Vogent Voicelab

Vogent Voicelab은 최상위 오픈소스 텍스트 음성 변환 모델을 돌리는 API다. 음성 벤치마크 상위에 늘 오르는 모델들을 직접 GPU를 세우지 않고 쓸 수 있다. 텍스트를 엔드포인트로 보내고 목소리를 고르면 오디오가 돌아온다. 할 일은 그게 전부이며, 관리할 구독을 하나 더 늘리고 싶지 않은 개발자를 겨냥한다.

끌리는 건 모델이다. Sesame의 CSM-1B는 자연스러운 주고받기 대화를 잘 다루고, Dia는 일반 텍스트를 읽으며 웃음이나 한숨 같은 감정 태그도 받는다. Orpheus는 감정 표현을 더 밀어붙인다. 몇 주마다 새 오픈소스 목소리가 나오고, Voicelab은 늘 갱신되는 목록을 유지해 스택을 고치지 않고 최신 모델을 시험하게 해준다.

미리 알아둘 조건도 있다. 일부 모델은 아직 후학습을 거치지 않아 생성마다 품질이 흔들릴 수 있고, 지금 라인업은 거의 영어가 먼저다. Voicelab은 근본적으로 개발자 도구라, 값어치는 음성을 앱에 붙일 때 드러난다. 한 문장을 빨리 읽어주길 원할 때가 아니다.

Getting Started

1. app.vogent.ai에서 가입하고 사이드바의 API 항목에서 무료 키를 받는다.
2. 라이브러리에서 목소리를 고르거나 15~20초 클립을 올려 자기 목소리를 복제한다.
3. 텍스트와 voiceId를 TTS 엔드포인트로 POST 전송하고 돌아온 오디오 파일을 저장한다.
4. 두 사람의 대화가 필요하면 multispeaker 엔드포인트로 바꿔 줄마다 다른 목소리를 지정해 넘긴다.
5. 실시간 앱에서는 WebSocket 경로를 열어 문장이 끝나기 전에 소리가 나도록 텍스트를 스트리밍한다.