샌드북(Sandbook)이 개발한 '코코로 TTS(Kokoro TTS)'가 웹브라우저에서 직접 구동되는 혁신적인 음성 합성 서비스를 선보였습니다. 사용자가 입력한 텍스트를 서버로 전송하지 않고, 웹브라우저 내에서 직접 음성으로 변환해주는 것이 특징입니다. 이를 통해 개인 정보 유출 우려 없이 무료로 고품질의 음성 파일을 생성할 수 있게 되었습니다.
코코로 TTS는 8,200만 개의 매개변수(parameter)를 가진 소형 오픈 텍스트-음성 변환(text-to-speech, TTS) 모델인 '코코로-82M'을 기반으로 합니다. 이 모델은 영어, 스페인어, 프랑스어, 이탈리아어, 브라질 포르투갈어, 힌디어 등 6개 언어로 41가지의 다양한 목소리를 제공합니다. 사용자는 최대 1,500자까지 텍스트를 입력할 수 있으며, 생성된 음성 파일은 24kHz WAV 형식으로 다운로드 가능합니다. 특히, 웹GPU(그래픽 카드)를 지원하는 최신 브라우저에서는 40단락 분량의 텍스트를 약 3초 만에 처리할 정도로 빠른 속도를 자랑하며, 웹어셈블리(WebAssembly)를 통한 CPU 구동도 가능해 다양한 환경에서 활용할 수 있습니다.
이 서비스의 가장 큰 장점은 모든 음성 변환 과정이 사용자 기기 내에서 이루어진다는 점입니다. 첫 사용 시 모델 파일(WebGPU 기준 326MB)을 한 번 다운로드하면, 이후에는 브라우저 캐시에서 모델을 불러와 몇 초 만에 음성 생성이 가능합니다. 이는 클라우드 기반 TTS 서비스와 달리 서버 비용이 발생하지 않아 무료로 제공될 수 있는 핵심 요인이기도 합니다. 또한, 아파치-2.0(Apache-2.0) 라이선스로 배포되어 상업적 이용까지 허용되므로, 개인 콘텐츠 제작자나 소규모 비즈니스에서 비용 부담 없이 활용할 수 있는 강력한 도구가 될 것으로 기대됩니다.