VOICEVOX/voicevox_engine

無料で使える中品質なテキスト読み上げソフトウェア、VOICEVOXの音声合成エンジン

VOICEVOX Engine – 무엇인가요

VOICEVOX Engine은 일본어 텍스트를 음성으로 변환하는 오픈소스 HTTP 서버입니다. VOICEVOX 데스크톱 에디터의 백엔드로 사용되며, 실제 신경망 기반 TTS 모델인 VOICEVOX Core 위에 구축되어 있습니다. 이 리포지토리는 서버 코드, Docker 이미지, CPU 또는 GPU에서 엔진을 실행하기 위한 도구를 포함하고 있습니다.

주요 기능 (README에 설명됨)

기능	작동 방식 / 할 수 있는 일
텍스트에서 음성 합성	`/audio_query`에 POST 요청을 보내 합성 쿼리를 얻은 후, 이 JSON을 `/synthesis` (또는 `/streaming_synthesis`)에 POST하여 24 kHz WAV 파일을 수신합니다.
스트리밍 합성	`/streaming_synthesis`는 전체 발화가 완료되기 전에 클라이언트가 재생을 시작할 수 있도록 작은 청크 단위로 음성을 반환합니다.
보이스 모핑	`/synthesis_morphing`은 두 개의 스피커 스타일(예: 스피커 8 → 스피커 10)을 조절 가능한 모핑 비율로 혼합할 수 있습니다.
사용자 사전	CRUD API (`/user_dict`, `/user_dict_word`)를 통해 사용자 정의 단어 발음 항목을 추가, 수정, 삭제할 수 있으며, 고유명사나 도메인 전용 용어에 유용합니다.
프리셋	`presets.yaml`을 편집하여 프로젝트 간에 스피커/스타일 설정을 공유할 수 있으며, API는 `/presets` 및 `/audio_query_from_preset`를 제공합니다.
AquesTalk 스타일 음소 표기	엔진은 카타카나만 사용하는 "AquesTalk 스타일" 발음 표현을 반환 및 수신할 수 있어, 억양에 대한 세밀한 제어가 가능합니다.
노래 합성	특수한 엔드포인트 (`/sing_frame_audio_query`, `/frame_synthesis`)는 MIDI 유사 음표 데이터를 받아 노래 음성 출력을 생성합니다.
취소 가능한 합성	`--enable_cancellable_synthesis`로 시작하면 HTTP 연결을 중단하면 즉시 계산 리소스를 해제할 수 있습니다.
Docker 이미지	빠른 배포를 위한 사전 빌드된 `voicevox/voicevox_engine:cpu-latest` 및 `voicevox/voicevox_engine:nvidia-latest` 이미지가 제공됩니다.
CORS 및 변경 가능한 API 설정 가능	런타임 플래그 (`--cors_policy_mode`, `--disable_mutable_api`)를 통해 API 호출이 가능한 원본을 제한하거나 사전 변경 엔드포인트를 잠글 수 있습니다.
GPU/CPU 선택, 스레딩, 모크 모드	명령줄 옵션 (`--use_gpu`, `--cpu_num_threads`, `--enable_mock`)을 통해 GPU에서 실행하거나 CPU 스레드 수를 제한하거나 테스트용 모크 엔진을 사용할 수 있습니다.

일반적인 사용 흐름 (간단한 예제)

# 1. 엔진 시작 (Docker 예제, CPU)
 docker run --rm -p 127.0.0.1:50021:50021 voicevox/voicevox_engine:cpu-latest

# 2. 텍스트에 대한 합성 쿼리 가져오기
 echo -n "こんにちは、音声合成の世界へようこそ" > text.txt
 curl -s -X POST "127.0.0.1:50021/audio_query?speaker=1" \
      --get --data-urlencode text@text.txt > query.json

# 3. 음성 합성
 curl -s -H "Content-Type: application/json" -X POST -d @query.json \
      "127.0.0.1:50021/synthesis?speaker=1" > audio.wav

생성된 audio.wav는 24 kHz 모노 파일입니다.

누가 사용할 수 있나요?

개발자: 일본어 음성 어시스턴트, 게임, 접근성 도구를 개발하고 로컬에 호스팅된 TTS 서비스가 필요한 사람.
연구자: 보이스 스타일 모핑, 사용자 정의 발음 사전, 노래 합성에 실험을 하고 싶은 사람.
통합자: HTTP API 또는 Docker 컨테이너를 통해 VOICEVOX를 다른 애플리케이션에 통합하고 싶은 사람.

시작하기 / 리소스

다운로드 – 최신 바이너리는 릴리스 페이지에 있습니다.
API 문서 – http://127.0.0.1:50021/docs에 인터랙티브한 Swagger UI가 있으며 (또는 호스팅된 문서: https://voicevox.github.io/voicevox_engine/api/).
Docker – docker pull voicevox/voicevox_engine:cpu-latest (GPU용은 nvidia-latest).
기여 방법 – 빌드, 테스트, CI 지침은 CONTRIBUTING.md를 참조하세요. 풀 리퀘스트를 환영합니다.

TL;DR

VOICEVOX Engine은 일반 합성, 스트리밍, 보이스 모핑, 사용자 사전, 노래 합성까지 지원하는 자체 포함형 HTTP 기반 일본어 TTS 서버입니다. CPU 또는 GPU에서 실행 가능하며 Docker 이미지로 배포되며, 프로그래머블 음성 합성 백엔드가 필요한 개발자를 위한 것입니다.