Gradium Phonon: 오프라인 음성, 라이선스 제한과 클라우드 TTS 선택 기준

Gradium Phonon은 자체 하드웨어에서 스트리밍 텍스트 음성 변환을 실행합니다. 첫 안정 버전 (새 탭에서 열립니다)은 2026년 10월 20일 출시됐으며, Gradium은 다음 날 이를 공식 발표했습니다. 오프라인 앱에서는 음성 기능에 정상적인 연결이 필요한지가 달라집니다. 보이스오버를 완성하는 크리에이터에게는 직접 배포하는 작업이 불필요할 수도 있습니다.

먼저 라이선스를 구분해야 합니다. Apache 2.0은 Phonon 31m 영어 모델에만 적용됩니다. 다국어 모델을 포함한 40m 모델은 비상업용 CC BY-NC 4.0입니다. 2026년 10월 26일 기준 OmniArt에서는 Phonon을 제공하지 않습니다. 클라우드 옵션으로는 ElevenLabs와 MiniMax Speech가 있습니다. 오디오로 하려는 작업에 맞춰 두 방식을 선택하세요.

온디바이스 TTS의 의미#

온디바이스 TTS는 필요한 파일을 설치한 후 로컬에서 음성을 생성합니다. 클라우드 TTS는 대본을 원격 서비스에 보내고 오디오를 돌려받습니다. 로컬 추론으로 합성 단계를 오프라인에서 처리할 수 있지만, 다른 기능이 계속 외부로 데이터를 보낸다면 앱 전체의 개인정보 보호를 보장하지는 않습니다.

화면 읽기 기능이 통신이 끊긴 기차 안에서도 말해야 한다면 오프라인 작동은 필수입니다. 영상용 내레이션을 내보내는 경우 청취자는 완성된 파일을 재생하므로 생성 도구 자체가 오프라인일 필요는 없습니다.

Gradium Phonon의 출시 구성#

다음은 2026년 10월 26일 확인한 Hugging Face 모델 카드 (새 탭에서 열립니다)의 사양이며, 전체 앱의 다운로드 크기가 아닙니다. 매개변수 수에는 오디오 토크나이저가 포함되지 않습니다. 크기는 8비트 양자화된 model.q8.gguf 가중치 파일을 뜻합니다.

카드에는 모노 24 kHz 출력이라고 명시돼 있습니다. Gradium 제품 페이지 (새 탭에서 열립니다)는 작은 모델의 다운로드 크기를 64 MB로 반올림하며, 보도자료 (새 탭에서 열립니다)에는 90 MB라는 발언도 인용돼 있습니다. 저장 공간을 계산할 때는 모델 카드에서 지목한 파일의 크기를 사용하고, 대상 기기에서 전체 번들과 실행 중 메모리를 측정하세요.

v0.4.0 설명에는 PyTorch 없이 작동하는 Rust 런타임과 Python, 브라우저, Rust, Swift, Android 옵션이 소개돼 있습니다. 진입점에는 uvx ptts, pip install ptts, npm install phonon-tts, cargo add ptts가 있습니다. OpenAI 호환 서버와 Home Assistant용 Wyoming 지원도 제공합니다.

10월 26일 확인한 릴리스 목록 (새 탭에서 열립니다)의 최신 버전은 v0.4.1 이후의 v0.4.2입니다. 첨부된 모델 번들은 여전히 v0.4.0 버전입니다. 후속 설명에는 Mac Catalyst와 브라우저 패키지 라이선스 고지를 비롯한 문서 및 플랫폼 변경 사항이 담겨 있습니다. v0.4.2에는 Mimi 디코더 설정 옵션도 추가됐습니다.

라이선스 문제#

10월 21일 출시 보도자료 (새 탭에서 열립니다)는 영어 31m 저장소에 연결하면서 다국어 가중치를 Apache 2.0이라고 설명합니다. 이는 모델 카드, v0.4.0 릴리스 설명, 제품 페이지와 상충합니다. 다국어 모델을 포함한 40m 가중치는 CC BY-NC 4.0입니다.

모델 카드에 따르면 런타임은 MIT OR Apache-2.0 라이선스의 별도 프로젝트입니다. 의존성을 검토할 때 추론 코드의 재배포 허가와 특정 모델의 이용 허가를 구분해야 합니다. 이 글은 공개된 문서를 소개하며, 개별 상업 계약 조건을 해석해 확정하지 않습니다.

음성 제작에도 별도의 경계가 있습니다. Gradium은 클라우드 API로 음성을 복제하고 설계한 뒤 음성 파일을 내려받아 로컬 합성에 사용하는 방식을 설명합니다. 이는 오프라인 음성 복제가 아닙니다. 전체 설정 과정을 오프라인으로 처리해야 하는 프로젝트는 음성을 생성하는 방식뿐 아니라 음성 파일을 확보하는 방식도 고려해야 합니다.

Phonon 성능(제공업체 보고)#

Gradium의 10월 20일 기술 게시물 (새 탭에서 열립니다)은 다음과 같은 영어 난문장 단어 오류율을 보고합니다. 2026년 10월 26일 확인한 제공업체의 벤치마크 결과이며 OmniArt 청취 테스트 결과는 아닙니다.

제공업체가 테스트 문장, 전사 모델 qwen3.8-omni-flash, WER 평가 모델 gemma-4-31b-it를 선택했습니다. 공개 데이터셋은 gradium/tts-hard-sentences-202610 (새 탭에서 열립니다)입니다. 낮은 WER은 이 조건에서의 전사 정확도를 나타내며, 연기력이나 감정 표현의 폭 또는 대본 적합도를 측정하지는 않습니다. 2026년 10월 26일에 확인한 phonon-31m-en 모델 카드 (새 탭에서 열립니다)에는 이와 다른 반올림된 하드 세트 LLM WER 수치가 있습니다. Phonon 31m은 1.5%, 40m multilingual은 2.0%, 40m English는 2.3%입니다(벤더 발표). 위 표는 기술 게시물의 수치를 사용합니다.

같은 게시물은 평가자 1,189명과 투표 17,270건이 참여한 블라인드 쌍대 청취 테스트도 보고합니다. 또한 MacBook Air M5 CPU에서 첫 오디오까지 약 7 ms, Kokoro는 517 ms라고 보고하며, Raspberry Pi 5에서 31m은 38 ms와 실시간 대비 3.7배의 생성 속도를 기록했다고 합니다. Kokoro는 스트리밍을 지원하지 않아 첫 오디오 수치에 완전한 문장 생성이 포함됩니다. 제품 페이지는 별도로 iPhone 16 Pro에서 실시간 대비 최대 22배라고 주장합니다(제공업체 보고).

이 수치는 특정 기기의 결과이며 지연 시간 보장이 아닙니다. 런타임을 선택하기 전에 자체 하드웨어에서 대표적인 이름, 숫자와 문장을 테스트하세요.

온디바이스 Phonon과 OmniArt 클라우드 TTS 비교#

다음 표를 선택의 출발점으로 활용하세요. 실측 품질 순위가 아닌 작업 흐름에 관한 안내입니다.

2026년 10월 26일 기준 OmniArt 공개 카탈로그에는 Eleven v3가 74개 언어, Multilingual v2가 29개, Turbo v2.5가 32개, MiniMax Speech 2.8 두 버전이 각각 39개 언어로 표시돼 있습니다. 자동 언어 선택은 제외한 수치입니다. ElevenLabs는 Starter 이상 요금제가 필요하며 MiniMax Speech 2.8은 Free 요금제에서 이용할 수 있습니다. 아래 크레딧 단위는 같은 날 모델 카탈로그와 대조해 확인했습니다.

사용을 시작한 문자 블록마다 과금됩니다. 요청별로 비용을 계산하세요. 새로 생성하면 생성 비용이 다시 발생합니다. 요금제 이용 권한과 크레딧은 각각 확인해야 합니다.

내레이터 음성으로 다음 앱 온보딩 대본을 시험해 보세요. 복사 가능한 텍스트 예시이며 생성된 오디오 샘플은 아닙니다.

다국어 버전도 같은 짧은 대본에서 시작하세요. 여기서 복사하는 입력은 영어로 유지됩니다. 현지화된 발화를 시험할 때는 적절한 언어를 선택하고 번역된 대본을 준비하세요.

발화 제어는 Eleven v3 오디오 태그 가이드를 참고하세요. Eleven v4와 v3 비교 글은 출시 맥락과 현재 제공 모델을 구분합니다. MiniMax Speech 2.8 가이드는 클라우드 보이스오버 작업 흐름을 다룹니다.

앞으로 살펴볼 사항#

보도자료의 라이선스 문구 수정, 추가 언어 출시와 40m 상업 조건 공개 여부를 지켜보세요. 그전에는 'Phonon' 전체에 하나의 라이선스가 적용된다고 생각하지 말고 정확한 가중치 저장소를 선택하세요. OmniArt에서 보이스오버를 만들 때는 전체 대본에 크레딧을 쓰기 전에 짧은 구절을 먼저 들어 보세요.