오픈 소스. 새로운 가능성.

FunTTS는 통합 인터페이스를 제공하는 텍스트 음성 변환(TTS) 라이브러리로, 다양한 오픈소스 TTS 엔진의 원활한 전환을 지원하며 자막 생성, 다역할 대화, 비동기 처리 등의 기능을 제공합니다.

WebSocket 및 WebRTC 위에서 OpenAI Realtime 이벤트 세트를 구현하는 낮은 지연 시간의 모듈형 음성 에이전트 파이프라인(VAD → STT → LLM → TTS).

VoxCPM2는 discrete tokenization 없이 연속 음성 표현을 생성하는 2B 파라미터 텍스트-음성 변환 시스템으로, 30개 언어를 지원하며 자연어 설명을 통한 음성 설계, 제어 가능한 음성 모방, 48kHz 오디오 출력을 제공한다.

NVIDIA NeMo Speech는 Apache-2.0 라이선스의 PyTorch 기반 음성 AI 모델 구축·커스터마이징·배포 프레임워크로, ASR, TTS, 음성 LLM을 지원하며 사전 학습된 체크포인트와 Docker/uv 설치 경로를 제공한다.

ESPnet은 PyTorch 기반의 종단 간 음성 처리 툴킷으로, ASR, TTS, 음성 번역, 향상, 화자 분리 등 다양한 작업을 지원하며 재현 가능한 레시피와 사전 학습 모델을 제공합니다.