Hume AI TADA
텍스트-음향 1:1 토큰 정렬 방식의 감정 표현 TTS 모델 — Hume AI
Hume AI TADA는 감정 지능 음성 AI 연구소 Hume AI가 2026년 3월 공개한 오픈소스 LLM 기반 TTS 모델이에요. 한 줄로 표현하면 '읽어달란 텍스트만 정확히 읽고, 임의로 단어를 빠뜨리거나 환각하지 않는 LLM-TTS'입니다. 기존 LLM 기반 TTS의 고질병은 콘텐츠 환각이었어요 — 모델이 단어를 빠뜨리거나 중복 발음하거나 원본에 없는 음을 만들어내는 현상이죠. TADA는 텍스트 토큰과 음성 토큰을 1:1로 정렬하는 Text-Acoustic Dual Alignment 구조로 이 문제를 아키텍처 수준에서 차단했고, 1,000건 이상 LibriTTSR 테스트에서 환각 0건을 달성했습니다. 동시에 RTF 0.09로 동급 LLM-TTS 대비 5배 빨라, 정확성과 속도를 같이 잡은 보기 드문 모델이에요. 실무 관점에서는 (1) 오디오북·내러티브 콘텐츠처럼 단어 누락을 절대 허용하지 않는 장문 낭독에서 신뢰할 수 있고, (2) 2,048 토큰으로 약 11분 분량을 한 번에 처리해 기존 시스템(~70초)의 10배 효율로 긴 대화를 생성하며, (3) 10개 언어(영어·중국어·일본어·아랍어 등) 다국어 모델로 글로벌 콘텐츠 파이프라인을 단일 모델에서 운용할 수 있습니다.
💻 필요한 컴퓨터 사양
3B 모델 기준 bf16 정밀도 ~9GB, 표준 정밀도 ~11.5GB. NVIDIA GPU CUDA 호환 필수. RTX 3060(12GB) 이상이면 bf16으로 3B 모델 구동 가능. 1B 모델은 더 낮은 VRAM으로 동작.
3B 모델 가중치 ~8GB, 1B 모델 ~2GB, 코덱(tada-codec) ~500MB. 전체 패키지 약 10-12GB
⚡ 설치법
### 4-1. Quick Start
```bash
pip install hume-tada
```
### 4-2. 소스 빌드
```bash
git clone https://github.com/HumeAI/tada.git
cd tada
pip install -e .
```
### 4-3. 기본 사용 (Python)
```python
from tada.modules.encoder import Encoder
from tada.modules.tada import TadaForCausalLM
import torch, torchaudio
# 모델 로드 (3B 다국어, bf16 정밀도)
encoder = Encoder.from_pretrained("HumeAI/tada-codec",
subfolder="encoder").to("cuda")
model = TadaForCausalLM.from_pretrained("HumeAI/tada-3b-ml",
torch_dtype=torch.bfloat16).to("cuda")
# 레퍼런스 음성으로 화자 스타일 프롬프팅
audio, sr = torchaudio.load("reference.wav")
prompt = encoder(audio, text=["reference text"], sample_rate=sr)
# 새 텍스트로 음성 합성
output = model.generate(prompt=prompt, text="합성할 텍스트")
```
> **참고**: HuggingFace에서 Meta Llama 3.2 Community License를 사전 수락해야 모델 가중치 다운로드 가능.📝 업데이트 노트
아직 업데이트 노트가 없습니다.
🧪 관련 생명의 코드
관련된 생명의 코드 글이 아직 없습니다.