Applio

파일 하나를 변환하는 기능이 대부분의 출발점이다. WAV를 올리고 첫 시도에서 피치를 0으로 두면, 엔진이 단어와 리듬은 유지한 채 클립을 대상 목소리로 다시 합성한다. 배치 모드는 같은 모델과 설정을 폴더 전체에 반복 적용해서, 테이크가 수십 개 쌓였을 때 시간을 아껴 준다.

실시간 작업 공간은 마이크 입력을 작은 블록으로 잘라 처리하고 낮은 지연으로 변환된 오디오를 돌려준다. 청크 크기, 크로스페이드, 추가 컨텍스트 세 가지가 지연과 안정성 사이의 균형을 잡는 손잡이다. 데스크톱판에는 패스스루 단축키와 트레이 제어도 있어서 방송을 끊지 않고 원래 목소리로 돌아갈 수 있다.

여기서는 기존 목소리를 복사하는 게 아니라 녹음에서 목소리를 만든다. Applio가 전처리, 특징 추출, 학습, 인덱스 생성을 한 번에 자동으로 돌리거나 단계별로 나눠 반복 실행할 수 있게 이끈다. 데스크톱판은 선택한 아키텍처가 허용하는 범위에서 32~48kHz 샘플링 레이트를 지원하고, HiFi-GAN과 RefineGAN 보코더도 고를 수 있다.

Applio는 대본을 Edge TTS로 보내 합성하고, 그 오디오를 RVC 모델에 통과시킨다. TTS 목소리가 언어와 읽는 방식을 정하고, 모델이 화자의 정체성을 맡는다. 이렇게 나눠 두면 맞는 TTS 목소리만 고르면 같은 모델로 영어, 스페인어, 일본어를 모두 읽힐 수 있다.

한 번의 변환에 여러 처리를 얹을 수 있다. 긴 파일 나누기, 음정으로 향하는 오토튠, 목표 피치 지정, 노이즈 정리, 포먼트 시프트, 그리고 리버브, 딜레이, 리미터, 코러스, 컴프레서, 비트크러시가 포함된 후처리 체인이다. 다른 편집기로 갈 일을 줄여 준다. 다만 여러 개를 한꺼번에 걸면 무엇이 바뀌었는지 듣기 어려워진다.

엔진은 MIT 라이선스이고 저장소에 추론, 배치 변환, 텍스트 음성 변환용 명령줄 인터페이스가 들어 있다. 반복 변환은 클릭 열몇 번 대신 셸 명령 한 줄이 되고, 같은 코드를 더 큰 연구 프로젝트에 넣을 수도 있다.

엔진은 하나, 입구는 둘이다. 데스크톱 앱은 작업 공간과 작업 기록, 설치 진단을 묶었고, Gradio 버전은 브라우저 탭에서 돌아 기존 로컬 환경이나 클라우드 노트북 흐름에 맞는다. 임베더와 인덱스를 짝으로 유지하면 음성 모델을 양쪽에서 함께 쓸 수 있다.