From b92d2be2af05706104f3d92b1609840bd3c00dda Mon Sep 17 00:00:00 2001
From: claude <claude@tkrmagid.kr>
Date: Sun, 23 Aug 2026 23:11:59 +0900
Subject: [PATCH] =?UTF-8?q?docs:=20Coqui=20=EC=B2=B4=ED=81=AC=ED=8F=AC?=
 =?UTF-8?q?=EC=9D=B8=ED=8A=B8=20=EC=82=AD=EC=A0=9C(404)=20=ED=99=95?=
 =?UTF-8?q?=EC=A0=95,=20CosyVoice=20=ED=95=9C=EA=B5=AD=EC=96=B4=20GPU=20?=
 =?UTF-8?q?=EC=8B=A4=EC=B8=A1=20=EC=84=B1=EA=B3=B5=20=EA=B8=B0=EB=A1=9D?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

---
 docs/ENGINES.md | 19 +++++++++++++++++++
 1 file changed, 19 insertions(+)

diff --git a/docs/ENGINES.md b/docs/ENGINES.md
index b9f6b40..5cdd251 100644
--- a/docs/ENGINES.md
+++ b/docs/ENGINES.md
@@ -39,3 +39,22 @@
 - D. (옵션) TensorFlowTTS KSS CPU 엔진. 비상업 라이선스 명시.
 
 무료·무제한 보장: 통합 대상은 Apache-2.0(CosyVoice) / MPL-2.0(Coqui)만 GPU 기본 경로로 사용. 비상업(CC BY-NC-SA)인 TF-TTS는 개인용 옵션으로만, UI에 라이선스 표기.
+
+## 진행 로그 / 실측 결과
+
+### Coqui GlowTTS-KSS (repo #4) — 통합 불가로 확정
+- 라이브러리(coqui-tts idiap fork)는 torch 2.11+cu128에서 정상 동작(Synthesizer import OK, torchcodec 필요).
+- 그러나 **사전학습 체크포인트 구글드라이브 폴더 4개가 전부 삭제(404)**: GlowTTS/MB-MelGAN/HalfLife 2종 모두. 가중치가 없어 직접 학습(수일) 외 방법이 없어 제외.
+
+### CosyVoice (repo #1) — GPU 실측 성공 ✅ (채택)
+- 모델: `iic/CosyVoice-300M-SFT` (ModelScope, ~5.4GB), Apache-2.0.
+- 프리셋 화자에 `韩语女`(한국어) 포함 → 참조음성 없이 `inference_sft(text, '韩语女')` 로 한국어 합성.
+- 실측(RTX 5050, torch 2.11+cu128): 로드 15.3s, 합성 3.2s(4.8s 음성, RTF 0.66), device=cuda.
+- 의존성 조정(핵심):
+  - torch/torchaudio를 2.11.0+cu128로 고정(원 requirements의 2.3.1/cu121 제거).
+  - deepspeed / tensorrt / onnxruntime-gpu 제거(추론 불필요), onnxruntime(CPU)로 대체.
+  - pyworld 제거(학습 파이프라인에서만 사용). numpy 1.26과 빌드 비호환.
+  - openai-whisper는 CosyVoice 토크나이저(`whisper.tokenizer.get_tokenizer`)에 필요 → `--no-deps`로 설치(토치 덮어쓰기 방지) + tiktoken/more-itertools.
+  - `cosyvoice/cli/frontend.py`, `cosyvoice/dataset/processor.py`의 `import whisper`/`import pyworld`를 optional 처리.
+  - WAV 저장은 torchaudio(2.11 torchcodec 경로 깨짐) 대신 soundfile 사용.
+- 통합 방식: 전용 venv(`/opt/cosyvoice`, base torch 공유) + subprocess 호출. 모델은 이미지에 베이킹(또는 호스트 볼륨 마운트).