세팅과 모델 선택

이 하네스는 세팅을 추측으로 시작하지 않습니다. 칩이 무엇인지, Python이 몇 버전인지, ffmpeg가 깔려 있는지를 먼저 확인하고, 그 결과를 근거로 모델을 추천합니다. “처음 세팅하려고 해” 또는 “내 맥에서 쓸 모델 추천해줘”라고 말하면 setup-advisor가 진입점입니다.

1) 환경 감지

추천보다 감지가 먼저입니다. local-env-setup 스킬이 scripts/detect_env.sh로 아래를 수집합니다.

• 칩: uname -m. arm64면 Apple Silicon, x86_64면 Intel이나 Linux입니다.
• 맥이면 통합메모리: sysctl hw.memsize.
• Python 버전: 3.10과 3.11이 호환성이 가장 좋고, 일부 모델은 3.12까지 됩니다.
• ffmpeg와 ffprobe: 오디오 조립에 반드시 필요합니다. 없으면 brew install ffmpeg.
• GPU: Linux면 nvidia-smi, 맥이면 PyTorch 설치 뒤 torch.backends.mps.is_available()로 MPS 가속을 확인합니다.

감지 결과를 표로 요약하고 부족한 것부터 안내합니다. ffmpeg가 없으면 그것부터 깔고 넘어갑니다.

2) 모델 선택

감지가 끝나면 네 가지를 묻습니다. 주 언어가 한국어인지 영어인지, 하드웨어가 무엇인지, 상업적으로 쓸 것인지, 품질과 설치 난이도 중 무엇을 우선할지입니다. 답에 따라 한두 개만 추천합니다. 여섯 개를 나열하지 않습니다.

한국어가 주 언어라면 현실적인 후보는 셋으로 좁혀집니다.

• 최고 품질을 원하고 설치 부담을 감수하면 GPT-SoVITS v2Pro입니다. MIT라 상업적으로도 쓸 수 있고, 참조음성 5초면 됩니다. 대신 conda와 Gradio 세팅이 무겁습니다.
• 작고 관대한 라이선스에 공식 한국어를 원하면 CosyVoice2-0.5B입니다. Apache-2.0이고 참조음성 3초, MPS 가속이 병합돼 있습니다.
• 그냥 제일 쉽게 시작하고 싶으면 XTTS-v2입니다. pip install coqui-tts 한 줄이면 되지만, 가중치가 개인용 라이선스라 상업적으로는 못 쓰고 MPS에서 불안정해 CPU로 느리게 돕니다.

고르는 근거와 결정 트리는 모델 비교에 자세히 있습니다. 추천은 못 박는 것이 아니라 출발점이라서, 실제로 짧은 문장을 합성해 들어 보고 바꿔도 됩니다.

3) 설치

모델별로 venv를 따로 두기를 권합니다. torch 버전이나 mecab, espeak 의존성이 서로 충돌하는 일이 잦습니다.

python3 -m venv .venv-cosyvoice && source .venv-cosyvoice/bin/activate
python -m pip install -U pip

선택한 모델의 설치 레시피는 local-env-setup 스킬이 꺼내 실행하거나 안내합니다. 예를 들어 XTTS-v2는 이렇습니다.

pip install coqui-tts
# 첫 실행 때 가중치가 자동으로 내려옵니다.
# MPS에서 멈추면 device="cpu"로 강제하거나 아래를 켭니다.
export PYTORCH_ENABLE_MPS_FALLBACK=1

CosyVoice2와 GPT-SoVITS는 git clone과 conda 환경 구성이 필요해 조금 더 손이 갑니다. 가중치는 각각 HuggingFace의 FunAudioLLM/CosyVoice2-0.5B와 lj1995/GPT-SoVITS에서 받습니다.

알아 둘 함정

• XTTS는 MPS에서 멈추는 사례가 알려져 있습니다. CPU로 돌리면 안전하지만 실시간보다 느립니다.
• OpenVoice의 한국어 베이스인 MeloTTS는 mecab-ko와 unidic 설치가 관문입니다. Apple Silicon에서 brew mecab을 먼저 깔아야 할 수 있습니다.
• 가중치를 받을 때만 인터넷이 필요하고, 그 뒤로는 완전히 오프라인으로 돕니다.

다음

설치가 끝났으면 참조음성 준비로 당신의 목소리를 담습니다. 참조 클립의 품질이 결과 품질을 사실상 결정합니다.