영상 내레이션이나 앱의 읽어 주기 기능을 만들 때는 목소리뿐 아니라 실행할 컴퓨터와 모델 파일 크기도 중요합니다. KittenTTS는 글을 음성으로 바꾸는 TTS(Text-to-Speech) 프로젝트입니다. 현재 공식 저장소는 음성 복제·표현 제어를 제공하는 KittenTTS 2와, GPU 없이 작은 파일로 실행할 수 있는 0.8 ONNX 모델군을 함께 소개합니다. 이름이 같아도 두 계열의 크기와 기능은 구분해야 합니다.
GitHub 저장소의 소유자는 KittenML입니다. 이 글은 2026년 10월 26일 확인한 공식 저장소와 KittenTTS 2 모델 카드를 기준으로 설명합니다. 사용 경험이나 다른 TTS와의 음질·속도 직접 측정을 주장하지 않습니다.
먼저 구분하세요: KittenTTS 2는 CPU에서도 실행할 수 있지만 작은 25MB 모델은 아닙니다. 그 크기는 별도 0.8 nano ONNX 계열의 이야기입니다. 두 계열의 기능·언어·라이선스도 선택한 모델의 문서에서 각각 확인해야 합니다.
KittenTTS는 어떤 작업에 쓸 수 있을까요?
앱의 안내 문구가 자주 바뀌거나 영상마다 다른 내레이션이 필요하다면, 문장이 바뀔 때마다 새로 녹음하기 번거롭습니다. KittenTTS는 입력한 글을 음성 파일로 바꾸는 자동 낭독 도구입니다. 앱의 읽어 주기 기능을 시험하거나 영상 대본의 임시 음성을 만들 때 활용할 수 있습니다.
작은 컴퓨터에서 먼저 시험하려면 고성능 그래픽카드(GPU) 없이도 실행할 수 있는 0.8 모델군을 살펴볼 수 있습니다. ONNX는 이 모델을 담고 실행할 때 쓰는 파일 형식입니다. 목소리 복제나 표현 제어가 필요하다면 KittenTTS 2의 조건을 살펴야 합니다. 같은 이름의 모델이라도 기능과 크기가 달라서, 어느 쪽이 필요한지 먼저 고르는 것이 중요합니다.
KittenTTS에는 왜 두 종류의 모델이 있나요?
같은 Python 라이브러리가 목적이 다른 모델을 불러옵니다. KittenTTS 2는 내장 음성을 고르거나 짧은 참조 녹음으로 음색을 닮게 하고 감정·웃음·강조 같은 표현 태그를 사용할 수 있는 대표 모델입니다. 공식 README는 한국어를 포함한 다국어도 안내합니다. 반면 0.8 ONNX 계열의 nano·micro·mini는 모델 규모가 1,500만~8,000만 매개변수이며 저장 파일이 약 25~80MB인 선택지가 있습니다. CPU에서 작은 음성 합성 도구를 쓰려는 사람에게 더 직접적인 출발점입니다.
여기서 ONNX는 학습된 모델을 여러 실행 환경에서 불러오기 위한 형식입니다. “작은 모델”은 다운로드·저장 부담이 낮다는 뜻이지, KittenTTS 2의 음성 복제나 표현 제어가 그대로 들어 있다는 뜻은 아닙니다. 필요한 목소리와 언어를 먼저 정하고 그 기능이 선택한 모델에 있는지 확인해야 합니다.
KittenTTS 2의 특징과 주의할 점
- 음성 복제: 공식 README는 한 사람의 5~30초 참조 녹음으로 별도 학습 없이 음색을 닮게 하는 방법을 제시합니다. 실제 사용에는 녹음 당사자의 허락이 필요합니다.
- 표현 제어: 문장에 감정·웃음·강조 표시를 넣을 수 있습니다. 개발자는 이 기능을 베타로 소개하며 목소리와 문장에 따라 효과가 달라지고 원하는 감정을 보장하지 않는다고 밝힙니다.
- 긴 글 처리: 문장 단위로 나눠 생성하고 이어 붙이는 방식과 스트리밍을 안내합니다. 공식 문서도 긴 원고 전체를 한 번에 넣으면 반복이나 잘림이 생길 수 있다고 설명합니다.
- CPU 실행: GPU가 없어도 실행 가능하다고 안내하지만 KittenTTS 2의 기본 준비 조건에는 약 6GB RAM과 모델·오디오 디코더용 약 2GB 저장 공간이 포함됩니다. Python 패키지용 공간은 별도입니다. 오래된 소형 0.8 모델의 파일 크기와 혼동하지 않아야 합니다.
2026년 11월 10일 확인한 공식 GitHub README는 KittenTTS 2의 내장 음성 115개와 한국어를 포함한 20개 언어를 안내합니다. 언어 지원과 각 내장 음성이 사용하는 언어는 같은 뜻이 아닐 수 있으므로, 필요한 한국어 음성을 설치한 모델에서 확인하고 짧은 문장의 발음도 들어 보세요.
VoxCPM2와 비교하면 어떤 장단점이 있나요?
VoxCPM2 역시 한국어가 포함된 다국어 음성과 음성 복제를 안내합니다. 두 프로젝트를 고를 때는 기능 목록보다 어떤 목소리를 만들지, 어느 장비에서 실행할지, 어떤 모델 라이선스를 적용받는지를 먼저 비교하는 편이 유용합니다. 아래 표는 공식 자료의 명시 사항을 정리한 것이며 같은 문장·장치로 시험한 성능 순위가 아닙니다.
| 선택 기준 | KittenTTS 2 | VoxCPM2 |
|---|---|---|
| 목소리 지정 | 내장 음성, 짧은 녹음 복제, 감정·이벤트 태그 | 음색을 글로 설계하거나 참조 녹음으로 복제 |
| 장비 | CPU 실행 공식 안내, 대표 모델은 약 6GB RAM 준비 | 일반 Python 안내는 GPU 중심, 공식 표의 모델 VRAM 약 8GB; 다른 CPU 백엔드는 별도 |
| 다국어 | 한국어 포함 20개 언어; 실제 음성·발음은 모델별 확인 | 공식 목록 30개 언어, 한국어 포함 |
| 출력 규격 | 24kHz | 48kHz |
| 가중치 조건 | Stellon Labs Community License; 코드 Apache-2.0과 별도 | VoxCPM2 모델 카드 Apache-2.0 |
KittenTTS의 장점은 GPU 없이 시작할 수 있는 경로와, 더 작은 0.8 모델을 선택할 수 있다는 점입니다. 제약은 모델군마다 기능이 다르고 KittenTTS 2 가중치의 사용 조건을 따로 살펴야 한다는 점입니다. VoxCPM2는 설명문으로 새 음색을 설계하고 30개 언어를 공식 지원하지만 일반 설치 경로의 장비·설정 부담은 더 큽니다. 24kHz와 48kHz의 숫자만으로 두 모델의 지각적 음질을 서열화할 수는 없습니다.
어떤 모델을 고르면 좋을까요?
가상의 활용 예: 개인 개발자가 오프라인 안내 앱에 짧은 영어 음성을 넣고 파일 크기를 줄이고 싶다면, 먼저 0.8 nano·micro 같은 소형 모델이 필요한 목소리와 발음을 제공하는지 확인할 수 있습니다. 반대로 여러 문장을 내레이션으로 읽고 본인 목소리를 참고하거나 감정 태그를 시험하려면 KittenTTS 2가 더 직접적인 후보입니다. 이는 선택 과정을 설명하는 예시이며 실제 앱의 성능 검증 결과는 아닙니다.
한국어, 숫자, 날짜, 고유명사가 많다면 짧은 표본을 먼저 생성해 발음과 문장 연결을 들어 보세요. 특히 모델 카드에는 비영어 문장의 텍스트 정규화 설정에 관한 주의가 있으므로 한국어 제작에서는 그 안내를 확인하는 편이 안전합니다. 음성 복제를 사용할 때에는 본인 또는 허락받은 한 사람의 깨끗한 참조 녹음을 준비해야 합니다.
공식 설치와 모델 다운로드 방법
공식 저장소는 Python 패키지 kittenml 설치를 안내합니다. 2026년 11월 10일 확인한 GitHub README의 준비 조건은 Python 3.10 이상입니다. 이 안내는 KittenTTS 2 기준이므로 설치 직전에 현재 공식 문서도 확인하세요.
- Windows·macOS·Linux에서 Python 가상 환경과 메모리·저장 공간을 확인합니다. KittenTTS 2의 기본 안내는 CPU 사용 시 약 6GB RAM, CUDA GPU 사용 시 약 8GB의 사용 가능한 GPU 메모리를 제시합니다.
- 공식 Quick Start의 명령
pip install kittenml을 실행합니다. 이는 프로그램 라이브러리 설치이며 모델 가중치 파일의 선택과 다운로드는 모델을 불러올 때 이어집니다. - 공식 예제처럼
KittenTTS("KittenML/kitten-tts-2")를 불러와 짧은 문장을 WAV로 저장하고 실제 발음을 확인합니다. 작은 0.8 모델을 원한다면 같은 라이브러리에서 해당 모델 ID와 모델 카드의 조건을 별도로 확인하세요.
KittenML의 Hugging Face 모델 설명·가중치 페이지가 새 탭에서 열립니다. 단일 실행 설치 파일로 연결되는 버튼은 아닙니다.
GitHub Releases의 최신 표시가 0.8.1이라고 해서 KittenTTS 2의 모델 파일이 그 릴리스 자산이라는 뜻은 아닙니다. 현재 대표 모델의 공식 설명과 파일은 위 모델 페이지에서 확인하세요. 이 글에서는 설치·음성 출력을 직접 시험하지 않았습니다.
라이선스 및 상업적 이용 안내
KittenTTS 2 모델은 조건을 지키면 무료로 사용할 수 있으며 상업적 이용도 가능하고 생성 음성의 권리는 적용 법률이 허용하는 범위에서 이용자에게 있습니다. 이는 Stellon Labs Community License가 명시한 내용입니다. 연구·비상업적 사용도 허용하며 모델을 상업적으로 쓰려면 제공처에 등록해야 합니다. 본인 또는 계열사의 연 매출이나 누적 투자액을 개별 또는 합산해 계산했을 때 어느 하나라도 미화 100만 달러를 초과하면 이 라이선스에 따른 허가가 종료되어 별도 허가가 필요합니다. 모델이나 이를 사용하는 제품·서비스를 제공할 때에는 라이선스 사본, 지정된 고지와 “Powered by KittenML” 표시 조건도 확인해야 합니다.
KittenTTS의 프로그램 코드는 Apache-2.0으로 공개되어 조건을 지키면 회사 업무와 상업용 앱에도 사용·수정할 수 있습니다. 코드를 재배포할 때는 라이선스 사본과 기존 고지를 유지하고 수정한 파일에는 변경 사실을 표시해야 합니다. 적용 가능한 NOTICE 파일이 있다면 그 고지도 함께 확인하세요. 이는 코드 라이선스의 범위입니다.
생성 음성의 사용자 권리와 별개로, 입력 대본과 복제 대상 목소리의 권리까지 모델 라이선스가 해결해 주지는 않습니다. 실제 인물의 음성을 사용할 때는 동의와 공개 범위를 확인하고 모델의 사용 정책도 읽으세요. 소형 0.8 계열 모델과 호스팅 API는 이 가중치의 조건을 그대로 적용한다고 가정하지 말고 각각의 모델 카드·서비스 약관을 확인해야 합니다. 공식 모델 라이선스 확인일: 2026년 10월 28일.
자료 최초 확인일: 2026년 10월 26일. KittenTTS 공식 README와 모델 라이선스는 2026년 11월 10일 다시 확인했습니다. 본 게시글은 AI의 도움을 받아 작성되었으며 공식 저장소·모델 카드·라이선스 원문을 참고했습니다. 대표 이미지와 본문 도식은 자체 제작 자료이며 공식 화면이나 직접 측정 결과가 아닙니다.
