사용자가 로컬 TTS 모델(KokoroTTS, Audio8-preview, KittenTTS, Qwen3-TTS)을 사용하며 CPU 환경에서 3초 분량의 문장을 3~4초 내에 생성하는 데 어려움을 겪었어요.
모델 양자화(Q8-Q4_K_M) 시 음질 저하, 문장 불완전, 단어 누락 등의 문제가 발생하여 실용성이 떨어졌어요.
기존 TTS 모델 대비 음질은 개선되었지만, 예측 불가능한 동작과 높은 시스템 자원 요구량이 문제점으로 지적되었어요.
사용자는 안정적인 출력과 적은 자원 사용을 위한 로컬 TTS 모델을 찾고 있으며, AI 기술의 예측 불가능성에 대한 아쉬움을 표현했어요.