VibeVoice는 글을 사람 같은 음성으로 바꾸는 마이크로소프트 오픈소스 TTS 모델로, 화자 최대 4명·최대 90분의 긴 대화 음성을 만들 수 있습니다.
VibeVoice가 뭔가요
적어둔 대본을 사람처럼 들리는 음성으로 바꿔 주는 마이크로소프트의 오픈소스 음성합성 모델입니다.
- TTS (Text-to-Speech)텍스트 음성 변환 / 음성합성
- 글(텍스트)을 사람이 말하는 듯한 음성으로 바꿔 주는 기술입니다. VibeVoice가 바로 이 일을 합니다.
- Open source오픈소스
- 프로그램의 설계도(코드)를 공개해 누구나 보고 쓸 수 있게 한 방식입니다. 단, '코드 공개'가 '실행까지 무료·간편'을 뜻하지는 않습니다.
- Model weights모델 가중치(학습 결과 파일)
- AI가 학습으로 얻은 능력을 담은 큰 파일입니다. VibeVoice를 직접 돌리려면 이 파일을 내려받아 컴퓨터에서 실행해야 합니다.
- Deep voice / Voice cloning딥보이스 / 목소리 복제
- 특정 사람의 목소리를 흉내 내 가짜 음성을 만드는 것. 동의 없이 하면 사칭·사기에 악용될 수 있어 금지됩니다.
나한테 맞는 도구일까 — 정직한 진입장벽
솔직히 말하면, VibeVoice는 '개발 도구'에 가깝습니다. 비개발자에겐 문턱이 분명히 있습니다.
VibeVoice는 클릭 한 번으로 쓰는 웹사이트나 앱이 아니라, 개발자가 코드로 실행하는 연구·개발용 모델입니다. 시작하기 전에 다음 세 가지를 솔직히 알아두세요.
- 파이썬·명령줄을 다뤄야 합니다 — 마우스 클릭이 아니라 글자 명령으로 환경을 만들고 모델을 돌립니다. 한 번도 안 해봤다면 여기서 막힐 수 있습니다.
- 고성능 GPU(그래픽카드)가 필요할 수 있습니다 — 음성합성 모델은 무거워서, 일반 노트북만으로는 느리거나 돌리기 어려울 수 있습니다. 클라우드 GPU를 빌리면 그쪽에서 사용료가 듭니다.
- 모델 파일을 직접 내려받아야 합니다 — 마이크로소프트가 Hugging Face에 올린 큰 모델 파일을 받아 설치해야 합니다.
그래서 '코드를 직접 만질 수 있거나, 그런 친구·팀이 있는' 경우엔 강력한 선택지지만, '버튼 눌러 바로 음성을 만들고 싶다'면 VibeVoice 자체보다 더 쉬운 입구(완성된 음성합성 웹서비스·앱)로 시작하는 편이 훨씬 빠릅니다. 또한 공식은 이 모델을 '연구·개발 목적'이라 밝히며, 충분한 추가 테스트 없이 상업·실무에 쓰는 것은 권장하지 않는다고 명시합니다.
오픈소스라니까 비개발자도 그냥 무료로 클릭해서 바로 쓰는 거죠?
아닙니다. 코드와 모델이 공개돼 있다는 뜻이지, 클릭 한 번으로 쓰는 완성 앱이라는 뜻이 아닙니다. 직접 쓰려면 파이썬·GPU 같은 개발 환경이 필요합니다. 코딩이 부담된다면, 회원가입만 하면 되는 일반 음성합성 웹서비스·앱으로 먼저 '글을 음성으로 바꾸는 게 어떤 건지' 감을 잡는 편이 훨씬 쉽습니다.
코드를 다루거나 도와줄 사람이 있는 분
파이썬·GPU 환경을 만들 수 있거나, 그런 동료·개발자와 함께 음성합성을 실험·연구하고 싶은 분에게 잘 맞습니다.
지금 당장 버튼으로 음성이 필요한 분
코딩 없이 바로 음성 파일이 필요하다면, VibeVoice를 직접 설치하기보다 완성된 음성합성 웹서비스·앱으로 시작하는 게 빠르고 쉽습니다.
무엇을 해줄 수 있나
한 명 낭독부터 여러 명이 주고받는 긴 대화까지 — '음성 만들기'에 특화돼 있습니다.
공식 저장소·배포 페이지 기준, VibeVoice가 내세우는 특징은 대략 이렇습니다. 핵심은 긴 분량과 여러 화자를 자연스럽게 다룬다는 점입니다. 다만 아래 수치는 공식이 소개하는 최대치이자 변동될 수 있는 값이니, 실제로는 환경·설정에 따라 다를 수 있다는 점을 감안하세요.
VibeVoice가 내세우는 대표 특징(공식 소개 기준)
- 적어둔 대본을 사람처럼 자연스러운 음성으로 변환(TTS)
- 여러 화자(공식 기준 최대 4명)가 번갈아 말하는 대화 음성 생성
- 팟캐스트처럼 긴 분량(공식 기준 최대 약 90분)의 음성을 한 번에 만들 수 있다고 소개
- 영어·중국어 등 여러 언어를 지원한다고 공식에서 안내(언어별 지원 범위는 공식 확인)
- 최근에는 같은 이름으로 음성을 글로 받아쓰는 기능(ASR, 음성 인식)도 함께 공개
지금 제공 상태와 악용 금지 — 꼭 알아둘 것
마이크로소프트가 일부 코드를 내린 적이 있고, 목소리 사칭 같은 악용은 금지됩니다.
| 항목 | 내용(변동될 수 있음) |
|---|---|
| 라이선스 | 공식 기준 MIT 라이선스(자유로운 사용·수정이 비교적 넓게 허용되는 오픈소스). 단 표기는 바뀔 수 있으니 공식 확인 |
| 코드·모델 제공 상태 | 2025-09-05 공지로 TTS 코드가 한때 내려갔으나, 2026-06-08 확인 시점에는 TTS·ASR 모델이 다시 공개돼 내려받을 수 있는 상태 — 또 바뀔 수 있으니 공식에서 확인 필요 |
| 실행 비용 | 코드·모델 자체는 무료여도, 직접 돌리려면 GPU가 필요하고 클라우드로 빌리면 사용료가 듦 |
| 용도 권장 | 공식은 '연구·개발 목적'이라 밝히며, 충분한 추가 테스트 없이 상업·실무 사용은 권장하지 않는다고 명시 |
재미로 유명인이나 지인 목소리를 흉내 낸 음성을 만들어 공유해도 괜찮겠죠?
안 됩니다. 동의 없이 특정인의 목소리를 흉내 내는 것은 사칭·사기·허위정보(딥보이스)로 이어질 수 있고, 공식도 이런 악용 위험을 분명히 경고합니다. 본인 또는 동의받은 목소리로만, 합법적인 범위에서 쓰고, 만든 음성은 'AI로 생성했음'을 밝히세요.
시작하는 법 — 무리해서 설치하지 말고 단계별로
비개발자라면 '설치'보다 '확인하고 판단하기'부터. 한 장씩 따라 해 보세요.
1단계 · 공식 저장소에서 현재 상태 확인
github.com/microsoft/VibeVoice 를 열어 '무엇을 하는 도구인지'와 '지금 어떤 코드·모델이 제공되는지' 공지(특히 2025-09-05 안내)를 먼저 확인합니다. 영어가 부담되면 브라우저 번역을 켜세요.
2단계 · 내게 맞는지 정직하게 판단
'나는 파이썬·명령줄을 다룰 수 있나?', 'GPU나 클라우드 비용을 쓸 생각이 있나?' 두 질문에 스스로 답합니다. 둘 다 부담되면 4단계의 '더 쉬운 입구'로 가세요.
3단계 · (개발 가능하면) 모델·코드 받아 환경 만들기
코드를 다룰 수 있다면, 공식 안내에 따라 파이썬 환경을 만들고 Hugging Face의 모델 파일을 내려받아 설치합니다. 설치·실행 명령은 기억에 의존하지 말고 공식 문서에서 그대로 가져오세요.
4단계 · (비개발자면) 더 쉬운 입구로 먼저
코딩이 부담되면 VibeVoice 직접 설치를 미루고, 회원가입만으로 쓰는 완성된 음성합성 웹서비스·앱으로 '글을 음성으로 바꾸는 경험'부터 해 보세요. 감을 잡은 뒤 필요하면 다시 와도 늦지 않습니다.
5단계 · 결과를 듣고, 책임 있게 사용
음성이 만들어지면 직접 들어 어색한 부분을 확인합니다. 동의 없는 목소리 흉내는 금지하고, 공유할 때는 'AI로 만든 음성'임을 밝힙니다.
오늘 해볼 것 — 설치 없이 5분
꼭 설치하지 않아도 됩니다. '이게 나한테 맞는지'부터 가볍게 확인해 보세요.
- 공식 저장소(github.com/microsoft/VibeVoice)를 열어 소개와 2025-09-05 공지로 현재 제공 상태를 확인하기
- '나는 파이썬·GPU를 다룰 의향이 있나?' 스스로 답해 보기
- 부담된다면 완성된 음성합성 웹서비스·앱으로 '글→음성'을 한 번 체험해 보기
- 어떤 음성이든 동의 없는 목소리 흉내는 금지하고, 공유 시 'AI 생성'임을 밝히기로 마음먹기
| 이걸 했으면 첫걸음 끝 | 확인 |
|---|---|
| 공식 저장소에서 '무엇을 하는 도구인지'와 현재 제공 상태를 확인했다 | ☐ |
| '파이썬·GPU' 조건이 나에게 맞는지 솔직하게 판단했다 | ☐ |
| 맞지 않으면 더 쉬운 음성합성 서비스로 먼저 체험하기로 했다 | ☐ |
| 동의 없는 목소리 흉내 금지·AI 생성 표시 원칙을 지키기로 했다 | ☐ |
자주 묻는 질문
VibeVoice는 무료인가요?
코드와 모델 자체는 공식 기준 MIT 라이선스의 오픈소스라 무료로 받아 쓸 수 있습니다. 다만 직접 돌리려면 GPU 같은 환경이 필요하고, 클라우드 GPU를 빌리면 그쪽에서 사용료가 듭니다. '코드 무료'와 '실행 무료'는 다르다는 점을 기억하세요.
코딩을 전혀 모르는데 쓸 수 있나요?
직접 쓰기는 어렵습니다. 파이썬·명령줄·모델 파일 설치 같은 개발 작업이 필요해 비개발자에겐 문턱이 높습니다. 코딩이 부담된다면 완성된 음성합성 웹서비스·앱으로 먼저 체험하거나, 개발에 익숙한 동료의 도움을 받는 편이 좋습니다.
지금도 정상적으로 받아서 쓸 수 있나요?
2026-06-08 확인 시점에는 TTS 모델(VibeVoice-TTS-1.5B 등)이 공개돼 Hugging Face에서 내려받을 수 있었고, 음성을 글로 받아쓰는 ASR 모델도 함께 제공되고 있었습니다. 다만 공식 저장소에는 '2025-09-05 의도와 다른 사용이 확인되어 TTS 코드를 내렸다'는 공지가 아직 남아 있습니다 — 한때 내려갔다가 다시 올라온 상태라 또 바뀔 수 있으니, 쓰기 전에 공식 저장소와 배포 페이지에서 지금 무엇이 제공되는지 반드시 직접 확인하세요.
다른 사람 목소리를 흉내 낸 음성을 만들어도 되나요?
안 됩니다. 동의 없이 특정인의 목소리를 흉내 내는 것은 사칭·사기·허위정보(딥보이스)로 악용될 수 있어 금지됩니다. 본인 또는 동의받은 목소리로만 합법 범위에서 쓰고, 공유할 때는 'AI로 만든 음성'임을 밝히세요.
회사 업무(상업용)에 바로 써도 되나요?
권장되지 않습니다. 공식은 이 모델을 연구·개발 목적이라 밝히며, 충분한 추가 테스트 없이 상업·실무에 쓰는 것은 권장하지 않는다고 명시합니다. 실무 도입 전에는 품질·법적 문제·라이선스를 공식 기준으로 충분히 검토하세요.
AI가 만든 음성은 그대로 믿어도 되나요?
그렇지 않습니다. 발음·억양이 어색하거나 의도와 다른 결과가 나올 수 있습니다. 만든 음성은 직접 들어 확인하고, 공유할 때는 'AI 생성 음성'임을 밝히는 책임 있는 사용을 권합니다.
출처와 확인 경계
기능·라이선스·이용 조건은 VibeVoice 공식 GitHub 저장소와 마이크로소프트의 Hugging Face 공식 배포 페이지를 기준으로 정리했습니다(2026-06-08 확인 기준). 중요한 정직성 안내가 있습니다 — 공식 저장소에는 여전히 '2025-09-05, 의도와 다르게 쓰이는 사례가 확인되어 책임 있는 AI 원칙에 따라 VibeVoice-TTS 코드를 저장소에서 내렸다(removed the VibeVoice-TTS code)'는 공지가 남아 있습니다. 다만 그 뒤로 상황이 바뀌어, 2026-06-08 확인 시점에는 TTS 모델(VibeVoice-TTS-1.5B 등)이 다시 공개돼 Hugging Face에서 내려받을 수 있는 상태였고, 음성을 글로 받아쓰는 ASR 모델까지 함께 제공되고 있었습니다. 즉 한때 내려갔다가 다시 올라온 셈이라, 제공 상태가 시점에 따라 또 바뀔 수 있습니다 — 화면·버튼·설치 방법·모델 제공 여부·요금(클라우드로 돌릴 경우)·라이선스 표기도 업데이트로 달라질 수 있습니다. 아래 내용은 큰 흐름으로 참고하고, 실제로 쓰기 전에 공식 저장소와 배포 페이지에서 '지금 무엇이 제공되는지'를 한 번 직접 확인하세요. 또 AI가 만든 음성은 사람을 속이는 데 악용될 수 있고 항상 완벽하지도 않으니, 결과물은 그대로 믿거나 공유하기 전에 한 번 확인하고 'AI로 만든 음성'임을 밝히는 게 좋습니다.