2026년 9월 시험판을 시작한 음성 입력 도구. Fn을 누르고 평소처럼 말한 뒤 손을 떼면 군더더기를 걷어 낸 글이 나오고, 회의록이나 광고 문안 같은 상황에 맞춰 다듬을 수도 있다.

음색 변환과 실시간 변성을 하는 오픈소스 틀이다. 학습에는 최소 10분의 조용한 음성이 필요하고, 끝에서 끝까지 지연은 170밀리초에 이르며, 화면도 두 가지로 제공된다.

섞인 곡을 드럼, 베이스, 보컬, 나머지 반주로 나누는 오픈소스 분리 모델이다. 명령줄 한 줄로 돌고 파이썬에서도 부를 수 있으며 코드는 MIT 라이선스다.

음원 분리 모델로 노래를 목소리와 반주로 가르는 오픈소스 도구다. 공식 설치 파일이 화면과 파이썬, PyTorch, 의존성을 함께 담고 있어 미리 준비할 것이 없다.

Whisper의 두 구멍을 메우는 흐름이다. 시각은 문장 단위에서 멈추고 묶음 처리 수단도 없다. WhisperX는 강제 정렬로 낱말 시각까지 좁히고 화자도 구분하며, large-v2에서 실시간의 70배라고 내건다.

내 컴퓨터 안에서 받아쓰기와 번역을 끝내는 데스크톱 도구이고 토대는 Whisper다. 음성과 영상 파일은 물론 링크를 받고, 마이크에서 바로 받아쓰며, 화자도 구분하고, 텍스트와 SRT, VTT로 내보낸다.

받아쓰기와 영어 번역, 언어 판별을 한 번에 처리하는 범용 음성 인식 모델이다. 크기는 약 3900만에서 약 15.5억 파라미터까지 여섯 가지이고, 코드와 가중치 모두 MIT 라이선스다.

내 PC에 설치해 실행하는 제로샷 음성 합성이다. 참조 음성 한 개면 목소리를 복제하고, 감정과 말 속도, 발음을 모두 파라미터로 조정한다. 가중치는 일반 오픈소스 라이선스가 아니라 프로젝트 자체 라이선스를 따른다.

플로 매칭으로 음성을 합성하는 오픈소스 프로젝트다. pip 패키지와 명령줄 추론, Gradio 웹 화면을 제공한다. 코드는 MIT이지만 사전학습 가중치는 학습 데이터 때문에 비상업용으로 제한된다.

오픈소스 음성 합성 모델이다. 최신 세대는 언어를 넘는 제로샷 복제를 지원하고, 9개 외국어와 열 가지가 넘는 중국어 방언과 억양을 아우르며 Apache 2.0 라이선스로 공개됐다.

오픈소스 음성 합성 WebUI다. 5초 분량의 사람 목소리로 제로샷 합성이 되고, 1분 분량의 학습 데이터로 더 가까운 음색을 만들 수 있다. 추론은 중국어, 영어, 일본어, 한국어, 광둥어 다섯 언어를 넘나든다.

가입에 카드가 필요 없고 무료 요금제는 매달 8000 크레딧을 준다. 10초짜리 음성을 올리면 쓸 만한 목소리가 나오고, 합성할 때는 60가지가 넘는 감정 태그로 말투를 조절한다.

브라우저에서 바로 쓰는 음악 제작 도구다. 가운데 입력창에 원하는 분위기를 적으면 편곡과 보컬까지 모델이 맡아 노래 한 곡을 돌려준다. 가사가 있는 사람은 붙여 넣고 장르와 분위기와 음색만 고르면 된다.