Weights Gg

가장 큰 매력은 크리에이터가 훈련한 RVC 음성 모델을 공개하는 공유 라이브러리였다. 다른 사람이 만든 모델을 둘러보고, 처음부터 훈련하는 대신 자기 오디오에 적용할 수 있었다. 그래서 음성 복제는 개인 작업이라기보다 협업 컬렉션에 가까워졌다. 보고, 고르고, 실행한다. 발상은 그것뿐이다.

Weights.gg에서는 곡을 복제 모델에 넣으면 다른 목소리로 불린 버전이 나왔다. 작업 흐름은 보통 먼저 보컬을 반주에서 분리하고, 다음으로 분리한 보컬을 변환하고, 마지막으로 둘을 다시 합치는 순서였다. 커버는 플랫폼에서 사람들이 가장 많이 만든 결과물이었고, 이유는 금방 알 수 있다. 곡을 고르고, 목소리를 고르고, 시작하면 된다.

노래를 넘어 모델은 일반 말소리도 처리했다. 사용자는 글자를 입력하거나 붙여 넣고 훈련한 목소리의 오디오를 받았다. 내레이션, 밈, 짧은 음성 클립에 편했다. 같은 모델 라이브러리를 쓰므로 커버용으로 훈련한 것이 음성 합성 목소리로도 그대로 쓰였다.

Replay는 무료 companion 앱이었다. 한 번에 세 가지 일을 처리했다. 트랙을 분리하고, 목소리를 바꾸고, 오디오를 다시 합친다. Windows와 Mac에서 로컬로 돌았다. 웹 변환이 때때로 마주치는 대기열을 피할 수 있었다. 한꺼번에 많은 오디오를 처리하는 사람에게 현실적인 선택이었다.

속을 들여다보면 플랫폼은 RVC를 써서 클립의 내용은 그대로 두고 음색만 교체했다. 덕분에 몇 분의 깨끗한 말소리만으로도 훈련이 됐다. 스튜디오 녹음은 필요 없다. 동시에 출력 품질이 원본 샘플이 얼마나 깨끗한지에 크게 좌우된다는 뜻이기도 했다.

그렇다면 사람들이 직접 꾸린 RVC 환경 대신 이것을 고른 이유는 무엇인가. 창 하나로 끝나는 흐름이었다. 훈련, 탐색, 변환, 내보내기가 하나의 브라우저 작업 공간에 모여 있었다. 거친 음성 샘플에서 완성 파일까지 가는 데 별도의 머신러닝 환경도, 수많은 로컬 의존성도 필요 없었다. 초보자에게 이 창 하나 흐름은 직접 꾸린 RVC 설치보다 Weights.gg를 고르는 주된 이유였다. 탭 하나로 처음부터 끝까지.