숏폼 영상 더빙에 아직도 돈 주고 사람을 구하시나요? 열 번 넘게 녹음하다 목이 쉬진 않으셨나요? 자신의 목소리를 클로닝한 "디지털 분신"으로 콘텐츠를 대량 생산하고 싶으신가요?마음공장(MOSS-TTS-Nano v0.1.0)는 진정으로 무료이고, 완전 오프라인이며, CPU만으로 실행되는 로컬 음성 합성 도구입니다. 텍스트 한 단락을 입력하고 참조 오디오 하나만 주면, 동일한 음색의 음성 파일을 생성할 수 있습니다. 오늘 이 글에서는 魔音工厂 다운로드 및 설치 튜토리얼, 3가지 실측 사례와 자주 묻는 질문 답변을 소개하여, 3분 만에 첫 AI 더빙 파이프라인을 구축할 수 있도록 도와드립니다.
魔音工厂 MOSS-TTS-Nano 는 무료 로컬 오프라인 음성 합성 도구로, 오픈소스 프로젝트 OpenMOSS MOSS-TTS-Nano(Apache 2.0)를 기반으로 재패키징되었으며, 국내 개발자가 중국어 인터페이스 적응과 원클릭 실행 패키징을 적용하여 바로 사용할 수 있습니다.
간단히 말하면:텍스트를 소리로 변환하며, 인터넷 연결도, 유료 결제도 필요 없고, CPU만으로 실행되며, 참조 오디오 한 단락으로 음색을 클로닝할 수 있습니다.
임의의 텍스트를 입력하고 음색을 선택하면, 원클릭으로 48kHz 스테레오 WAV 오디오를 생성하며, 음질은 실제 사람의 발성에 가깝습니다.
조작 예시:텍스트 상자에 "안녕하세요, 제 채널을 구독해 주셔서 감사합니다"를 입력하고 생성을 클릭
5-10초의 참조 오디오를 제공하면, AI가 음색 특징을 학습하여 참조 음색과 일치하는 음성을 생성합니다.
조작 예시:자신이 낭독한 오디오를 업로드 → "음성 클로닝" 체크 → 텍스트를 입력하여 동일한 목소리 생성
중, 영, 일, 한, 프, 독 등 20개 언어를 지원하며, 자유롭게 전환하여 다국어 더빙을 생성할 수 있습니다.
조작 예시:언어 드롭다운에서 "English"를 선택하고, 영어 텍스트를 입력하여 영어 더빙 생성
모델 파일을 로컬에 다운로드한 후에는 인터넷 연결 없이 실행 가능하며, API 할당량을 소모하지 않고, 구독 비용이 발생하지 않습니다.
조작 예시:최초 실행 후 비행기 모드로 전환해도 정상적으로 음성 생성 가능
CPU에 대해 심층 최적화되어 4GB 메모리로 원활하게 실행되며, GPU 가속에 의존하지 않습니다.
조작 예시:오래된 사무용 노트북에서도 바로 실행 가능, 외장 그래픽 카드 불필요

| 사례 시나리오 | 입력 내용 | 출력 하이라이트와 평가 | 생성 시간/활용도 |
|---|---|---|---|
| 숏폼 영상 더빙 | 8초 건조 음성 + 30자 구술 원고 | 참조 오디오의 음색과 억양을 완벽하게 재현하며, 호흡 리듬까지 실제 사람에 가깝습니다. 지식 구술 채널에 3개의 영상을 더빙했는데, 한 번에 통과되어 후반 작업이 필요 없었습니다. 평가: 인공 더빙을 완전히 대체할 수 있습니다. | 7초/건 ★★★★★ |
| 다국어 콘텐츠 제작 | 중국어 원고 50자, 영어 음색 선택 | 영어 발음이 자연스럽고 유창하며, 기계적인 느낌이 없어 이중 언어 계정의 영어 버전 영상에 바로 사용할 수 있습니다. 평가: 다국어 전환이 매우 편리해서 다시 녹음할 번거로움이 없습니다. | 4초/건 ★★★★☆ |
| 오디오북 / 장문 텍스트 낭독 | 500자 분량의 소설 챕터 하나 | 문장 단위로 분할 생성되어 이어 붙였을 때 청감이 자연스럽고, 끊어 읽기와 쉼이都比较 합리적입니다. 평가: 대량 오디오 콘텐츠 제작에 적합하지만, 장문 텍스트는 3-5문장을 한 단위로 생성한 뒤 이어 붙이는 것이 더 안정적입니다. | 약 20초/구간 ★★★★☆ |
프로젝트 Release 페이지에서 魔音工厂 압축 파일을 다운로드하고, 전체가 영어인 경로에 압축을 풉니다. 예: D:\moss\. 중국어 폴더 이름으로 인한 실행 오류를 피하세요. 압축 파일에는 완전한 모델 파일이 포함되어 있으며(최초 약 728MB), 2GB의 디스크 공간을 확보하는 것이 좋습니다.
압축을 푼 후 루트 디렉터리에 있는 启动.bat를 더블클릭하면 프로그램이 로컬 서비스를 시작하고 브라우저 조작 인터페이스를 자동으로 엽니다. 이때 검은색 명령줄 창이 하나 나타나며,닫지 마세요, 닫으면 프로그램이 종료됩니다.
브라우저 인터페이스에서 합성할 텍스트를 붙여넣기/입력하고, 언어와 음색을 선택한 뒤(또는 참조 오디오를 업로드하여 음성 복제 활성화), ”생성” 버튼을 클릭합니다. 몇 초 기다리면 48kHz WAV 파일을 미리 듣고 다운로드할 수 있습니다. 고급 옵션에서 1회 생성 길이를 60초심지어 더 길게 조정할 수 있습니다.
💡 사용 팁:최고의 음성 복제 효과를 원한다면 참조 오디오로 5-10초의 깨끗한 사람 목소리(배경 음악 없음, 리버브 없음)를 사용하는 것이 좋습니다. 장문 텍스트를 생성할 경우 먼저 고급 옵션에서 무음 감지를 끄고, 여러 구간으로 나누어 생성한 뒤 편집 소프트웨어로 이어 붙이세요.
| 비교 항목 | 마음공장 | Microsoft Azure TTS | OpenAI TTS |
|---|---|---|---|
| 결제 방식 | 무료 오픈소스 | ¥50-200/월 | ¥15-100/월 |
| 네트워크 요구 사항 | 완전 오프라인 | 인터넷 연결 필수 | 인터넷 연결 필수 |
| 음성 복제 | 지원 | 기업용 버전에만 제공 | 지원 |
| 출력 사양 | 48kHz 스테레오 WAV | 48kHz | 24kHz |
| 하드웨어 요구 사항 | CPU만으로 충분, 4GB 메모리 | 특별한 요구 사항 없음(클라우드) | 특별한 요구 사항 없음(클라우드) |
완전 무료이며 가입도 필요 없습니다. Apache 2.0 오픈 소스 라이선스를 기반으로 2차 개발되었으며, 기능 축소나 숨겨진 과금이 없습니다.
기본적으로 한 번 생성에 약 30초가 걸립니다. 고급 옵션에서 60초 또는 그 이상으로 조정할 수 있지만, 긴 텍스트는 분할 생성 후 이어 붙이는 것을 권장하며 안정성이 더 높습니다.
가능합니다. 생성된 오디오의 저작권은 사용자에게 있으며, 상업용 영상, 광고, 오디오 콘텐츠 등 어떤시나리오에서도 자유롭게 사용할 수 있고 워터마크나 제한이 전혀 없습니다.
Windows 10/11, 4GB 메모리면 실행 가능하며 독립 그래픽 카드가 필요 없습니다. 첫 실행 시 약 728MB의 모델 파일을 다운로드하며, 이후에는 완전 오프라인으로 사용할 수 있습니다.
압축 패키지에 자세한 사용 설명서가 포함되어 있고, 인터페이스는 완전한 중국어로 되어 있어 안내에 따라 조작하면 됩니다. 본문의 3단계 튜토리얼을 참고해도 되며, 기본적으로 3분 이내에 익힐 수 있습니다.
魔音工厂가 해결하는 핵심 문제는“더빙 비용이 높고 과정이 복잡하다”는 점입니다. 이 도구는 텍스트를 음성으로 변환, 음성 복제, 다국어 생성이라는 몇 가지 작업을 인터넷도, 그래픽 카드도, 돈도 필요 없는 로컬 도구 하나로 압축했습니다. 특히 숏폼 영상 제작자, 자기 미디어 운영자, 오디오북 제작자, 그리고 대량의 음성 소재가 필요하지만 자신의 목소리를 노출하고 싶지 않은 모든 사람에게 적합합니다. 먼저 3분 만에 첫 더빙을 완성해 보고, 그다음 자신의 목소리로 ”디지털 분신”을 복제해 보시길 권합니다. 그때가 바로 진정한 효율이 폭발하는 순간입니다.
🎙️ 지금 魔音工厂 MOSS-TTS-Nano를 다운로드하고 나만의 로컬 음성 합성 파이프라인을 시작하세요!