온디바이스 음성 합성 모델 Phonon 출시

팩트Phonon은 서버나 외부 네트워크 연결 없이 사용자의 기기에서 직접 구동하는 온디바이스 음성 합성 모델입니다. 모든 데이터가 기기 내부에 저장되므로 개인정보 보호와 오프라인 환경에서의 활용도가 높습니다.

팩트Phonon은 3,100만 파라미터와 4,000만 파라미터 두 가지 크기로 출시되었습니다. 모델 용량은 각각 65MB와 75MB 수준으로 스마트폰, 노트북, 싱글 보드 컴퓨터 등 다양한 하드웨어 환경에서 작동합니다.

팩트3,100만 파라미터 모델은 아파치 2.0 라이선스를 적용하여 상업적 제품에 무료로 활용할 수 있습니다. 4,000만 파라미터 모델은 영어, 프랑스어, 독일어, 스페인어, 포르투갈어 등 5개 언어를 지원하며 비상업적 용도로 제공됩니다.

주장기존 소형 음성 모델은 품질과 크기 사이에서 타협이 필요했으나, Phonon은 플로우 매칭 기술을 도입하여 이를 극복했습니다. 이 기술은 기존 음성 합성 시스템과 차별화된 방식으로 작은 모델 크기에서도 높은 음성 품질을 구현합니다.

팩트Phonon은 출시 후 2주 만에 20만 회 이상의 다운로드를 기록하며 허깅페이스에서 주목받았습니다. 현재 애플 워치, 아이폰, 로봇 등 다양한 기기에서 데모를 시연하고 있습니다.

교차검증모델 학습 초기에는 수치적 불안정성 문제가 발생하여 품질 확보에 어려움이 있었습니다. 개발팀은 5개 언어 모두에서 고품질 결과를 얻기 위해 기술적 보완 과정을 거쳤습니다.

팩트허깅페이스 오픈 음성 합성 리더보드 평가 결과, Phonon은 독일어와 스페인어 부문에서 1위를 차지했습니다. 또한 중앙처리장치 스트리밍 벤치마크의 첫 오디오 생성 시간 항목에서 최상위 성능을 기록했습니다.

주장개발팀은 Phonon의 성능을 극대화하기 위해 피티티에스(ptts)라는 전용 추론 프레임워크를 새로 구축했습니다. 이 프레임워크는 중앙처리장치, 그래픽처리장치, 신경망처리장치 등 10개 이상의 백엔드를 지원하여 다양한 하드웨어에서 최적의 성능을 냅니다.

팩트Phonon은 허깅페이스의 트랜스포머스(Transformers) 라이브러리 v5.21 버전부터 공식 지원됩니다. 개발자는 기존 파이토치 생태계 내에서 Phonon을 쉽게 통합하고 활용할 수 있습니다.

주장온디바이스 환경에서의 데이터 처리는 사용자 경험을 개선하는 핵심 요소입니다. Phonon은 기기 자체의 연산 자원을 활용해 지연 시간을 최소화합니다.

교차검증다만, 다국어 지원 모델의 경우 하드웨어 사양에 따라 추론 속도에 차이가 발생할 수 있습니다. 개발팀은 다양한 환경에서의 최적화를 지속할 계획입니다.

출처허깅페이스 공식 블로그(https://huggingface.co/blog/phonon-tts)의 보도를 교차 검증했습니다.