나리랩스의 오픈소스 Dia TTS, 2주 만에 다운로드 10만 건 기록

나리랩스는 서울에 있는 2인 스타트업으로 오픈소스 텍스트 음성 변환(TTS)을 개발한다. 대표 모델인 Dia(1.6B 파라미터, Apache-2.0)는 대본으로 작성된 다중 화자 대화를 오디오로 변환하며, 사용자가 감정과 웃음, 기침 같은 비언어적 신호를 태그로 지정할 수 있게 한다.

2인 팀이 무료 구글 TPU로 훈련해 감정, 웃음, 기침을 제어할 수 있는 1.6B 파라미터 TTS를 오픈소스로 공개하여 ElevenLabs와 NotebookLM을 능가할 수 있다는 베팅이었다.

유치한 자금 없음: 창업자들은 Dia가 외부 투자 없이 구글의 TPU Research Cloud와 Hugging Face의 ZeroGPU 그랜트를 활용해 만들어졌다고 밝혔다(VentureBeat, 2025-04).

토비 김(서울대학교)과 성재용(KAIST)은 출시 약 3개월 전부터 음성 AI를 배우기 시작했다. NotebookLM의 팟캐스트 기능에서 영감을 받아 음성에 대한 더 많은 제어와 대본 작성의 자유를 원했고, 모든 상용 TTS API를 시험해봤지만 실제 인간 대화처럼 들리는 것을 찾지 못한 뒤 나리랩스를 창업하고 구글의 무료 TPU Research Cloud에서 훈련했다.

2025년 4월 그들은 Dia를 Apache-2.0으로 공개했다. 1.6B 파라미터, [S1]/[S2] 같은 화자 태그, (laughs)와 (coughs) 같은 큐를 실제 소리로 렌더링하는 기능을 갖췄다. 약 10GB의 VRAM을 갖춘 PC에서 실행된다. TechCrunch와 VentureBeat가 일주일 안에 보도했고, 한국경제TV는 다운로드가 2주 만에 10만 건을 넘었다고 보도했으며 한국 언론은 이 흐름을 'K-딥보이스'로 규정했다. Hugging Face CEO 클렘 들랑그, 와튼스쿨 교수 이선 몰릭, VC 디디 다스의 찬사도 이어졌다.

발표된 투자 라운드는 없다. 저장소는 2025-07-21 기준 GitHub 스타 1만 7,500개를 기록했고(ROSS Q3-2025), 2026년 결산 기사에서도 Dia는 여전히 상위 5개 오픈소스 TTS 모델 중 하나로 꼽힌다. 창업자들의 계획은 소셜 레이어를 갖춘 소비자용 음성 플랫폼으로 남아 있다.

무료 TPU라는 제약은 소형 모델 베팅을 강제했다. 소비자용 GPU에 맞는 1.6B 파라미터로, 규모가 아닌 제어 가능성이 차별화 요소가 되는 모델이다.

그들은 기존 사업자들이 소홀히 한 틈새, 즉 대본의 자유와 비언어적 전달을 겨냥했다. NotebookLM과 ElevenLabs의 출력은 정형화된 것처럼 들렸다.

Apache-2.0으로 오픈소스화한 것은 다운로드와 GitHub 스타를 마케팅 예산으로 삼은 것이었고, 두 학생이 돈을 주고도 살 수 없었던 보도를 얻어냈다.

2인 팀은 빠르게 출시했다. 첫 접촉에서 출시까지 약 3개월이 걸려 더 큰 연구소들의 출시 주기보다 앞서 나갔다.

ElevenLabs와 Sesame에 대한 나란히 비교 오디오는 품질 주장을 기자와 청취자가 직접 검증할 수 있는 증거로 바꿔놓았다.

자본이 부족할 때는 기존 사업자들이 수익화하는 병목, 즉 표현력 제어를 선택하고 해자(경쟁 우위)를 내줘야 한다. 오픈 가중치는 두 학생을 기준점으로 만들었다.

2026-09-04 기준으로 발표된 투자 라운드나 유료 플랫폼 출시는 없다. 오픈소스 프로젝트가 회사의 가시성을 떠받쳤다. ROSS Q3-2025는 2025-07-21 기준 GitHub 스타 1만 7,500개를 기록했고, 2026년 6월의 독립 결산 기사에서도 Dia는 여전히 상위 5개 오픈 TTS 모델 중 하나로 꼽힌다. TechCrunch는 미공개 훈련 데이터와 사기 지원에 악용될 수 있는 음성 복제라는 미해결 위험을 지적하면서도 나리의 라이선스가 오용을 금지한다고 언급했다. 창업자들의 계획은 소셜 레이어를 갖춘 소비자용 음성 플랫폼으로 남아 있으며, 상업적 사업체가 형성될지는 아직 입증되지 않았다.