clone-voice은(는) 무엇을 하나요?
🎙️ 에이전트 스킬 — Qwen3-TTS 0.6B를 사용한 오프라인 제로샷 음성 복제. 참조 오디오와 텍스트를 입력하면 복제된 음성을 얻을 수 있습니다. CPU/MPS/CUDA 지원, 10개 언어.
개요
이 스킬은 오프라인 제로샷 음성 복제를 가능하게 합니다. 단 하나의 참조 오디오 클립만으로 누구의 목소리든 복제하여 원하는 텍스트를 자연스럽게 읽게 할 수 있습니다. 모든 처리는 로컬에서 이루어지므로 개인정보 보호가 보장됩니다.
지원 언어
- 영어
- 중국어 (간체)
- 일본어
- 한국어
- 프랑스어
- 독일어
- 스페인어
- 포르투갈어
- 러시아어
- 아랍어
하드웨어 지원
- CPU: Intel/AMD (X86), Apple Silicon (ARM)
- GPU: NVIDIA CUDA (VRAM 4GB 이상 권장)
- Apple MPS: M1/M2/M3/M4 시리즈
설치
pip install qwen-tts soundfile librosa
또는 저장소를 클론합니다:
git clone https://github.com/haoyiyin/clone-voice.git
cd clone-voice
pip install -r requirements.txt
사용법
기본 사용
from clone_voice import VoiceCloner
cloner = VoiceCloner()
cloner.clone(
reference_audio="path/to/reference.wav", # 목소리 참조 파일
text="안녕하세요, 반갑습니다.", # 합성할 텍스트
output_path="output.wav" # 출력 파일 경로
)
CLI 사용
python clone.py --reference audio.wav --text "안녕하세요, 반갑습니다." --output result.wav
API 참조
| 매개변수 | 타입 | 설명 | 기본값 |
|---|---|---|---|
reference_audio | str | 참조 음성 파일 경로 (필수) | - |
text | str | 합성할 텍스트 (필수) | - |
output_path | str | 출력 오디오 파일 경로 | output.wav |
language | str | 텍스트 언어 코드 | auto |
device | str | 사용할 장치 (cpu, cuda, mps) | auto |
예제
다국어 혼합
cloner.clone(
reference_audio="english_speaker.wav",
text="Hello, 你好, 안녕하세요. This is a multilingual example.",
language="auto",
output_path="multilingual_output.wav"
)
환경 변수
MODEL_CACHE_DIR: 모델 캐시 디렉토리 경로 (기본값:~/.cache/clone-voice)DEVICE: 기본 장치 오버라이드 (기본값: 자동 탐지)
제한 사항
- 참조 오디오는 3~10초 길이의 명확한 음성이어야 최상의 품질을 얻을 수 있습니다.
- 배경 잡음이 심한 오디오는 복제 품질이 저하될 수 있습니다.
- 첫 번째 실행 시 모델 다운로드가 필요하며, 약 1.2GB의 디스크 공간이 필요합니다.
- 긴 텍스트(300자 이상)는 여러 청크로 분할되어 처리됩니다.
라이선스
MIT License — 자유롭게 사용, 수정, 배포하실 수 있습니다.
참고
이 스킬은 Qwen3-TTS 0.6B 모델을 기반으로 합니다. 자세한 내용은 원본 모델 저장소를 참고하세요.