AI 음성 생성 (superpowers)

belt CLI 스킬 설치: npx skills add belt-sh/cli

AI 음성 생성

inference.sh CLI를 통해 자연스러운 AI 음성을 생성하세요.

빠른 시작

inference.sh CLI(belt)가 필요합니다. 설치 방법

belt login

# 음성 생성
belt app run infsh/kokoro-tts --input '{
  "prompt": "안녕하세요! 이것은 자연스럽고 매력적인 AI 생성 음성입니다.",
  "voice": "af_sarah"
}'

사용 가능한 모델

모델	앱 ID	최적 용도
Inworld TTS-2	inworld/text-to-speech-2	100개 이상 언어, 감정/비언어적 제어, 전달 모드
Inworld TTS 1.5 Max	inworld/text-to-speech-1-5-max	저지연(<200ms), 15개 언어
Inworld TTS 1.5 Mini	inworld/text-to-speech-1-5-mini	초저지연(~120ms), 15개 언어, 실시간
ElevenLabs TTS	elevenlabs/tts	프리미엄 품질, 22개 이상 음성, 32개 언어
ElevenLabs Voice Changer	elevenlabs/voice-changer	기존 음성 녹음 변환
Kokoro TTS	infsh/kokoro-tts	자연스러운 다중 음성
DIA	infsh/dia-tts	대화형, 표현력 풍부
Chatterbox	infsh/chatterbox	캐주얼, 엔터테인먼트
Higgs	infsh/higgs-tts	전문 내레이션
VibeVoice	infsh/vibevoice	감정 표현 다양

Kokoro 음성 라이브러리

미국 영어

음성 ID	성별	스타일
af_sarah	여성	따뜻하고 친근한
af_nicole	여성	전문적인
af_sky	여성	젊고 활기찬
am_michael	남성	권위적인
am_adam	남성	대화체
am_echo	남성	명확하고 중립적인

영국 영어

음성 ID	성별	스타일
bf_emma	여성	우아한
bf_isabella	여성	따뜻한
bm_george	남성	클래식한
bm_lewis	남성	현대적인

Inworld TTS — 캐릭터 및 감정 음성

Inworld TTS-2는 캐릭터 음성, 게임 및 표현력 있는 음성에 특화되어 있습니다. 텍스트 내에서 [bracket]을 사용하여 감정, 비언어적 표현 및 전달 제어를 인라인으로 적용하세요:

# 감정 제어가 포함된 표현력 있는 캐릭터 음성
belt app run inworld/text-to-speech-2 --input '{
  "text": "[excited] 오, 와! 당신이 고대 유물을 실제로 찾았네요! [gasp] 믿을 수가 없어요... [whisper] 이건 우리끼리만 알고 있어야 해요.",
  "voice_id": "Sarah",
  "delivery_mode": "CREATIVE"
}'

# 안정적인 전달의 차분한 내레이터
belt app run inworld/text-to-speech-2 --input '{
  "text": "태양이 산 너머로 지며 계곡에 긴 그림자를 드리웠습니다. 새로운 장이 곧 시작되려 하고 있었습니다.",
  "voice_id": "Sarah",
  "delivery_mode": "STABLE"
}'

전달 모드: STABLE (일관된 내레이션), BALANCED (자연스러운 기본값), CREATIVE (표현력 있는 캐릭터)

제어 예시: [laugh], [sigh], [whisper], [excited], [sad], [angry], [pause], [gasp]

내장 음성 (15개 언어 271개 이상): Sarah, Alex, Ashley, Dennis, Hana, Blake, Luna, Clive 등 더 많은 음성을 Inworld TTS Playground에서 확인하세요.

실시간/대화형 AI를 위한 저지연

# 챗봇 및 게임 NPC를 위한 초고속 응답 (~120ms)
belt app run inworld/text-to-speech-1-5-mini --input '{
  "text": "어서 오세요, 여행자님. 우리 마을에 무슨 일로 오셨나요?",
  "voice_id": "Clive",
  "speaking_rate": 0.9
}'

음성 생성 예제

전문 내레이션

belt app run infsh/kokoro-tts --input '{
  "prompt": "분기별 실적 발표에 오신 것을 환영합니다. 오늘은 지난 분기의 재무 성과와 전략적 이니셔티브에 대해 논의하겠습니다.",
  "voice": "am_michael",
  "speed": 1.0
}'

대화체 스타일

belt app run infsh/dia-tts --input '{
  "text": "저기, 우리가 논의했던 그 프로젝트에 대해 생각해봤는데요. 다른 접근 방식을 시도해보는 건 어떨까요?",
  "voice": "conversational"
}'

오디오북 내레이션

belt app run infsh/kokoro-tts --input '{
  "prompt": "제1장. 아침 안개가 계곡 위로 낮게 깔려 있었고, Sarah는 구불구불한 길을 따라 내려가고 있었습니다. 그녀는 몇 시간째 걷고 있었습니다.",
  "voice": "bf_emma",
  "speed": 0.9
}'

비디오 음성 해설

belt app run infsh/kokoro-tts --input '{
  "prompt": "차세대 생산성을 소개합니다. 더 스마트하게, 더 효율적으로 일하세요.",
  "voice": "af_nicole",
  "speed": 1.1
}'

팟캐스트 호스트

belt app run infsh/kokoro-tts --input '{
  "prompt": "Tech Talk에 다시 오신 것을 환영합니다! 저는 여러분의 호스트이고, 오늘은 인공지능의 세계에 대해 깊이 파고들 것입니다.",
  "voice": "am_adam"
}'

다중 음성 대화

# 두 화자 간의 대화 생성
# 화자 1
belt app run infsh/kokoro-tts --input '{
  "prompt": "최신 AI 발전 상황 보셨어요? 모든 게 정말 빠르게 움직이고 있어요.",
  "voice": "am_michael"
}' > speaker1.json

# 화자 2
belt app run infsh/kokoro-tts --input '{
  "prompt": "그러게 말입니다! 지난주에 새 이미지 생성기를 사용해봤는데 정말 놀랐어요.",
  "voice": "af_sarah"
}' > speaker2.json

# 대화 병합
belt app run infsh/media-merger --input '{
  "audio_files": ["<speaker1-url>", "<speaker2-url>"],
  "crossfade_ms": 300
}'

장문 콘텐츠

청크 처리

5000자를 초과하는 콘텐츠는 여러 청크로 나누어 처리하세요:

# 긴 텍스트를 청크로 처리
TEXT="여기에 매우 긴 텍스트를 넣으세요..."

# 분할 및 생성
# 청크 1
belt app run infsh/kokoro-tts --input '{
  "prompt": "<chunk-1>",
  "voice": "bf_emma"
}' > chunk1.json

# 청크 2
belt app run infsh/kokoro-tts --input '{
  "prompt": "<chunk-2>",
  "voice": "bf_emma"
}' > chunk2.json

# 청크 병합
belt app run infsh/media-merger --input '{
  "audio_files": ["<chunk1-url>", "<chunk2-url>"],
  "crossfade_ms": 100
}'

음성 + 비디오 워크플로우

비디오에 음성 해설 추가

# 1. 음성 해설 생성
belt app run infsh/kokoro-tts --input '{
  "prompt": "이 놀라운 영상은 자연이 가장 순수한 형태로 보여주는 아름다움을 담고 있습니다.",
  "voice": "am_michael"
}' > voiceover.json

# 2. 비디오와 병합
belt app run infsh/media-merger --input '{
  "video_url": "https://your-video.mp4",
  "audio_url": "<voiceover-url>"
}'

토킹 헤드 생성

# 1. 음성 생성
belt app run infsh/kokoro-tts --input '{
  "prompt": "안녕하세요, 오늘 여러분과 몇 가지 소식을 공유하게 되어 기쁩니다.",
  "voice": "af_sarah"
}' > speech.json

# 2. 아바타로 애니메이션
belt app run bytedance/omnihuman-1-5 --input '{
  "image_url": "https://portrait.jpg",
  "audio_url": "<speech-url>"
}'

속도 및 템포

속도	효과	용도
0.8	느리고 신중한	오디오북, 명상
0.9	약간 느린	교육, 튜토리얼
1.0	보통	일반 용도
1.1	약간 빠른	광고, 에너지 넘치는 콘텐츠
1.2	빠른	빠른 안내 방송

# 느린 내레이션
belt app run infsh/kokoro-tts --input '{
  "prompt": "심호흡을 해보세요. 긴장을 풀어보세요.",
  "voice": "bf_emma",
  "speed": 0.8
}'

리듬 제어를 위한 문장 부호

문장 부호를 사용하여 음성 리듬을 제어하세요:

문장 부호	효과
마침표 .	완전한 멈춤
쉼표 ,	짧은 멈춤
...	긴 멈춤
!	강조
?	의문 억양
-	빠른 끊김

belt app run infsh/kokoro-tts --input '{
  "prompt": "잠깐만요... 방금 들었어요? 무언가가 오고 있어요. 큰 일이요!",
  "voice": "am_adam"
}'

모범 사례

1. 음성을 콘텐츠에 맞추세요 - 비즈니스에는 전문적인 목소리, 소셜 미디어에는 캐주얼한 목소리
2. 문장 부호를 활용하세요 - 마침표와 쉼표로 템포 조절
3. 문장을 짧게 유지하세요 - 생성이 더 쉽고 자연스럽게 들립니다
4. 다양한 음성을 테스트하세요 - 같은 텍스트라도 음성마다 다르게 들립니다
5. 속도를 조절하세요 - 약간 느린 속도가 더 자연스럽게 들리는 경우가 많습니다
6. 긴 콘텐츠는 나누세요 - 일관성을 위해 청크 단위로 처리

사용 사례

• 음성 해설 - 비디오 내레이션, 광고
• 오디오북 - 전체 도서 내레이션
• 팟캐스트 - AI 호스트 및 게스트
• 이러닝 - 강좌 내레이션
• 접근성 - 화면 읽기 콘텐츠
• IVR - 전화 시스템 메시지
• 콘텐츠 현지화 - 번역 및 음성

관련 스킬

# ElevenLabs TTS (프리미엄, 22개 이상 음성)
npx skills add inference-sh/skills@elevenlabs-tts

# ElevenLabs 음성 변환기 (녹음 변환)
npx skills add inference-sh/skills@elevenlabs-voice-changer

# 모든 TTS 모델
npx skills add inference-sh/skills@text-to-speech

# 팟캐스트 생성
npx skills add inference-sh/skills@ai-podcast-creation

# AI 아바타
npx skills add inference-sh/skills@ai-avatar-video

# 비디오 생성
npx skills add inference-sh/skills@ai-video-generation

# 전체 플랫폼 스킬
npx skills add inference-sh/skills@infsh-cli

오디오 앱 둘러보기: belt app list --category audio