로컬 AI 음성 읽기 가이드

이 기능이 필요한가요?

'로컬'은 브라우저에서 실행되는 SSN 내장 음성 또는 직접 운영하는 음성 서버를 뜻합니다.

내장 음성(설치 불필요)

브라우저의 SSN 안에서 실행됩니다. 서버, Docker, API 키가 필요 없습니다.

4단계 설정

1. 추가: &speech=en-US&ttsprovider=kokoro — 추가할 위치: dock.html 링크(또는 piper, kitten, espeak.)
2. 링크를 OBS의 다음 소스로 추가하세요: 브라우저 소스. 소리를 만드는 페이지입니다.
3. 속성에서 다음을 켜세요: OBS를 통해 오디오 제어(Control audio via OBS).
4. 짧은 테스트 채팅을 보내세요. 예: Testing local TTS.

dock.html?session=YOUR_SESSION&speech=en-US&ttsprovider=kokoro

음성, 속도, 다른 언어: 제공자 설정. 클릭 방식이 좋다면 다음을 쓰세요: 설정 가이드.

자체 TTS 서버 연결

서버를 쓰면 더 많은 음성, 음성 복제, 여러 도구에서 재사용하는 음성을 얻습니다. SSN은 다음처럼 통신합니다: OpenAI 호환 음성 서버. API 키가 필요 없습니다.

1. 서버를 시작하세요. Kokoro-FastAPI 이 가장 쉽습니다.
2. SSN에서 TTS 제공자 목록을 열고 다음을 고르세요: 사용자 지정 / 로컬 음성 읽기 엔드포인트 (Custom / Local TTS Endpoint).
3. 다음 위치에서: 사용자 지정 / 로컬 API 엔드포인트에 서버 주소를 입력하세요. 예: http://127.0.0.1:8880/v1/audio/speech.
4. API 키는 비워 두세요.
5. 서버가 아는 음성을 선택하세요: af_bella 은 Kokoro용, nova 은 openedai-speech용입니다.
6. 링크를 OBS에 복사하고 테스트 채팅을 보내세요.

다음이 필요합니다: Docker Desktop 을 설치하고 실행해야 합니다. 개인용으로 무료입니다.

localhost 규칙

가장 흔한 실수입니다.

방화벽이 포트를 허용하고 Docker가 공개했는지도 확인하세요(-p 8880:8880).

Kokoro-FastAPI

Kokoro-FastAPI 은 Kokoro를 로컬 서버로 실행합니다. CPU에서 작동하며 GPU는 필요 없습니다.

1. 터미널(명령 프롬프트, PowerShell 또는 Terminal)을 열고 다음 중 하나를 실행하세요:

   docker run -p 8880:8880 ghcr.io/remsky/kokoro-fastapi-cpu:v0.2.2

   NVIDIA GPU(더 빠름):

   docker run --gpus all -p 8880:8880 ghcr.io/remsky/kokoro-fastapi-gpu:v0.2.0post4

   첫 실행에 한 번만 약 1.5~2GB를 내려받습니다.
2. 열기 http://localhost:8880/web/. 음성 67개 이상을 시험하는 페이지가 보여야 합니다.
3. 이 링크를 쓰세요(서버가 다른 PC면 주소 변경):

   dock.html?session=YOUR_SESSION&speech=en-US&ttsprovider=customtts&openaiendpoint=http://127.0.0.1:8880/v1/audio/speech&voiceopenai=af_bella

Docker와 함께 자동 시작:

docker run -d --restart unless-stopped -p 8880:8880 ghcr.io/remsky/kokoro-fastapi-cpu:v0.2.2

openedai-speech(Piper 및 XTTS-v2)

방법 A: 가벼운 Piper 서버(CPU)

1GB 미만. 음성 복제 없음.

docker run -d --restart unless-stopped -p 8000:8000 ghcr.io/matatonic/openedai-speech-min

음성: alloy, echo, fable, onyx, nova, shimmer.

dock.html?session=YOUR_SESSION&speech=en-US&ttsprovider=openai&openaiendpoint=http://localhost:8000/v1/audio/speech&voiceopenai=nova

cd openedai-speech
$env:Path = "$PWD\.venv\Scripts;$env:Path"
.\.venv\Scripts\python.exe speech.py --xtts_device none -H 127.0.0.1 -P 8000

방법 B: XTTS-v2 음성 복제(GPU)

다음이 아닌 전체 서버가 필요합니다: openedai-speech-min. GPU 메모리 약 4GB를 예상하세요. CPU도 되지만 느립니다.

로컬 TTS 브리지

SSN의 작은 도우미입니다. SSN 요청을 음성 서버로 전달하고 브라우저가 받아들이는 형식으로 오디오를 돌려줍니다. Node.js가 필요합니다.

1. 브리지에 서버 위치를 알려 주세요. PowerShell:

   $env:SSN_TTS_TARGET="http://127.0.0.1:8880/v1/audio/speech"

   서버가 다른 PC면 로컬 IP를 쓰세요. 예: http://192.168.x.x:8880/v1/audio/speech.
2. SSN 폴더에서 다음을 실행하세요: node scripts/local-tts-bridge.cjs. 계속 실행해 두세요.
3. SSN이 브리지를 향하도록 설정하세요:

   dock.html?session=YOUR_SESSION&speech=en-US&ttsprovider=customtts&openaiendpoint=http://127.0.0.1:8124/v1/audio/speech&voiceopenai=af_bella

macOS/Linux에서는 한 줄로: SSN_TTS_TARGET="http://127.0.0.1:8880/v1/audio/speech" node scripts/local-tts-bridge.cjs. 다음 내부에서: local-tts-bridge 폴더에서, node server.cjs 도 같습니다. 포트는 다음으로 바꾸세요: SSN_TTS_BRIDGE_PORT=8125. 모든 옵션: 브리지 README.

$env:SSN_TTS_REF_AUDIO_PATH="C:\voices\speaker.wav"
$env:SSN_TTS_REF_TEXT="Reference audio transcript here."
$env:SSN_TTS_TARGET="http://127.0.0.1:9880/tts"
node scripts/local-tts-bridge.cjs --mode gptsovits

dock.html?session=YOUR_SESSION&speech=en-US&ttsprovider=customtts&openaiendpoint=http://127.0.0.1:8124/v1/audio/speech&openaiformat=wav

$env:SSN_TTS_TARGET="http://127.0.0.1:7860/synthesize_speech/"
node scripts/local-tts-bridge.cjs --mode f5

dock.html?session=YOUR_SESSION&speech=en-US&ttsprovider=customtts&openaiendpoint=http://127.0.0.1:8124/v1/audio/speech&voiceopenai=default_en&openaiformat=wav

음성 복제

음성 복제는 SSN 설정이 아니라 일부 음성 서버의 기능입니다. SSN은 채팅을 보내고 서버가 복제 음성을 고릅니다.

1. 보통 3~30초 길이로, 배경 소음이 적은 한 사람의 깨끗한 음성을 녹음하세요.
2. 일부 서버는 클립에서 말한 정확한 문장도 필요합니다.
3. 서버가 클립을 음성 프로필로 만듭니다.
4. SSN은 채팅을 다음으로 보냅니다: ttsprovider=customtts.
5. 서버가 오디오(보통 WAV 또는 MP3)를 반환하고 SSN이 재생합니다.

GPU 메모리가 6GB 이하라면 OpenAI 호환 서버의 작은 모델로 시작하세요. 큰 모델도 다른 곳에서 호스팅하면 작동합니다.

내장 Kokoro와 Kokoro-FastAPI는 음성을 복제하지 않습니다.

어떤 컴퓨터가 필요한가요?

대략적인 출발점이며 보장은 아닙니다. 모델 크기, 텍스트 길이, 다른 앱에 따라 메모리 사용량이 달라집니다.

오디오를 OBS로 보내기

OBS 브라우저 소스(권장)

내장 음성과 자체 서버에서 작동합니다.

1. 추가: 브라우저 소스 에 본인의 dock.html TTS 링크.
2. 켜기: OBS를 통해 오디오 제어(Control audio via OBS).
3. 클릭: 확인. 이제 TTS가 OBS 믹서에 표시됩니다.

SSN 데스크톱 앱

데스크톱 앱도 같은 링크 설정을 쓰지만 소리는 OBS가 아닌 앱에서 나옵니다. 다음으로 캡처하세요: 데스크톱 오디오 또는 오디오 입력 캡처. TTS를 다른 소리와 분리하려면 앱을 가상 케이블로 보내세요: 라우팅 단계.

나란히 비교

문제 해결

서버 개발자용

SSN이 맞춤 서버와 통신하는 방식입니다. 서버를 만들거나 디버깅할 때만 필요합니다.

chat text -> SSN -> your endpoint (or the bridge) -> TTS server -> audio -> SSN plays it

POST /v1/audio/speech
{
  "model": "tts-1",
  "input": "Chat message text",
  "voice": "af_bella",
  "response_format": "mp3",
  "speed": 1.0
}

Kokoro-FastAPI:  dock.html?session=YOUR_SESSION&speech=en-US&ttsprovider=customtts&openaiendpoint=http://localhost:8880/v1/audio/speech&voiceopenai=af_bella&openaispeed=1.1
openedai-speech: dock.html?session=YOUR_SESSION&speech=en-US&ttsprovider=customtts&openaiendpoint=http://localhost:8000/v1/audio/speech&voiceopenai=nova
kokoro-web:      dock.html?session=YOUR_SESSION&speech=en-US&ttsprovider=customtts&openaiendpoint=http://localhost:3000/api/v1/audio/speech&voiceopenai=af_bella