GPU 없는 CI 환경을 위한 4종 Neural TTS 벤치마크 및 최적 선택지 분석

Context

GPU가 없는 GitHub Actions 환경에서 비용 제로의 Neural TTS 파이프라인 구축 필요성 대두. CUDA 의존성 제거와 Headless 실행 가능 여부가 시스템 설계의 핵심 제약 사항으로 작용.

Technical Solution

• Microsoft Edge의 비공식 엔드포인트를 활용한 edge-tts 도입으로 인퍼런스 연산 부하를 외부로 오프로딩한 스트리밍 구조 설계
• 완전 로컬 추론을 위해 Kokoro-82M 및 MeloTTS를 검토하여 외부 API 의존성을 제거한 폐쇄적 아키텍처 구성
• 모델 가중치 파일(320MB~500MB)의 GitHub Actions 캐싱 전략을 통한 런타임 다운로드 시간 최적화
• 텍스트 밀도와 세그먼트 수에 따른 CPU 인퍼런스 지연 시간을 분석하여 콘텐츠 길이에 따른 모델 분기 전략 수립
• Bark 모델의 높은 VRAM 요구량과 CPU 추론 속도 저하를 확인하여 표준 CI 환경에서의 배제 결정