ ๋ฒˆ ์ธก์ •ํ•ด์„œ 272์ดˆ์™€ 402์ดˆ๊ฐ€ ๋‚˜์™”์Šต๋‹ˆ๋‹ค. ์ธก์ •ํ•  ๋•Œ ๋‹ค๋ฅธ ํ”„๋กœ๊ทธ๋žจ๋„ ์—ด๋ ค ์žˆ์–ด์„œ ์ฐจ์ด๊ฐ€ ํฌ์ง€๋งŒ, ์–ด๋А ์ชฝ์ด๋“  4๋ถ„ ๋ฐ˜ ์ด์ƒ ๊ฑธ๋ ธ์Šต๋‹ˆ๋‹ค. ๋‚ด์žฅ GPU๋Š” ๋‹ค๋ฅธ ๋ถ€ํ•˜๊ฐ€ ์—†๋Š” ์ƒํƒœ์—์„œ ๊ฐ™์€ ๋ฌธ์žฅ์„ 3๋ฒˆ ์—ฐ์† ์ƒ์„ฑํ–ˆ์Šต๋‹ˆ๋‹ค. ์ฒซ ๋ฒˆ์งธ ์ƒ์„ฑ์—๋Š” ์ปดํŒŒ์ผ ๊ณผ์ •์ด ์žˆ์–ด ์•ฝ 20์ดˆ๊ฐ€ ๊ฑธ๋ ธ๊ณ , ๊ทธ ๋’ค๋กœ๋Š” 16~18์ดˆ๊ฐ€ ๊ฑธ๋ ธ์Šต๋‹ˆ๋‹ค.

๊ทธ ๋ฐ–์— ๋ชจ๋ธ์„ ๋ถˆ๋Ÿฌ์˜ค๋Š” ๋ฐ ์•ฝ 6~10์ดˆ๊ฐ€ ๊ฑธ๋ฆฝ๋‹ˆ๋‹ค. ๊ธฐ๋ณธ ์Œ์„ฑ(CustomVoice)๋„ ๋‚ด์žฅ GPU์—์„œ์˜ ์†๋„๋Š” ๋น„์Šทํ•ด์„œ, ์•ฝ 8์ดˆ์งœ๋ฆฌ ๋Œ€์‚ฌ๋ฅผ ๋งŒ๋“œ๋Š” ๋ฐ ์•ฝ 18~20์ดˆ๊ฐ€ ๊ฑธ๋ ธ์Šต๋‹ˆ๋‹ค.

์ง€๋‚œ ๊ธ€์˜ CosyVoice 3์™€ ๋น„๊ตํ•˜๋ฉด, ๊ฐ™์€ ๋ณด์ด์Šค ํด๋กœ๋‹์ด๋ผ๋„ Qwen3-TTS๊ฐ€ ๋‚ด์žฅ GPU์—์„œ ์•ฝ 2๋ฐฐ ๋น ๋ฆ…๋‹ˆ๋‹ค. ๊ฐ™์€ ๋…น์Œ, ๊ฐ™์€ ๋Œ€์‚ฌ ๋‘ ์ค„๋กœ ๋น„๊ตํ–ˆ๋”๋‹ˆ Qwen3-TTS๋Š” ํ•œ ์ค„์— 16~28์ดˆ, CosyVoice 3๋Š” 29~61์ดˆ์˜€์Šต๋‹ˆ๋‹ค. (CosyVoice 3 ๊ธ€์— ์ ์€ ๋ฐฐ์œจ 2.5๋Š” ๋…น์ทจ๋ฌธ ์—†์ด ๋Œ๋ฆฌ๋Š” ๋‹ค๊ตญ์–ด ๋ชจ๋“œ ์ˆ˜์น˜๋ผ์„œ, ์›๊ณ ๋ฅผ ํ•จ๊ป˜ ์ฃผ๋Š” ํด๋กœ๋‹๋ณด๋‹ค ๋น ๋ฆ…๋‹ˆ๋‹ค.) CPU์—์„œ๋Š” ์ฐจ์ด๊ฐ€ ๋” ๋ฒŒ์–ด์ง‘๋‹ˆ๋‹ค. CosyVoice 3๋Š” CPU๋กœ ํ•œ ์ค„์„ ๋ณต์ œํ•˜๋Š” ๋ฐ ์•ฝ 2๋ถ„, Qwen3-TTS๋Š” 4๋ถ„ ๋ฐ˜ ์ด์ƒ ๊ฑธ๋ฆฝ๋‹ˆ๋‹ค. Qwen3-TTS๋กœ ๋ณด์ด์Šค ํด๋กœ๋‹์„ ํ•˜๋ ค๋ฉด ๋‚ด์žฅ GPU๊ฐ€ ์‚ฌ์‹ค์ƒ ํ•„์ˆ˜์ž…๋‹ˆ๋‹ค.

Qwen3-TTS ์„ค์น˜ ๋ฐฉ๋ฒ•(CPU ๋ฒ„์ „)

์ œ ํ™˜๊ฒฝ์€ Linux(Arch)์ด๊ณ , Python์€ uv๋กœ ๊ด€๋ฆฌํ•ฉ๋‹ˆ๋‹ค. ๊ณต์‹ ๋ฌธ์„œ์—์„œ๋Š” Python 3.12๋กœ ์ƒˆ ํ™˜๊ฒฝ์„ ๋งŒ๋“ค ๊ฒƒ์„ ๊ถŒ์žฅํ•ฉ๋‹ˆ๋‹ค.

mkdir -p ~/tools/qwen3-tts && cd ~/tools/qwen3-tts
uv venv --python 3.12 .venv
VIRTUAL_ENV=.venv uv pip install --index-url https://download.pytorch.org/whl/cpu torch torchaudio
VIRTUAL_ENV=.venv uv pip install qwen-tts soundfile

torch๋Š” ๋จผ์ € PyTorch์˜ CPU ์ „์šฉ ์ €์žฅ์†Œ์—์„œ ์„ค์น˜ํ•ฉ๋‹ˆ๋‹ค. ๊ทธ๋ ‡์ง€ ์•Š์œผ๋ฉด Linux์—์„œ๋Š” ๊ธฐ๋ณธ์œผ๋กœ CUDA๊ฐ€ ํฌํ•จ๋œ ๋ฒ„์ „์„ ๋‚ด๋ ค๋ฐ›์•„ ๋ช‡ GB๋ฅผ ๋” ์ฐจ์ง€ํ•ฉ๋‹ˆ๋‹ค.

๊ณต์‹ ๋ฌธ์„œ๋Š” ์†๋„๋ฅผ ๋†’์ด๋ ค๋ฉด FlashAttention 2๋„ ์„ค์น˜ํ•˜๋ผ๊ณ  ๊ถŒํ•˜์ง€๋งŒ, ์ด๊ฑด ์„ ํƒ ์‚ฌํ•ญ์ด๊ณ  ํ˜ธํ™˜๋˜๋Š” ๊ทธ๋ž˜ํ”ฝ์นด๋“œ๊ฐ€ ์žˆ์–ด์•ผ ํ•ฉ๋‹ˆ๋‹ค. CPU์™€ Intel ๋‚ด์žฅ GPU์—์„œ๋Š” ์“ธ ์ˆ˜ ์—†์œผ๋‹ˆ ๊ฑด๋„ˆ๋›ฐ์–ด๋„ ๋ฉ๋‹ˆ๋‹ค.

์ฒซ ๋ฌธ์žฅ ์ƒ์„ฑํ•˜๊ธฐ

import torch, soundfile as sf
from qwen_tts import Qwen3TTSModel

# ๋ณด์ด์Šค ํด๋กœ๋‹: Base ๋ชจ๋ธ + ์ฐธ์กฐ ์Œ์„ฑ + ์ฐธ์กฐ ์Œ์„ฑ์˜ ๋…น์ทจ๋ฌธ
m = Qwen3TTSModel.from_pretrained("Qwen/Qwen3-TTS-12Hz-0.6B-Base",
                                  device_map="cpu", dtype=torch.float32)
wavs, sr = m.generate_voice_clone(text="์ฝ์„ ๋Œ€์‚ฌ", language="Chinese",
                                  ref_audio="ref.wav", ref_text="์ฐธ์กฐ ์Œ์„ฑ์—์„œ ๋งํ•œ ๋‚ด์šฉ")
sf.write("out.wav", wavs[0], sr)

์ฒ˜์Œ ์‹คํ–‰ํ•˜๋ฉด Hugging Face์—์„œ ๋ชจ๋ธ์„ ์ž๋™์œผ๋กœ ๋‚ด๋ ค๋ฐ›์Šต๋‹ˆ๋‹ค. ๊ธฐ๋ณธ ์Œ์„ฑ์„ ์“ฐ๋ ค๋ฉด CustomVoice ๋ชจ๋ธ๋กœ ๋ฐ”๊ฟ‰๋‹ˆ๋‹ค.

m = Qwen3TTSModel.from_pretrained("Qwen/Qwen3-TTS-12Hz-0.6B-CustomVoice",
                                  device_map="cpu", dtype=torch.float32)
wavs, sr = m.generate_custom_voice(text="์ฝ์„ ๋Œ€์‚ฌ", speaker="Uncle_Fu", language="Chinese")

language์—๋Š” Chinese, English, Japanese, Korean ๊ฐ™์€ ์–ธ์–ด ์ด๋ฆ„์„ ์“ฐ๊ฑฐ๋‚˜, Auto๋กœ ๋‘๊ณ  ๋ชจ๋ธ์ด ์•Œ์•„์„œ ํŒ๋‹จํ•˜๊ฒŒ ํ•  ์ˆ˜ ์žˆ์Šต๋‹ˆ๋‹ค.

Intel ๋‚ด์žฅ GPU๋กœ ๊ฐ€์†ํ•˜๋Š” ๋ฐฉ๋ฒ•(PyTorch XPU)

์ด ๊ธ€์˜ ํ•ต์‹ฌ์ž…๋‹ˆ๋‹ค. PyTorch์—์„œ Intel ๊ทธ๋ž˜ํ”ฝ์„ ์‚ฌ์šฉํ•˜๋Š” ๋ฐฑ์—”๋“œ๋ฅผ XPU๋ผ๊ณ  ํ•ฉ๋‹ˆ๋‹ค. ๊ณต์‹ ์ €์žฅ์†Œ์—์„œ ๋ฏธ๋ฆฌ ๋นŒ๋“œ๋œ XPU ๋ฒ„์ „์„ ๋ฐ”๋กœ ์„ค์น˜ํ•  ์ˆ˜ ์žˆ์–ด ์ง์ ‘ ์ปดํŒŒ์ผํ•  ํ•„์š”๊ฐ€ ์—†์Šต๋‹ˆ๋‹ค.

PyTorch ๊ณต์‹ XPU ์•ˆ๋‚ด์— ๋”ฐ๋ฅด๋ฉด, ์ง€์›ํ•˜๋Š” Intel ๊ทธ๋ž˜ํ”ฝ์€ Arc A/B ์‹œ๋ฆฌ์ฆˆ ์™ธ์žฅ ๊ทธ๋ž˜ํ”ฝ์นด๋“œ์™€ Core Ultra์˜ ๋‚ด์žฅ GPU(Meteor Lake, Arrow Lake, Lunar Lake, Panther Lake)์ž…๋‹ˆ๋‹ค. ๊ณต์‹ ๋ชฉ๋ก์— ์žˆ๋Š” ์šด์˜์ฒด์ œ๋Š” Windows 11๊ณผ Ubuntu(Panther Lake๋Š” Ubuntu 26.04 ํ•„์š”)์ž…๋‹ˆ๋‹ค. ์ €๋Š” ๋ชฉ๋ก์— ์—†๋Š” Arch Linux๋ฅผ ์“ฐ๋Š”๋ฐ๋„ ์ž˜ ๋Œ์•„๊ฐ”์Šต๋‹ˆ๋‹ค.

๋‚ด์žฅ GPU ์ „์šฉ ํ™˜๊ฒฝ์„ ๋”ฐ๋กœ ๋งŒ๋“ค๊ณ , CPU ๋ฒ„์ „ ํ™˜๊ฒฝ์€ ๊ทธ๋Œ€๋กœ ๋‘์—ˆ์Šต๋‹ˆ๋‹ค.

1. Intel ์ปดํ“จํŠธ ๋Ÿฐํƒ€์ž„ ์„ค์น˜

์ผ๋ฐ˜์ ์ธ ๋ฐ์Šคํฌํ†ฑ ์‹œ์Šคํ…œ์—๋Š” ํ™”๋ฉด ํ‘œ์‹œ์šฉ ๋“œ๋ผ์ด๋ฒ„๋งŒ ์„ค์น˜๋˜์–ด ์žˆ์Šต๋‹ˆ๋‹ค. PyTorch๊ฐ€ GPU๋กœ ์—ฐ์‚ฐํ•˜๊ฒŒ ํ•˜๋ ค๋ฉด Intel ์ปดํ“จํŠธ ๋Ÿฐํƒ€์ž„(Level Zero)๋„ ์„ค์น˜ํ•ด์•ผ ํ•ฉ๋‹ˆ๋‹ค. Arch Linux์—์„œ๋Š” ๋‹ค์Œ๊ณผ ๊ฐ™์Šต๋‹ˆ๋‹ค.

sudo pacman -S intel-compute-runtime

2. XPU ๋ฒ„์ „ PyTorch ์„ค์น˜

cd ~/tools/qwen3-tts
uv venv --python 3.12 .venv-xpu
VIRTUAL_ENV=.venv-xpu uv pip install --index-url https://download.pytorch.org/whl/xpu torch torchaudio
.venv-xpu/bin/python -c "import torch; print(torch.xpu.is_available(), torch.xpu.get_device_name(0))"

True Intel(R) Graphics๊ฐ€ ์ถœ๋ ฅ๋˜๋ฉด ๋‚ด์žฅ GPU๋ฅผ ์ธ์‹ํ•œ ๊ฒƒ์ž…๋‹ˆ๋‹ค. ์ €๋Š” PyTorch 2.15.0์ด ์„ค์น˜๋์Šต๋‹ˆ๋‹ค.

3. torch ๋ฒ„์ „์„ ๊ณ ์ •ํ•œ ๋’ค qwen-tts ์„ค์น˜

์ด์–ด์„œ qwen-tts๋ฅผ ์„ค์น˜ํ•˜๋ฉด ํŒจํ‚ค์ง€ ๊ด€๋ฆฌ ๋„๊ตฌ๊ฐ€ torch์˜ ์˜์กด์„ฑ ์กฐ๊ฑด๋„ ํ™•์ธํ•ฉ๋‹ˆ๋‹ค. ์ด๋•Œ ํŒจํ‚ค์ง€ ๊ด€๋ฆฌ ๋„๊ตฌ์— ๋งก๊ฒจ ๋‘๋ฉด ๋ฐฉ๊ธˆ ์„ค์น˜ํ•œ XPU ๋ฒ„์ „์„ ์ผ๋ฐ˜ ๋ฒ„์ „์œผ๋กœ ๋ฐ”๊ฟ” ๋ฒ„๋ฆด ์ˆ˜ ์žˆ์Šต๋‹ˆ๋‹ค. ๊ทธ๋ž˜์„œ ๋จผ์ € ์ œ์•ฝ ํŒŒ์ผ์„ ๋งŒ๋“ค์–ด ๋ฒ„์ „์„ ๊ณ ์ •ํ–ˆ์Šต๋‹ˆ๋‹ค.

cat > xpu-constraints.txt <<'EOF'
torch==2.15.0+xpu
torchaudio==2.11.1+xpu
EOF

VIRTUAL_ENV=.venv-xpu uv pip install -c xpu-constraints.txt \
  --index-strategy unsafe-best-match --extra-index-url https://download.pytorch.org/whl/xpu \
  qwen-tts soundfile

๋ฒ„์ „ ๋ฒˆํ˜ธ๋Š” ์‹ค์ œ๋กœ ์„ค์น˜๋œ ๋ฒ„์ „์œผ๋กœ ๋ฐ”๊พธ์„ธ์š”(uv pip list๋กœ ํ™•์ธํ•  ์ˆ˜ ์žˆ์Šต๋‹ˆ๋‹ค). --index-strategy unsafe-best-match๋ฅผ ๋ถ™์ด๋ฉด uv๊ฐ€ PyPI์™€ PyTorch์˜ XPU ์ €์žฅ์†Œ ์–‘์ชฝ์—์„œ ํŒจํ‚ค์ง€๋ฅผ ๊ณ ๋ฅผ ์ˆ˜ ์žˆ์Šต๋‹ˆ๋‹ค.

์ง€๋‚œ ๊ธ€์˜ CosyVoice 3๋Š” ์ด ๋‹จ๊ณ„์—์„œ triton ์ถฉ๋Œ์ด ์žˆ์—ˆ์Šต๋‹ˆ๋‹ค. openai-whisper๊ฐ€ ์˜ˆ์ „ ๋ฒ„์ „์˜ triton์„ ํ•จ๊ป˜ ์„ค์น˜ํ•˜๋ฉด์„œ XPU์— ํ•„์š”ํ•œ triton-xpu๋ฅผ ๋ฎ์–ด์“ฐ๋Š” ๋ฌธ์ œ์˜€์Šต๋‹ˆ๋‹ค. Qwen3-TTS๋Š” openai-whisper๋ฅผ ์“ฐ์ง€ ์•Š์•„์„œ ์ด๋ฒˆ์—๋Š” ์ด ๋ฌธ์ œ๊ฐ€ ์—†์—ˆ์Šต๋‹ˆ๋‹ค. cannot import name 'make_tensordesc_args' ์˜ค๋ฅ˜๊ฐ€ ๋‚˜์˜จ๋‹ค๋ฉด ์ง€๋‚œ ๊ธ€์˜ ํ•ด๊ฒฐ ๋ฐฉ๋ฒ•์„ ์ฐธ๊ณ ํ•˜์„ธ์š”.

4. device_map์„ xpu๋กœ ๋ณ€๊ฒฝ

CosyVoice 3์™€ ๊ฐ€์žฅ ๋‹ค๋ฅธ ๋ถ€๋ถ„์ž…๋‹ˆ๋‹ค. CosyVoice ์ฝ”๋“œ๋Š” CUDA๋งŒ ์ธ์‹ํ•ด์„œ, ๋จผ์ € CPU์—์„œ ๋ถˆ๋Ÿฌ์˜จ ๋‹ค์Œ ๋ชจ๋ธ์„ ์ง์ ‘ ๋‚ด์žฅ GPU๋กœ ์˜ฎ๊ฒจ์•ผ ํ–ˆ์Šต๋‹ˆ๋‹ค. Qwen3-TTS๋Š” Hugging Face transformers ๋ฐฉ์‹์œผ๋กœ ๋ชจ๋ธ์„ ๋ถˆ๋Ÿฌ์˜ค๊ธฐ ๋•Œ๋ฌธ์— device_map์„ "xpu"๋กœ ๋ฐ”๊พธ๊ธฐ๋งŒ ํ•˜๋ฉด ๋˜๊ณ , ํŒจํ‚ค์ง€ ์†Œ์Šค ์ฝ”๋“œ๋ฅผ ๊ณ ์น  ํ•„์š”๊ฐ€ ์—†์Šต๋‹ˆ๋‹ค.

m = Qwen3TTSModel.from_pretrained("Qwen/Qwen3-TTS-12Hz-0.6B-Base",
                                  device_map="xpu", dtype=torch.float32)

dtype์€ ๋ชจ๋ธ์ด ๊ณ„์‚ฐ์— ์“ฐ๋Š” ์ˆซ์ž์˜ ์ •๋ฐ€๋„์ž…๋‹ˆ๋‹ค. float32๋Š” 32๋น„ํŠธ ๋ถ€๋™์†Œ์ˆ˜์  ์ˆ˜๋กœ ์ •๋ฐ€๋„๋Š” ๋†’์ง€๋งŒ ๋А๋ฆฌ๊ณ  ๋ฉ”๋ชจ๋ฆฌ๋„ ๋งŽ์ด ์”๋‹ˆ๋‹ค. bfloat16์€ 16๋น„ํŠธ๋งŒ ์จ์„œ ๋น ๋ฅด๊ณ  ๋ฉ”๋ชจ๋ฆฌ๋„ ์•„๋‚„ ์ˆ˜ ์žˆ์ง€๋งŒ ์ •๋ฐ€๋„๋Š” ๋‚ฎ์Šต๋‹ˆ๋‹ค. ๊ณต์‹ ์˜ˆ์ œ๋Š” dtype=torch.bfloat16์„ ์”๋‹ˆ๋‹ค.

์ €๋Š” ํ‰์†Œ float32๋ฅผ ์“ฐ๋Š”๋ฐ, bfloat16๋„ ์‹œํ—˜ํ•ด ๋ดค์Šต๋‹ˆ๋‹ค. ๊ฐ™์€ ๋ฌธ์žฅ์˜ ์ƒ์„ฑ ์‹œ๊ฐ„์ด 16~18์ดˆ์—์„œ ์•ฝ 12์ดˆ๋กœ ์ค„์—ˆ๊ณ , ์Œ์„ฑ ์ธ์‹(Whisper)์œผ๋กœ ๋‹ค์‹œ ํ…์ŠคํŠธ๋กœ ๋ณ€ํ™˜ํ•ด ๋ด๋„ ๋‚ด์šฉ์ด ์ •ํ™•ํ–ˆ์Šต๋‹ˆ๋‹ค. ๋‹ค๋งŒ ๋‘ ๋ฒˆ ์ƒ์„ฑํ•œ ์Œ์„ฑ์˜ ๊ธธ์ด๊ฐ€ ๋‹ฌ๋ž์œผ๋‹ˆ(bfloat16์€ 5.3์ดˆ, float32๋Š” 6.0์ดˆ), ์†๋„๋ฅผ ๋น„๊ตํ•  ๋•Œ ์ด ์ฐจ์ด๋„ ๊ฐ์•ˆํ•ด์•ผ ํ•ฉ๋‹ˆ๋‹ค.

๋‘ ๋ฒ„์ „์„ ๋น„๊ตํ•ด ๋“ค์–ด ๋ณด๋‹ˆ ์Œ์งˆ ์ฐจ์ด๋Š” ์•„์ฃผ ์ž‘์•„์„œ, ๊ท€ ๊ธฐ์šธ์—ฌ ๋“ค์–ด์•ผ ๊ฒจ์šฐ ๊ตฌ๋ณ„ํ•  ์ˆ˜ ์žˆ์—ˆ์Šต๋‹ˆ๋‹ค. ๊ทธ๋ž˜์„œ Intel ๋‚ด์žฅ GPU๋กœ ๋Œ๋ฆฐ๋‹ค๋ฉด ๊ทธ๋ƒฅ bfloat16์„ ์“ฐ๋Š” ๊ฑธ ์ถ”์ฒœํ•ฉ๋‹ˆ๋‹ค. ์ด๋ฒˆ ํ…Œ์ŠคํŠธ์—์„œ๋Š” ํ•œ ๋ฌธ์žฅ๋งˆ๋‹ค ์‹œ๊ฐ„์„ ์•ฝ 30% ๋” ์ค„์ผ ์ˆ˜ ์žˆ์—ˆ์Šต๋‹ˆ๋‹ค.

๋‚ด์žฅ GPU์—์„œ ์ฒ˜์Œ ์ƒ์„ฑํ•  ๋•Œ๋Š” ์—ฐ์‚ฐ ํ”„๋กœ๊ทธ๋žจ์„ ๋จผ์ € ์ปดํŒŒ์ผํ•˜๋А๋ผ ๋А๋ฆฝ๋‹ˆ๋‹ค. ํ”„๋กœ๊ทธ๋žจ์„ ์ข…๋ฃŒํ•˜์ง€ ์•Š๊ณ  ์ด์–ด์„œ ์ƒ์„ฑํ•˜๋ฉด ๊ทธ๋‹ค์Œ๋ถ€ํ„ฐ๋Š” ์ •์ƒ ์†๋„๊ฐ€ ๋‚˜์˜ต๋‹ˆ๋‹ค. ๊ทธ๋ž˜์„œ ๋Œ€์‚ฌ๋ฅผ ์—ฌ๋Ÿฌ ์ค„ ๋งŒ๋“ค ๋•Œ๋Š” ๋ชจ๋ธ์„ ํ•œ ๋ฒˆ๋งŒ ๋ถˆ๋Ÿฌ์˜จ ๋‹ค์Œ ํ•œ ์ค„์”ฉ ์ด์–ด์„œ ์ฝ๊ฒŒ ํ•˜๊ณ , ์ค„๋งˆ๋‹ค ํ”„๋กœ๊ทธ๋žจ์„ ๋‹ค์‹œ ์‹คํ–‰ํ•˜์ง€ ๋งˆ์„ธ์š”.

์ €๋Š” CPU์™€ ๋‚ด์žฅ GPU์—์„œ ์‹คํ–‰ํ•˜๋Š” ๋ฐฉ์‹์„ ๋ช…๋ น์–ด ํ•˜๋‚˜๋กœ ํ†ตํ•ฉํ•ด ~/tools/qwen3-tts/์— ๋‘๊ณ , ์–ด๋А ํ”„๋กœ์ ํŠธ์—์„œ๋“  ๋ฐ”๋กœ ๋ถˆ๋Ÿฌ ์”๋‹ˆ๋‹ค. --device xpu๋ฅผ ๋ถ™์ด๋ฉด ๋‚ด์žฅ GPU ํ™˜๊ฒฝ์œผ๋กœ ๋ฐ”๋€๋‹ˆ๋‹ค.

์‹คํ—˜ 1: ์ œ ๋ชฉ์†Œ๋ฆฌ๋กœ ๋ณด์ด์Šค ํด๋กœ๋‹ ์‹œ์—ฐ

์ฐธ์กฐ ๋…น์Œ์€ ์ง€๋‚œ ๊ธ€์—์„œ ์“ด ๊ฒƒ๊ณผ ๊ฐ™์€ ๋…น์Œ์œผ๋กœ, ํœด๋Œ€ํฐ์œผ๋กœ ๋…น์Œํ•œ 8์ดˆ์งœ๋ฆฌ ์ œ ๋ชฉ์†Œ๋ฆฌ์ž…๋‹ˆ๋‹ค.

์•ˆ๋‚ด: ์ด ์„น์…˜์˜ ๋ชจ๋“  ์Œ์„ฑ ์ƒ˜ํ”Œ์€ ์ €(Terry L)์˜ ์‹ค์ œ ๋ชฉ์†Œ๋ฆฌ์ด๊ฑฐ๋‚˜ ์ œ ๋ชฉ์†Œ๋ฆฌ๋ฅผ ๋ณต์ œํ•œ ๊ฒฐ๊ณผ์ž…๋‹ˆ๋‹ค. ์ €์ž‘๊ถŒ์€ ์ €์—๊ฒŒ ์žˆ์œผ๋ฉฐ, ๋‹ค์šด๋กœ๋“œยท์žฌ๋ฐฐํฌ๋‚˜ ๋‹ค๋ฅธ ๊ณณ์—์„œ์˜ ์‚ฌ์šฉ(๋ณต์ œ์šฉ์œผ๋กœ ์“ฐ๋Š” ๊ฒƒ ํฌํ•จ)์„ ๊ธˆํ•ฉ๋‹ˆ๋‹ค.
์ œ๊ฐ€ ์ง์ ‘ ๋…น์Œํ•œ ์›๋ณธ(8์ดˆ, ์ค‘๊ตญ์–ด): "ๆญก่ฟŽๅคงๅฎถไพ†ๅˆฐๆˆ‘็š„ๆœˆ็ƒๅŸบๅœฐใ€‚ๆˆ‘็š„ๆ–‡็ซ ่จ˜้Œ„ๆˆ‘ๅฐๆ–ผๅ„็จฎๅทฅๅ…ท็š„ๆธฌ่ฉฆ๏ผŒๅธŒๆœ›ๅฐๆ‚จๆœ‰ๅนซๅŠฉใ€‚"(์ œ ๋‹ฌ ๊ธฐ์ง€์— ์˜ค์‹  ๊ฒƒ์„ ํ™˜์˜ํ•ฉ๋‹ˆ๋‹ค. ์—ฌ๋Ÿฌ ๋„๊ตฌ๋ฅผ ํ…Œ์ŠคํŠธํ•œ ๊ธฐ๋ก์„ ์“ฐ๊ณ  ์žˆ์œผ๋‹ˆ ๋„์›€์ด ๋˜๋ฉด ์ข‹๊ฒ ์Šต๋‹ˆ๋‹ค.) ์ €์ž‘๊ถŒ์€ ์ €์—๊ฒŒ ์žˆ์œผ๋ฉฐ, ๋‹ค๋ฅธ ๊ณณ์—์„œ ์‚ฌ์šฉ ๊ธˆ์ง€

์•„๋ž˜ ๋‘ ๋ฌธ์žฅ์€ ์ œ๊ฐ€ ํ•œ ๋ฒˆ๋„ ๋งํ•œ ์ ์ด ์—†์Šต๋‹ˆ๋‹ค. Qwen3-TTS 0.6B๊ฐ€ Intel ๋‚ด์žฅ GPU์—์„œ ์œ„ ๋…น์Œ๊ณผ ํ•ด๋‹น ๋…น์ทจ๋ฌธ์„ ๋ฐ”ํƒ•์œผ๋กœ ์ œ ๋ชฉ์†Œ๋ฆฌ๋ฅผ ๋ณต์ œํ•ด ์ƒ์„ฑํ•œ ์Œ์„ฑ์ž…๋‹ˆ๋‹ค. ๋Œ€์‚ฌ์™€ ์›๊ณ ๋Š” ๋ชจ๋‘ ๊ฐ„์ฒด์ž๋กœ ๋ฐ”๊ฟ”์„œ ๋„ฃ์—ˆ์Šต๋‹ˆ๋‹ค(์ด์œ ๋Š” ์‹คํ—˜ 2์—์„œ ์„ค๋ช…ํ•ฉ๋‹ˆ๋‹ค).

๋ณต์ œํ•œ ์ œ ๋ชฉ์†Œ๋ฆฌ: "้€™ๅฅ่ฉฑๆ˜ฏ Qwen3-TTS ็”จๆˆ‘้Œ„็š„ๅ…ซ็ง’้˜่ฒ้Ÿณๅ…‹้š†ๅ‡บไพ†็š„ใ€‚ๆˆ‘ๆœฌไบบๅพžไพ†ๆฒ’ๆœ‰ๅฟต้Ž้€™ๅฅ่ฉฑใ€‚"(์ด ๋ฌธ์žฅ์€ Qwen3-TTS๊ฐ€ ์ œ๊ฐ€ ๋…น์Œํ•œ 8์ดˆ ๋ชฉ์†Œ๋ฆฌ๋กœ ๋ณต์ œํ•œ ๊ฒƒ์ž…๋‹ˆ๋‹ค. ์ €๋Š” ์ด ๋ฌธ์žฅ์„ ํ•œ ๋ฒˆ๋„ ์ฝ์€ ์ ์ด ์—†์Šต๋‹ˆ๋‹ค.) ์ €์ž‘๊ถŒ์€ ์ €์—๊ฒŒ ์žˆ์œผ๋ฉฐ, ๋‹ค๋ฅธ ๊ณณ์—์„œ ์‚ฌ์šฉ ๊ธˆ์ง€
๋ณต์ œํ•œ ์ œ ๋ชฉ์†Œ๋ฆฌ: "้€™ๆฎต่ฒ้Ÿณๆ˜ฏๅœจๆˆ‘็ญ†้›ป็š„ Intel ๅ…ง้กฏไธŠ็”Ÿๆˆ็š„๏ผŒๆฒ’ๆœ‰็”จๅˆฐ NVIDIA ้กฏ็คบๅกใ€‚"(์ด ์Œ์„ฑ์€ ์ œ ๋…ธํŠธ๋ถ์˜ Intel ๋‚ด์žฅ GPU์—์„œ ์ƒ์„ฑํ–ˆ๊ณ , NVIDIA ๊ทธ๋ž˜ํ”ฝ์นด๋“œ๋Š” ์“ฐ์ง€ ์•Š์•˜์Šต๋‹ˆ๋‹ค.) ์ €์ž‘๊ถŒ์€ ์ €์—๊ฒŒ ์žˆ์œผ๋ฉฐ, ๋‹ค๋ฅธ ๊ณณ์—์„œ ์‚ฌ์šฉ ๊ธˆ์ง€

๋‘ ๋ฒˆ์งธ ๋ฌธ์žฅ์€ ์ฝ๊ธฐ๊ฐ€ ๋” ์–ด๋ ต์Šต๋‹ˆ๋‹ค. "Intel", "NVIDIA"์— ์ค‘๊ตญ์–ด "ๅ…ง้กฏ(๋‚ด์žฅ ๊ทธ๋ž˜ํ”ฝ)", "้กฏ็คบๅก(๊ทธ๋ž˜ํ”ฝ์นด๋“œ)"๊ฐ€ ์„ž์—ฌ ์žˆ๊ธฐ ๋•Œ๋ฌธ์ž…๋‹ˆ๋‹ค. 3๊ฐ€์ง€ ๋ฒ„์ „์„ ์—ฐ๋‹ฌ์•„ ์ƒ์„ฑํ–ˆ๋Š”๋ฐ, ์•ž์˜ ๋‘ ๊ฐœ๋Š” "้กฏ็คบๅก"๋ฅผ ์ž˜๋ชป ์ฝ๊ฑฐ๋‚˜ "NVIDIA"๋ฅผ ๋ญ‰๊ฐœ์„œ ๋ฐœ์Œํ–ˆ๊ณ , ์„ธ ๋ฒˆ์งธ์—์„œ์•ผ ์™„์ „ํžˆ ์ •ํ™•ํ–ˆ์Šต๋‹ˆ๋‹ค. Qwen3-TTS๋กœ ์ด๋Ÿฐ ๋Œ€์‚ฌ๋ฅผ ์ฝํž ๋•Œ๋Š” ์—ฌ๋Ÿฌ ๋ฒ„์ „์„ ๋งŒ๋“ค์–ด ๋ณด๊ณ  ๊ณ ๋ฅด์„ธ์š”.

์ƒ์„ฑ๋œ ์ค‘๊ตญ์–ด ์Œ์„ฑ์€ ์ œ ๋ชฉ์†Œ๋ฆฌ์™€ ์•„์ฃผ ๋น„์Šทํ•˜๊ฒŒ ๋“ค๋ ธ์Šต๋‹ˆ๋‹ค.

์–ธ์–ด๋ฅผ ๋„˜๋‚˜๋“œ๋Š” ํด๋กœ๋‹: ๊ฐ™์€ ์ค‘๊ตญ์–ด ๋…น์Œ์œผ๋กœ ํ•œ๊ตญ์–ด, ์˜์–ด, ์ผ๋ณธ์–ด๋„ ๋งํ•˜๊ฒŒ ํ•  ์ˆ˜ ์žˆ์Šต๋‹ˆ๋‹ค.

๋ณต์ œํ•œ ์ œ ๋ชฉ์†Œ๋ฆฌ๋กœ ์ฝ์€ ํ•œ๊ตญ์–ด ๋Œ€์‚ฌ: "์ด ๋ฌธ์žฅ์€ Qwen3-TTS๊ฐ€ ์ œ ๋ชฉ์†Œ๋ฆฌ 8์ดˆ ๋…น์Œ์œผ๋กœ ๋งŒ๋“  ๊ฒƒ์ž…๋‹ˆ๋‹ค. ์ €๋Š” ์ด ๋ง์„ ํ•œ ์ ์ด ์—†์Šต๋‹ˆ๋‹ค." ์ €์ž‘๊ถŒ์€ ์ €์—๊ฒŒ ์žˆ์œผ๋ฉฐ, ๋‹ค๋ฅธ ๊ณณ์—์„œ ์‚ฌ์šฉ ๊ธˆ์ง€
๋ณต์ œํ•œ ์ œ ๋ชฉ์†Œ๋ฆฌ๋กœ ์ฝ์€ ์˜์–ด ๋Œ€์‚ฌ: "This sentence was generated by Qwen3-TTS from an eight-second clip of my voice. I never actually said it."(์ด ๋ฌธ์žฅ์€ Qwen3-TTS๊ฐ€ ์ œ ๋ชฉ์†Œ๋ฆฌ 8์ดˆ ๋…น์Œ์œผ๋กœ ๋งŒ๋“  ๊ฒƒ์ž…๋‹ˆ๋‹ค. ์ €๋Š” ์‹ค์ œ๋กœ ์ด ๋ง์„ ํ•œ ์ ์ด ์—†์Šต๋‹ˆ๋‹ค.) ์ €์ž‘๊ถŒ์€ ์ €์—๊ฒŒ ์žˆ์œผ๋ฉฐ, ๋‹ค๋ฅธ ๊ณณ์—์„œ ์‚ฌ์šฉ ๊ธˆ์ง€
๋ณต์ œํ•œ ์ œ ๋ชฉ์†Œ๋ฆฌ๋กœ ์ฝ์€ ์ผ๋ณธ์–ด ๋Œ€์‚ฌ: "ใ“ใฎๅฃฐใฏใ€็งใฎ8็ง’ใฎ้Œฒ้Ÿณใ‹ใ‚‰ไฝœใ‚‰ใ‚Œใพใ—ใŸใ€‚"(์ด ๋ชฉ์†Œ๋ฆฌ๋Š” ์ œ 8์ดˆ ๋…น์Œ์œผ๋กœ ๋งŒ๋“ค์–ด์กŒ์Šต๋‹ˆ๋‹ค.) ์ €์ž‘๊ถŒ์€ ์ €์—๊ฒŒ ์žˆ์œผ๋ฉฐ, ๋‹ค๋ฅธ ๊ณณ์—์„œ ์‚ฌ์šฉ ๊ธˆ์ง€

์ผ๋ณธ์–ด ๋ฌธ์žฅ์€ ์Œ์„ฑ ์ธ์‹(Whisper)์œผ๋กœ ๋‹ค์‹œ ํ…์ŠคํŠธ๋กœ ๋ณ€ํ™˜ํ•ด ๋น„๊ตํ•ด ๋ณด๋‹ˆ ๋‚ด์šฉ์ด ์™„์ „ํžˆ ์ •ํ™•ํ–ˆ์Šต๋‹ˆ๋‹ค. ์˜์–ด ๋ฌธ์žฅ๋„ "Qwen3-TTS"๋ผ๋Š” ์ด๋ฆ„์ด ๋‹ค๋ฅธ ๋‹จ์–ด๋กœ ๋ฐ”๋€ ๊ฒƒ ๋ง๊ณ ๋Š” ๋ชจ๋‘ ์ •ํ™•ํ–ˆ๊ณ , ๋” ์ฝ๊ฑฐ๋‚˜ ๋น ๋œจ๋ฆฐ ๋‹จ์–ด๋„ ์—†์—ˆ์Šต๋‹ˆ๋‹ค.

ํ•˜์ง€๋งŒ ๋‚ด์šฉ์ด ๋งž๋Š”๋‹ค๊ณ  ๋“ฃ๊ธฐ ์ข‹์€ ๊ฑด ์•„๋‹™๋‹ˆ๋‹ค. ์˜์–ด ๋ฌธ์žฅ์€ ์ œ๊ฐ€ ๋“ฃ๊ธฐ์— ๋ง์ด ์ž์ฃผ ๋š๋š ๋Š๊ฒจ์„œ ์ž์—ฐ์Šค๋Ÿฝ์ง€ ์•Š์•˜์Šต๋‹ˆ๋‹ค. ๊ฐ™์€ ๋…น์Œ์œผ๋กœ ์˜์–ด๋ฅผ ๋งํ•˜๊ฒŒ ํ•˜๋ฉด ์ง€๋‚œ ๊ธ€์˜ CosyVoice 3๊ฐ€ ํ™•์‹คํžˆ ํ›จ์”ฌ ๋งค๋„๋Ÿฝ์Šต๋‹ˆ๋‹ค. ์ œ ๋ชฉ์†Œ๋ฆฌ๋กœ ๋‹ค๋ฅธ ์–ธ์–ด๋ฅผ ๋งํ•˜๊ฒŒ ํ•˜๋Š” ํด๋กœ๋‹์—์„œ๋Š” CosyVoice 3๊ฐ€ ๋” ๋‚˜์•˜์Šต๋‹ˆ๋‹ค.

์‹คํ—˜ 2: ๋กœ๋ด‡ ๋ฐ”ํ…๋” ์•„์„œ์˜ ํ•œ๊ตญ์–ด ๋Œ€์‚ฌ

์›น์‚ฌ์ดํŠธ ์ฒซ ํ™”๋ฉด์€ 3D ๋‹ฌ ๊ธฐ์ง€ ๋ฏธ๋‹ˆ ๊ฒŒ์ž„์ด๊ณ , ๊ธฐ์ง€ ์•ˆ ๋ฐ”์˜ ๋ฐ”ํ…๋”๋Š” ๋กœ๋ด‡ ์•„์„œ์ž…๋‹ˆ๋‹ค. ์˜ํ™” ใ€ˆํŒจ์‹ ์ €์Šคใ€‰(Passengers, 2016)์˜ ๋ฐ”ํ…๋”์—๊ฒŒ ๋ฐ”์น˜๋Š” ์˜ค๋งˆ์ฃผ์ธ๋ฐ, ๋งˆ์ดํด ์‰ฐ์˜ ๋ชฉ์†Œ๋ฆฌ๋Š” ์ผ๋ถ€๋Ÿฌ ํ‰๋‚ด ๋‚ด์ง€ ์•Š์•˜๊ณ  ์ง€๊ธˆ์€ ์ œ ๋ชฉ์†Œ๋ฆฌ๋กœ ๋งํ•ฉ๋‹ˆ๋‹ค. ์•„์„œ์˜ ๋Œ€์‚ฌ๋ฅผ ํ•œ๊ตญ์–ด๋กœ ์ฝ๊ฒŒ ํ–ˆ์Šต๋‹ˆ๋‹ค.

๋ณต์ œํ•œ ์ œ ๋ชฉ์†Œ๋ฆฌ๋กœ ์ฝ์€ ํ•œ๊ตญ์–ด ๋Œ€์‚ฌ: "๋ฐ”ํ…๋”๋Š” ๋น„๋ฐ€์„ ์ง€ํ‚ต๋‹ˆ๋‹ค. ๊ทธ๊ฒƒ์ด ์ด ์ผ์˜ ์‹ ์„ฑํ•œ ์‹ ๋ขฐ์ž…๋‹ˆ๋‹ค." ์ €์ž‘๊ถŒ์€ ์ €์—๊ฒŒ ์žˆ์œผ๋ฉฐ, ๋‹ค๋ฅธ ๊ณณ์—์„œ ์‚ฌ์šฉ ๊ธˆ์ง€

์ค‘๊ตญ์–ด๋ฅผ ์ฝ๊ฒŒ ํ•  ๋•Œ๋Š” ๋Œ€์‚ฌ๋ฅผ ๋จผ์ € ๊ฐ„์ฒด์ž๋กœ ๋ฐ”๊ฟ”์•ผ ํ•ฉ๋‹ˆ๋‹ค. ๋ฒˆ์ฒด์ž๋กœ ๋„ฃ์œผ๋ฉด ์—ฌ๋Ÿฌ ๋ฐœ์Œ์ด ์žˆ๋Š” ๊ธ€์ž๋ฅผ ์ž˜๋ชป ์ฝ๋Š”๋ฐ, ์ œ๊ฐ€ ๋“ค์–ด ๋ณด๋‹ˆ "่กŒๆฅญ(์—…๊ณ„)"๋ฅผ "ๅ•†่ญฐ(์ƒ์˜ํ•˜๋‹ค)"๋กœ ์ฝ์—ˆ๊ณ  ๊ฐ„์ฒด์ž๋กœ ๋„ฃ์œผ๋‹ˆ ์ œ๋Œ€๋กœ ์ฝ์—ˆ์Šต๋‹ˆ๋‹ค. ๋ณ€ํ™˜์€ Python์˜ OpenCC ํŒจํ‚ค์ง€๋กœ ํ•œ ์ค„์ด๋ฉด ๋ฉ๋‹ˆ๋‹ค.

from opencc import OpenCC
t2s = OpenCC("t2s").convert
text = t2s("้€™ๆ˜ฏ้€™ไปฝ่กŒๆฅญ็š„็ฅž่–ไฟก็”จ")  # ๊ฐ„์ฒด์ž ๋ณ€ํ™˜ ๊ฒฐ๊ณผ: ่ฟ™ๆ˜ฏ่ฟ™ไปฝ่กŒไธš็š„็ฅžๅœฃไฟก็”จ

์ด ์ ์€ CosyVoice 3๊ฐ€ ๋” ํŽธํ•ฉ๋‹ˆ๋‹ค. ๋ฒˆ์ฒด์ž๋ฅผ ๊ทธ๋Œ€๋กœ ๋„ฃ์–ด๋„ ๋Œ€๋ถ€๋ถ„ ์ œ๋Œ€๋กœ ์ฝ๊ณ , ๋ช‡๋ช‡ ๊ธ€์ž๋งŒ ๊ณ ์น˜๋ฉด ๋ฉ๋‹ˆ๋‹ค.

์‹คํ—˜ 3: ๊ธฐ๋ณธ ์Œ์„ฑ 9์ข…(CustomVoice)

ํด๋กœ๋‹์„ ํ•˜๊ณ  ์‹ถ์ง€ ์•Š๊ฑฐ๋‚˜ ์บ๋ฆญํ„ฐ์˜ ์ฐธ์กฐ ์Œ์„ฑ์ด ์•„์ง ์—†๋‹ค๋ฉด ๊ธฐ๋ณธ ์Œ์„ฑ์„ ๊ทธ๋Œ€๋กœ ์“ฐ๋ฉด ๋ฉ๋‹ˆ๋‹ค. ์•„๋ž˜๋Š” ๋ชจ๋‘ 0.6B CustomVoice๋ฅผ ๋‚ด์žฅ GPU์—์„œ ๋Œ๋ ค ๋งŒ๋“ค์—ˆ์Šต๋‹ˆ๋‹ค. ๋Œ€์‚ฌ๋Š” "ๆญก่ฟŽไพ†ๅˆฐๆœˆ็ƒๅŸบๅœฐ็š„้…’ๅงใ€‚ไปŠๅคฉๆƒณๅ–้ปžไป€้บผ๏ผŸ"(๋‹ฌ ๊ธฐ์ง€์˜ ๋ฐ”์— ์˜ค์‹  ๊ฒƒ์„ ํ™˜์˜ํ•ฉ๋‹ˆ๋‹ค. ์˜ค๋Š˜์€ ๋ญ˜ ๋“œ์‹œ๊ฒ ์–ด์š”?)์ด๊ณ , ๊ฐ„์ฒด์ž๋กœ ๋ฐ”๊ฟ” ์ž…๋ ฅํ–ˆ์Šต๋‹ˆ๋‹ค.

๊ธฐ๋ณธ ์Œ์„ฑ Uncle_Fu
๊ธฐ๋ณธ ์Œ์„ฑ Vivian
๊ธฐ๋ณธ ์Œ์„ฑ Serena
๊ธฐ๋ณธ ์Œ์„ฑ Dylan(๋ฒ ์ด์ง•์–ด)
๊ธฐ๋ณธ ์Œ์„ฑ Eric(์“ฐ์ดจ์–ด)

๋‹ค์Œ์€ ์˜์–ด ๊ธฐ๋ณธ ์Œ์„ฑ Aiden์ž…๋‹ˆ๋‹ค. ๋Œ€์‚ฌ๋Š” "Welcome to the bar on the lunar base. What can I get you tonight?"์ž…๋‹ˆ๋‹ค.

๊ธฐ๋ณธ ์Œ์„ฑ Aiden(์˜์–ด)

Eric์€ ๋งํ•˜๊ธฐ ์‹œ์ž‘ํ•˜๋Š” ์ˆœ๊ฐ„ ์“ฐ์ดจ ์–ต์–‘์ด ๋“ค๋ฆฝ๋‹ˆ๋‹ค. ์บ๋ฆญํ„ฐ์— ์ง€๋ฐฉ ์–ต์–‘์„ ์กฐ๊ธˆ ๋„ฃ๊ณ  ์‹ถ๋‹ค๋ฉด ๋ฐ”๋กœ ์“ธ ์ˆ˜ ์žˆ์Šต๋‹ˆ๋‹ค.

0.6B CustomVoice๋Š” ์ง€์‹œ๋ฌธ์œผ๋กœ ๋งํˆฌ๋ฅผ ์ œ์–ดํ•  ์ˆ˜ ์—†์Šต๋‹ˆ๋‹ค. "ํ™”๋‚œ ๋งํˆฌ๋กœ ๋งํ•ด" ๊ฐ™์€ ์ง€์‹œ๋กœ ๋งํˆฌ๋ฅผ ์ œ์–ดํ•˜๋ ค๋ฉด 1.7B๋ฅผ ์จ์•ผ ํ•ฉ๋‹ˆ๋‹ค.

Qwen3-TTS์™€ CosyVoice 3, ๋ฌด์—‡์„ ๊ณ ๋ฅผ๊นŒ?

๋‘˜ ๋‹ค ์•Œ๋ฆฌ๋ฐ”๋ฐ”๊ฐ€ ์˜คํ”ˆ์†Œ์Šค๋กœ ๊ณต๊ฐœํ•œ Apache-2.0 ๋ผ์ด์„ ์Šค ๋ชจ๋ธ์ด๊ณ , ์ƒ์—…์ ์œผ๋กœ ์“ธ ์ˆ˜ ์žˆ์Šต๋‹ˆ๋‹ค. ๊ฐ™์€ ๋…ธํŠธ๋ถ์—์„œ ๋‘˜ ๋‹ค ํ…Œ์ŠคํŠธํ–ˆ์Šต๋‹ˆ๋‹ค.

ํ•ญ๋ชฉ

Qwen3-TTS 0.6B

CosyVoice 3(0.5B)

๋ผ์ด์„ ์Šค

Apache-2.0

Apache-2.0

์–ธ์–ด

10๊ฐœ

9๊ฐœ(ํฌ๋ฅดํˆฌ๊ฐˆ์–ด ์—†์Œ)

๋ฐฉ์–ธ

๊ธฐ๋ณธ ์Œ์„ฑ์— ๋ฒ ์ด์ง•์–ด, ์“ฐ์ดจ์–ด

18์ข… ์ด์ƒ, ์ง€์‹œ๋ฌธ์œผ๋กœ ์ „ํ™˜

์ค‘๊ตญ์–ด ์ž…๋ ฅ

๋จผ์ € ๊ฐ„์ฒด์ž๋กœ ๋ณ€ํ™˜ํ•ด์•ผ ํ•จ

๋ฒˆ์ฒด์ž๋„ ๋Œ€๋ถ€๋ถ„ ๊ทธ๋Œ€๋กœ ์ž…๋ ฅ ๊ฐ€๋Šฅ

์ง€์‹œ๋ฌธ์œผ๋กœ ๋งํˆฌ ์ œ์–ด

0.6B๋Š” ๋ถˆ๊ฐ€(1.7B์˜ CustomVoice์™€ VoiceDesign์€ ๊ฐ€๋Šฅ, Base๋Š” ๋ถˆ๊ฐ€)

๊ฐ€๋Šฅ(๋ฐฉ์–ธ, ๋งํ•˜๊ธฐ ์†๋„, ๊ฐ์ •)

Intel ๋‚ด์žฅ GPU ์‚ฌ์šฉ

device_map์„ "xpu"๋กœ ๋ฐ”๊พธ๋ฉด ๋

๋ชจ๋ธ์„ ์ง์ ‘ ๋‚ด์žฅ GPU๋กœ ์˜ฎ๊ฒจ์•ผ ํ•จ

๋‚ด์žฅ GPU๋กœ ํ•œ ์ค„ ๋ณต์ œ(๊ฐ™์€ ๋Œ€์‚ฌ)

16~28์ดˆ(bfloat16์ด๋ฉด ๋” ๋น ๋ฆ„)

29~61์ดˆ

CPU๋กœ ํ•œ ์ค„ ๋ณต์ œ

4๋ถ„ ๋ฐ˜ ์ด์ƒ

์•ฝ 2๋ถ„

์–ธ์–ด๋ฅผ ๋„˜๋‚˜๋“œ๋Š” ๋ณต์ œ(์ค‘๊ตญ์–ด ๋…น์Œ์œผ๋กœ ์˜์–ด)

๋งŽ์ด ๋Š๊น€

ํ›จ์”ฌ ๋งค๋„๋Ÿฌ์›€

๊ฐ„๋‹จํžˆ ์ •๋ฆฌํ•˜๋ฉด ์ด๋ ‡์Šต๋‹ˆ๋‹ค.

  • Intel ๋‚ด์žฅ GPU๊ฐ€ ์žˆ๊ณ , ์†๋„๊ฐ€ ์ค‘์š”ํ•˜๊ณ , ๊ธฐ๋ณธ ์Œ์„ฑ์„ ๋ฐ”๋กœ ์“ฐ๊ณ  ์‹ถ๋‹ค๋ฉด: Qwen3-TTS. ์„ค์ •์ด ๊ฐ€์žฅ ๊ฐ„๋‹จํ•˜๊ณ  ํด๋กœ๋‹๋„ ๋” ๋น ๋ฆ…๋‹ˆ๋‹ค.
  • ๋‚ด ๋ชฉ์†Œ๋ฆฌ๋กœ ์˜์–ด ๋“ฑ ๋‹ค๋ฅธ ์–ธ์–ด๋ฅผ ๋งํ•˜๊ฒŒ ํ•˜๊ณ  ์‹ถ๋‹ค๋ฉด: CosyVoice 3. ์–ธ์–ด๋ฅผ ๋„˜๋‚˜๋“œ๋Š” ํด๋กœ๋‹์ด ํ›จ์”ฌ ๋งค๋„๋Ÿฝ์Šต๋‹ˆ๋‹ค.
  • ๋Œ€์‚ฌ๊ฐ€ ์ฃผ๋กœ ๋ฒˆ์ฒด์ž ์ค‘๊ตญ์–ด์ด๊ณ , ๋ฐฉ์–ธ์ด๋‚˜ ๊ฐ์ • ์ง€์‹œ๊ฐ€ ํ•„์š”ํ•˜๋‹ค๋ฉด: CosyVoice 3. ๋ฒˆ์ฒด์ž๋ฅผ ๋Œ€๋ถ€๋ถ„ ๊ทธ๋Œ€๋กœ ๋„ฃ์„ ์ˆ˜ ์žˆ๊ณ , ๊ด‘๋‘ฅ์–ด, ์“ฐ์ดจ์–ด, ๋งํ•˜๊ธฐ ์†๋„, ๊ฐ์ •๋„ ํ•œ ๋ฌธ์žฅ์œผ๋กœ ์ง€์ •ํ•  ์ˆ˜ ์žˆ์Šต๋‹ˆ๋‹ค.
  • CPU๋งŒ ์žˆ๋‹ค๋ฉด: CosyVoice 3๋Š” ํ•œ ์ค„ ๋ณต์ œ์— ์•ฝ 2๋ถ„, Qwen3-TTS๋Š” 4๋ถ„ ๋ฐ˜ ์ด์ƒ ๊ฑธ๋ฆฌ๋ฏ€๋กœ CosyVoice 3๊ฐ€ ๋” ์‹ค์šฉ์ ์ž…๋‹ˆ๋‹ค.

๋‹ค๋ฅธ ์‚ฌ๋žŒ์˜ ๋ชฉ์†Œ๋ฆฌ๋ฅผ ๋ณต์ œํ•ด๋„ ๋ ๊นŒ?

๊ธฐ์ˆ ์ ์œผ๋กœ๋Š” ๊นจ๋—ํ•œ ๋…น์Œ๋งŒ ์žˆ์œผ๋ฉด ๊ฐ€๋Šฅํ•ฉ๋‹ˆ๋‹ค. ํ•˜์ง€๋งŒ ๋ณต์ œ๋Š” ๋‚ด ๋ชฉ์†Œ๋ฆฌ, ๋˜๋Š” ๋‹น์‚ฌ์ž์˜ ๋™์˜๋ฅผ ๋ฐ›์€ ๋ชฉ์†Œ๋ฆฌ๋กœ๋งŒ ํ•˜์„ธ์š”. Apache-2.0 ๋ผ์ด์„ ์Šค๊ฐ€ ์ƒ์—…์  ์ด์šฉ์„ ํ—ˆ์šฉํ•˜๋Š” ๋Œ€์ƒ์€ ๋ชจ๋ธ ์ž์ฒด์ด๋ฉฐ, ๋ˆ„๊ตฌ์˜ ๋ชฉ์†Œ๋ฆฌ๋“  ๋งˆ์Œ๋Œ€๋กœ ์จ๋„ ๋œ๋‹ค๋Š” ๋œป์€ ์•„๋‹™๋‹ˆ๋‹ค. ์œ ๋ช…์ธ์˜ ๋ชฉ์†Œ๋ฆฌ๋Š” ์ธ๊ฒฉ๊ถŒ์œผ๋กœ ๋ณดํ˜ธ๋ฐ›๊ณ , ๋‹ค๋ฅธ ์‚ฌ๋žŒ์˜ ๋ชฉ์†Œ๋ฆฌ๋กœ ๊ทธ ์‚ฌ๋žŒ์ด ํ•˜์ง€ ์•Š์€ ๋ง์„ ํ•˜๊ฒŒ ํ•˜๋ฉด ์‚ฌ๊ธฐ๋‚˜ ๋ช…์˜ˆํ›ผ์†์— ํ•ด๋‹นํ•  ์ˆ˜๋„ ์žˆ์Šต๋‹ˆ๋‹ค.

์ž์ฃผ ๋ฌป๋Š” ์งˆ๋ฌธ

Qwen3-TTS๋Š” ์ƒ์—…์ ์œผ๋กœ ์จ๋„ ๋˜๋‚˜์š”?

๋ฉ๋‹ˆ๋‹ค. Qwen3-TTS์˜ ๋ชจ๋ธ๊ณผ ์Œ์„ฑ ํ† ํฌ๋‚˜์ด์ € ๋ชจ๋‘ Apache-2.0 ๋ผ์ด์„ ์Šค์ž…๋‹ˆ๋‹ค. ๋‹ค๋งŒ ์ฐธ์กฐ ์Œ์„ฑ์€ ๋‚ด ๋ชฉ์†Œ๋ฆฌ์ด๊ฑฐ๋‚˜ ๋‹น์‚ฌ์ž์˜ ๋™์˜๋ฅผ ๋ฐ›์€ ๊ฒƒ์ด์–ด์•ผ ํ•ฉ๋‹ˆ๋‹ค.

NVIDIA ๊ทธ๋ž˜ํ”ฝ์นด๋“œ ์—†์ด Qwen3-TTS๋ฅผ ์„ค์น˜ํ•ด์„œ ๋Œ๋ฆด ์ˆ˜ ์žˆ๋‚˜์š”?

์žˆ์Šต๋‹ˆ๋‹ค. 0.6B๋Š” CPU๋กœ๋„ ๋Œ์•„๊ฐ€์ง€๋งŒ, ๋ณด์ด์Šค ํด๋กœ๋‹์€ ํ•œ ์ค„์— ๋ช‡ ๋ถ„์”ฉ ๊ฑธ๋ฆฝ๋‹ˆ๋‹ค. Intel Core Ultra ๋‚ด์žฅ GPU๋‚˜ Arc ๊ทธ๋ž˜ํ”ฝ์นด๋“œ๊ฐ€ ์žˆ๋‹ค๋ฉด XPU ๋ฒ„์ „ PyTorch๋ฅผ ์„ค์น˜ํ•˜๊ณ  device_map์„ "xpu"๋กœ ๋ฐ”๊พธ์„ธ์š”. ์ œ ๋…ธํŠธ๋ถ์—์„œ๋Š” 6์ดˆ์งœ๋ฆฌ ๋Œ€์‚ฌ ๋ณต์ œ๊ฐ€ ์•ฝ 16~18์ดˆ๋กœ, CPU๋ณด๋‹ค 10๋ฐฐ ์ด์ƒ ๋นจ๋ž์Šต๋‹ˆ๋‹ค.

Qwen3-TTS๋Š” ํ•œ๊ตญ์–ด๋ฅผ ์ง€์›ํ•˜๋‚˜์š”?

์ง€์›ํ•ฉ๋‹ˆ๋‹ค. ํ•œ๊ตญ์–ด๋Š” 10๊ฐœ ์ง€์› ์–ธ์–ด ์ค‘ ํ•˜๋‚˜์ด๊ณ , ํ•œ๊ตญ์–ด๊ฐ€ ๋ชจ๊ตญ์–ด์ธ ๊ธฐ๋ณธ ์Œ์„ฑ Sohee๋„ ์žˆ์Šต๋‹ˆ๋‹ค. ์ค‘๊ตญ์–ด ๋…น์Œ์œผ๋กœ ์ œ ๋ชฉ์†Œ๋ฆฌ๋ฅผ ๋ณต์ œํ•ด ํ•œ๊ตญ์–ด๋ฅผ ๋งํ•˜๊ฒŒ ํ•œ ์˜ˆ์‹œ๋Š” ์œ„์˜ ์‹คํ—˜ 1๊ณผ ์‹คํ—˜ 2์—์„œ ๋“ค์„ ์ˆ˜ ์žˆ์Šต๋‹ˆ๋‹ค.

Qwen3-TTS๋Š” ์ค‘๊ตญ์–ด ๋ฐฉ์–ธ์„ ๋งํ•  ์ˆ˜ ์žˆ๋‚˜์š”?

๊ณต์‹ ์ง€์› 10๊ฐœ ์–ธ์–ด์—๋Š” ๊ด‘๋‘ฅ์–ด์™€ ๋ฏผ๋‚œ์–ด๊ฐ€ ์—†์Šต๋‹ˆ๋‹ค. ๊ธฐ๋ณธ ์Œ์„ฑ์˜ ๋ฐฉ์–ธ๋„ ๋ฒ ์ด์ง•์–ด(Dylan)์™€ ์“ฐ์ดจ์–ด(Eric)๋ฟ์ž…๋‹ˆ๋‹ค. ๊ด‘๋‘ฅ์–ด๊ฐ€ ํ•„์š”ํ•˜๋‹ค๋ฉด ์ง€์‹œ๋ฌธ์œผ๋กœ ๊ด‘๋‘ฅ์–ด๋ฅผ ์ง€์ •ํ•  ์ˆ˜ ์žˆ๋Š” CosyVoice 3๋ฅผ ๊ณ ๋ คํ•ด ๋ณด์„ธ์š”.

Qwen3-TTS 0.6B์™€ 1.7B๋Š” ๋ฌด์—‡์ด ๋‹ค๋ฅธ๊ฐ€์š”?

1.7B์—๋Š” VoiceDesign(์›ํ•˜๋Š” ๋ชฉ์†Œ๋ฆฌ๋ฅผ ๊ธ€๋กœ ์„ค๋ช…ํ•ด ์ƒ์„ฑํ•˜๋Š” ๊ธฐ๋Šฅ)์ด ์žˆ๊ณ , CustomVoice๋„ ์ง€์‹œ๋ฌธ์œผ๋กœ ๋งํˆฌ๋ฅผ ์ œ์–ดํ•  ์ˆ˜ ์žˆ์Šต๋‹ˆ๋‹ค. 0.6B์—๋Š” ๋ณด์ด์Šค ํด๋กœ๋‹๊ณผ ๊ธฐ๋ณธ ์Œ์„ฑ๋งŒ ์žˆ์Šต๋‹ˆ๋‹ค. ๋‘ ํฌ๊ธฐ์˜ ๋ชจ๋ธ ๋ชจ๋‘ 10๊ฐœ ์–ธ์–ด๋ฅผ ์ง€์›ํ•ฉ๋‹ˆ๋‹ค.

๋ณด์ด์Šค ํด๋กœ๋‹์šฉ ์ฐธ์กฐ ๋…น์Œ์€ ์–ผ๋งˆ๋‚˜ ๊ธธ์–ด์•ผ ํ•˜๋‚˜์š”?

๊ณต์‹ ์„ค๋ช…์œผ๋กœ๋Š” 3์ดˆ๋ฉด ๋ณต์ œํ•  ์ˆ˜ ์žˆ์Šต๋‹ˆ๋‹ค. ์ €๋Š” 8์ดˆ์งœ๋ฆฌ ๋…น์Œ์— ํ•œ ๊ธ€์ž๋„ ํ‹€๋ฆฌ์ง€ ์•Š์€ ๋…น์ทจ๋ฌธ์„ ํ•จ๊ป˜ ๋„ฃ์—ˆ์Šต๋‹ˆ๋‹ค. ์กฐ์šฉํ•œ ๊ณณ์—์„œ ํ•œ ์‚ฌ๋žŒ๋งŒ ๋งํ•˜๋Š” ์Œ์„ฑ์„ ๋…น์Œํ•˜์„ธ์š”.

๋งˆ์น˜๋ฉฐ: Intel ๋‚ด์žฅ GPU๋กœ๋„ ๋ณด์ด์Šค ํด๋กœ๋‹์„ ํ•  ์ˆ˜ ์žˆ๋‹ค

์ „์ฒด ๋น„๊ต ๊ธ€์„ ์“ธ ๋•Œ๋งŒ ํ•ด๋„ NVIDIA ๊ทธ๋ž˜ํ”ฝ์นด๋“œ๊ฐ€ ์—†์œผ๋ฉด Qwen3-TTS๋กœ ๋ชฉ์†Œ๋ฆฌ๋ฅผ ๋ณต์ œํ•˜๋Š” ๊ฑด ํฌ๊ธฐํ•ด์•ผ ํ•œ๋‹ค๊ณ  ์ƒ๊ฐํ–ˆ์Šต๋‹ˆ๋‹ค. Intel ๋‚ด์žฅ GPU๋กœ ๋ฐ”๊พธ๋‹ˆ ๊ฐ™์€ ๋ฌธ์žฅ์˜ ์ƒ์„ฑ ์‹œ๊ฐ„์ด 4๋ถ„ ๋ฐ˜ ์ด์ƒ์—์„œ 16~18์ดˆ๋กœ ์ค„์—ˆ๊ณ , ๋ฐ”๊พผ ๊ฑด device_map ํŒŒ๋ผ๋ฏธํ„ฐ ํ•˜๋‚˜๋ฟ์ด์—ˆ์Šต๋‹ˆ๋‹ค. Core Ultra ๋…ธํŠธ๋ถ์„ ์“ฐ๊ณ  ์žˆ๋‹ค๋ฉด ๊ผญ ํ•œ๋ฒˆ ํ•ด ๋ณด์„ธ์š”.

Qwen3-TTS๋ฅผ ์จ ๋ดค๊ฑฐ๋‚˜ Intel ๋‚ด์žฅ GPU๋กœ ๋‹ค๋ฅธ AI ๋ชจ๋ธ์„ ๋Œ๋ ค ๋ณธ ์ ์ด ์žˆ๋‹ค๋ฉด Threads๋‚˜ X์— ๋Œ“๊ธ€์„ ๋‚จ๊ฒจ ์ฃผ์„ธ์š”.