Qwen3 TTS, WaveSpeedAI에 출시

WaveSpeedAI에 Qwen3-TTS 텍스트-음성 변환 출시

AI 기반 음성 생성 분야가 새로운 이정표에 도달했습니다. WaveSpeedAI는 자연스럽고 표현력 있으며 놀랍도록 인간답은 음성 합성을 제공하는 최첨단 텍스트-음성 변환 모델인 Qwen3-TTS 텍스트-음성 변환의 출시를 기쁜 마음으로 알립니다. Alibaba의 Qwen 팀이 개발하고 500만 시간 이상의 음성 데이터로 학습한 이 모델은 다국어 음성 생성 기술에서 획기적인 진전을 나타냅니다.

비디오 콘텐츠 제작, 오디오북 제작, e-러닝 자료 개발, 또는 접근성 있는 애플리케이션 구축 등 어떤 목적이든 Qwen3-TTS는 전문가 수준의 오디오 출력을 전례 없는 편의성과 유연성으로 제공합니다.

Qwen3-TTS란?

Qwen3-TTS는 작성된 텍스트를 자연스럽고 표현력 있는 음성으로 변환하는 고급 텍스트-음성 변환 모델입니다. 이산 멀티-코드북 언어 모델 아키텍처를 기반으로 구축되어, 전통적인 TTS 시스템에서 발견되는 정보 병목 현상과 계단식 오류를 완전히 우회합니다.

Qwen3-TTS를 차별화하는 것은 큐레이션된 프리셋 음성과 지능형 스타일 제어의 결합입니다. 일률적인 접근 방식을 제공하는 대신, 이 모델은 9개의 서로 다른 음성을 제공하며 각각 고유한 특징을 가지고 있고 자연어 스타일 지시를 통해 추가로 커스터마이징할 수 있습니다. 즉, 음성이 어떻게 들려야 하는지 정확히 설명할 수 있으며, 모델이 이에 따라 적응합니다.

모델의 자체 개발 Qwen3-TTS-Tokenizer-12Hz는 고차원 의미 모델링을 유지하면서 효율적인 음향 압축을 달성하여, 놀랍도록 자연스럽고 매력적인 오디오를 생성합니다.

주요 기능

9개의 큐레이션된 프리셋 음성: Vivian, Serena, Ono_Anna, Sohee 여성 음성 또는 Uncle_Fu, Dylan, Eric, Ryan, Aiden 남성 음성을 포함하여 다양한 선택지에서 선택하세요. 각 음성은 자연스럽고 명확한 음성 출력을 위해 최적화되었습니다.
자연어 스타일 제어: 순수 영어 지시를 사용하여 말하는 스타일을 안내하세요. “명상 가이드처럼 천천히 차분하게 말해줘” 또는 “스포츠 앵커처럼 활발하고 열정적으로 말해줘”라고 모델에 지시하면 모델이 지능형으로 이에 맞춰 조정합니다.
자동 언어 감지: 언어 파라미터를 “auto”로 설정하고 모델이 입력 텍스트에서 언어를 지능형으로 감지하도록 하여 수동 구성을 제거하세요.
다국어 지원: 일관된 품질로 여러 언어로 음성을 생성하세요. 기본 Qwen3-TTS 아키텍처는 뛰어난 다국어 간 기능으로 10개 주요 언어를 지원합니다.
낮은 지연 시간 성능: 혁신적인 이중 추적 하이브리드 아키텍처를 기반으로 구축된 Qwen3-TTS는 놀랍도록 낮은 지연 시간(97ms 엔드-투-엔드)을 달성하여 텍스트 입력 직후 거의 즉시 오디오 생성이 시작됩니다.
높은 정확도: 벤치마크 테스트에서 Qwen3-TTS는 10개 언어에 걸쳐 평균 1.835% 단어 오류율(WER)을 달성하여 MiniMax, ElevenLabs, GPT-4o Audio Preview를 포함한 주요 경쟁사를 여러 언어 범주에서 능가합니다.

실제 사용 사례

비디오 제작 및 보이스오버

콘텐츠 크리에이터는 YouTube 비디오, 광고 및 설명 콘텐츠에 대한 전문가 수준의 내레이션을 생성할 수 있으며 비싼 녹음 장비나 성우가 필요하지 않습니다. 스타일 지시 기능을 통해 모든 콘텐츠 유형에 맞는 정확한 톤 조정이 가능합니다.

오디오북 제작

작가와 출판사는 원고를 자연스러운 내레이션으로 효율적으로 변환할 수 있습니다. 큐레이션된 음성 선택은 장편 콘텐츠 전체에 걸쳐 일관성을 보장하며, 스타일 제어는 다양한 부분에 적절한 감정을 전달하는 데 도움이 됩니다.

팟캐스트 및 방송

녹음 일정이나 장비의 제약 없이 일관된 음성 콘텐츠를 제작하세요. 뉴스 업데이트, 콘텐츠 요약 또는 보충 오디오 콘텐츠에 완벽합니다.

e-러닝 및 교육 자료

교육 자료, 교육 모듈 및 교육 콘텐츠에 대한 매력적인 오디오를 작성하세요. 명확한 발음과 조정 가능한 말하기 스타일은 복잡한 정보를 더 접근 가능하고 이해하기 쉽게 만듭니다.

접근성 솔루션

시각 장애인 사용자를 위해 서면 콘텐츠를 오디오로 변환하여 웹사이트, 문서 및 애플리케이션을 더욱 포용적으로 만드세요. 자연스러운 음성 품질은 편안한 청취 경험을 보장합니다.

대화형 애플리케이션

반응형의 자연스러운 음성 생성으로 음성 지원 애플리케이션, 고객 서비스 솔루션 및 대화형 경험을 구축하세요.

WaveSpeedAI에서 시작하기

WaveSpeedAI에서 Qwen3-TTS를 사용하는 것은 간단합니다. 최적화된 추론 인프라로 콜드 스타트 없이 즉각적인 응답을 얻을 수 있으므로 오디오 생성이 즉시 시작됩니다.

WaveSpeed Python SDK를 사용한 간단한 예제는 다음과 같습니다:

import json
import os
import time
from urllib.request import Request, urlopen

api_key = os.environ["WAVESPEED_API_KEY"]
headers = {"Authorization": f"Bearer {api_key}", "Content-Type": "application/json"}
payload = {
    "text": "A clear example input",
    "language": "auto",
    "voice": "Vivian"
}

def request_json(url, data=None):
    request = Request(url, data=data, headers=headers, method="POST" if data else "GET")
    with urlopen(request) as response:
        return json.load(response)

# 1. Submit the prediction.
submit_body = request_json("https://api.wavespeed.ai/api/v3/wavespeed-ai/qwen3-tts/text-to-speech", json.dumps(payload).encode())
task = submit_body.get("data", submit_body)
if not task.get("id"):
    raise RuntimeError("Submission response did not contain a prediction id")
result_url = f"https://api.wavespeed.ai/api/v3/predictions/{task['id']}/result"

# 2. Poll until the prediction finishes.
while True:
    body = request_json(result_url)
    result = body.get("data", body)
    status = result.get("status")
    if status == "completed":
        print(result.get("outputs", []))
        break
    if status in {"failed", "cancelled", "timeout", "deleted"}:
        raise RuntimeError(result)
    time.sleep(2)