AWS, 세이지메이커에 Qwen3-TTS 실시간 음성 클로닝 지원

ai.euno.news 자동 뉴스 요약

AWS가 SageMaker AI를 통해 Qwen3-TTS 기반 실시간 음성 클로닝 배포를 지원한다고 25일(현지 시간) 공식 블로그에서 밝혔다. Amazon SageMaker JumpStart에 공개된 Qwen3-TTS-12Hz-1.7B-Base 모델을 완전관리형 실시간 추론 엔드포인트로 배포할 수 있게 됐다는 내용이다. 음성 클로닝은 짧은 참조 음성만으로 특정 화자의 목소리를 재현해 새 문장을 읽게 하는 기술로, 모델을 다시 학습시킬 필요가 없다는 점이 핵심이다.

AWS 머신러닝 블로그에 따르면 사용자는 화자의 짧은 녹음과 그 대본을 준비한 뒤 합성하려는 새 텍스트를 입력하면, 모델이 참조 화자의 목소리로 해당 텍스트를 읽어준다. 이 과정에서 별도 재학습은 필요 없다. 미디어 제작사, 교육 기관, 애플리케이션 개발자가 개인화된 음성 경험을 만들거나 다국어 콘텐츠를 현지화하는 데 쓸 수 있고, 접근성 지원이나 언어 간 화자 정체성 보존에도 활용할 수 있다.

Qwen3-TTS는 알리바바 클라우드 Qwen 팀이 만든 텍스트음성변환(TTS) 모델군이다. 중국어, 영어, 일본어, 한국어, 독일어, 프랑스어, 러시아어, 포르투갈어, 스페인어, 이탈리아어 등 10개 언어를 지원하며, Qwen3-TTS-Tokenizer-12Hz 음성 토크나이저를 써서 저지연 실시간 생성에 필요한 스트리밍 생성을 지원한다.

이번에 SageMaker JumpStart에 올라온 버전은 이 중 Base 변형인 Qwen3-TTS-12Hz-1.7B-Base다. 참조 음성 몇 초만으로 음성 클로닝을 수행하며, 미세조정(fine-tuning)의 기반 모델로도 쓸 수 있다. 참조 오디오와 대본을 입력받아 음색, 음높이, 말투 같은 화자의 목소리 특성을 새 텍스트에 그대로 적용하는 방식이다. 이는 고정된 화자 목록에서 음성을 고르는 CustomVoice 변형과는 다른 방식이라고 AWS는 설명했다. Base 모델은 교차 언어 클로닝도 지원해, 한 언어로 녹음된 참조 음성을 다른 언어로 합성하면서도 화자의 정체성을 유지할 수 있다. JumpStart에는 이 Base 모델 외에 Qwen3-TTS-12Hz-1.7B-CustomVoice와 Qwen3-ASR-1.7B도 함께 올라와 있어, 세 모델을 같은 방식으로 배포할 수 있다.

AWS는 이번 배포 방식의 이점으로 소량의 샘플만으로 대규모 학습 데이터셋 없이 개인화된 음성을 만들 수 있다는 점, 한 언어에서 포착한 목소리를 다른 언어로 확장할 수 있다는 점, 문자당 과금 방식의 API 대신 컴퓨팅 사용량에 따라 비용을 맞출 수 있다는 점, 오디오 데이터가 사용자의 AWS 계정과 SageMaker 엔드포인트 안에 머무른다는 점을 꼽았다. 적용 사례로는 원래 화자의 목소리를 유지한 채 콘텐츠를 다국어로 번역하는 현지화 작업과 콜센터 등 고객 응대 분야가 거론됐다.

블로그 글은 Amazon SageMaker Python SDK를 이용해 모델을 배포하고 참조 클립으로 엔드포인트를 호출해 음성을 클로닝하는 절차, 그리고 실제 운영에 필요한 설정값과 엔드포인트 모니터링·규모 조정에 쓸 수 있는 Amazon CloudWatch 지표를 함께 다룬다. SageMaker AI는 GPU 서버 프로비저닝, 상태 모니터링, 자동 스케일링을 관리형으로 처리하기 때문에 사용자가 직접 하부 인프라를 운용할 필요는 없다고 AWS는 설명했다.

읽기 목록은 이 브라우저에 저장됩니다.