Underdog Woof 공개: 브라우저 음성 합성의 크기와 사용 조건

브라우저에서 문장을 소리로 읽는 모델을 내려받아 직접 실행한다면 다운로드 크기와 실제 메모리 사용량을 따로 봐야 한다. Underdog이 공개한 영어 음성 합성 모델 Woof가 그런 사례다. 공식 모델 카드에는 브라우저 데모용 단일 음성 모델과 공개 저장소의 두 음성 모델을 구분한 표가 있다.

Hugging Face 공식 API에 기록된 저장소 생성 시각은 2026년 11월 5일 19:07:08 UTC다. 이번 글은 11월 6일 수정본을 확인했다. 공식 모델 카드와 저장소 메타데이터에서 공개 파일과 수정 시각을 확인할 수 있다.

31.7MB와 40.6MB의 차이

공식 카드에 따르면 브라우저에서 쓰는 단일 음성 모델의 다운로드 크기는 31.7MB다. 공개 저장소의 Juno·Mira 두 음성 모델은 40.6MB이며 전체 파라미터 수는 38.24M으로 표기돼 있다. 두 수치는 서로 다른 구성을 가리킨다.

다운로드 크기를 실행 메모리로 읽어서도 안 된다. 제작자는 단일 음성 모델의 최고 메모리 사용량을 852MB, 두 음성 모델의 Juno 실행을 402MB로 보고했다. 런타임도 다르다. 단일 음성 모델의 속도 측정은 PyTorch와 int8 가중치를 썼고 공개 저장소의 두 음성 모델은 numpy 런타임을 쓴다. 작은 파일이라는 사실만으로 저사양 기기에서 원활하게 돌아간다고 보장할 수는 없다.

공개 모델로 할 수 있는 일

모델 카드는 영어 지원과 24kHz 모노 출력을 명시한다. 공개 저장소에는 가중치 파일과 Python 실행 코드가 있으며 numpy를 이용한 CPU 실행 예제가 있다. 숫자·날짜·금액을 읽기 좋게 바꾸는 규칙 기반 정규화와 긴 문장을 나누는 처리도 설명한다. 브라우저 데모는 별도로 제공한다.

개발자는 이 구성을 영어 안내 문구나 로컬 음성 UI 실험의 후보로 살펴볼 수 있다. 한국어 지원은 확인되지 않았다. 이 글에서는 모델 실행, 브라우저의 오프라인 동작, 기기별 지연 시간을 직접 시험하지 않았다. 실제 서비스에서는 초기 다운로드와 캐시 이후 실행을 나눠 측정하고 날짜·전화번호처럼 잘못 읽으면 곤란한 입력을 별도로 점검하는 편이 좋다.

성능 수치는 제작자의 자체 평가

제작자는 Gradium TTS Hard Cases의 영어 500문장으로 평가해 Mira의 단어 오류율을 1.42%로 보고했다. Juno의 속도는 Apple M5 Max CPU 한 스레드에서 실시간의 13.8배라고 설명한다. 속도는 일상 문장 200개를 세 차례 실행한 중앙값이다.

평가는 제작자가 수행했으며 이 글에서 독립 재현하지 않았다. 단어 오류율은 음색의 자연스러움이나 한국어 발음 품질을 나타내지 않는다. 브라우저용 단일 음성 모델과 두 음성 모델은 평가 조건도 다르므로 한쪽의 크기와 다른 쪽의 정확도를 묶어서 소개하면 오해가 생긴다.

제품에 넣기 전 라이선스 확인

공식 저장소는 Underdog Non-Commercial License 1.0을 적용한다. 다운로드할 수 있다는 사실만 보고 상업용 제품에 바로 넣어서는 안 된다. 라이선스 원문은 회사 업무와 수익을 지원하는 사용까지 상업적 이용에 포함하고 별도 서면 라이선스를 요구한다.

비상업적 이용에도 출처 표시 조건이 있다. 모델이나 출력 음성으로 다른 음성·오디오 모델을 학습·미세조정·증류하는 행위도 제한한다. 회사가 구매 여부를 판단하는 내부 시험에는 최대 30일의 예외가 있으나 운영이나 고객 대상 사용은 그 시험에 포함되지 않는다. Underdog 자체 제품을 통한 사용에는 별도 허용 조항이 있으므로 내려받은 모델의 자체 배포와 구분해 읽어야 한다.

Woof를 검토할 때는 사용할 모델 구성, 지원 언어, 실제 기기의 메모리와 지연, 이용 목적에 맞는 라이선스를 함께 확인하자. 파일이 작다는 장점은 이 조건들을 확인한 뒤에 평가할 수 있다.