Slobodna AI Tekst-u-govor
33+ modeli otvorenog koda, 273+ glasovi, 33+ Nema potrebe za računom.
Sve što trebate za glasovnu AI
30+ alata podržanih modelima UI otvorenog koda
33+ AI Voice Models
Najopsežnija kolekcija modela TTS otvorenog koda na jednoj platformi
Kokoro Slobodan
Kokoro je model tekst-u-govor sa 82 miliona parametara koji je daleko iznad svoje klase težine. Uprkos svojoj maloj veličini, on proizvodi izuzetno prirodan i izražajan govor. Kokoro podržava više jezika uključujući engleski, japanski, kineski i korejski sa različitim izražajnim glasovima. Radi nevjerojatno brzo — generirajući zvuk gotovo 100 puta brže nego u stvarnom vremenu na GPU.
Najbolje za: Visokokvalitetni TTS sa minimalnom latencijom, aplikacije za streaming
Probaj besplatno
Piper Slobodan
Piper je lagan motor za pretvorbu teksta u govor razvijen od strane Rhasspy koji koristi VITS i larynx arhitekture. Radi u potpunosti na CPU, što ga čini idealnim za edge uređaje, automatizaciju doma, i aplikacije koje zahtijevaju offline TTS. Sa preko 100 glasova na preko 30 jezika, Piper isporučuje prirodno zvučan govor u realnom vremenu čak i na Raspberry Pi 4.
Najbolje za: Brzi pregledi, pristupačnost i ugrađene aplikacije
Probaj besplatno
VITS Slobodan
VITS (Variational Inference with adversarial learning for end-to-end Text-to-Speech) je paralelna metoda koja generira prirodniji zvuk od trenutnih dvofaznih modela.Uzima varijacionalnu inferencu pojačanu normalizacijskim tokovima i adversarialnim procesom učenja, postižući značajno poboljšanje prirodnosti.
Najbolje za: Opća svrha tekst-u-govor s prirodnom prozodijom
Probaj besplatno
MeloTTS Slobodan
MeloTTS od MyShell.ai je višejezična TTS biblioteka koja podržava engleski (američki, britanski, indijski, australijski), španski, francuski, kineski, japanski i korejski. Iznimno je brza, obrađuje tekst skoro u realnom vremenu samo na CPU-u. MeloTTS je dizajniran za produkcijsku upotrebu i podržava i CPU i GPU zaključivanje.
Najbolje za: Produkcijske aplikacije trebaju brz, višejezični TTS
Probaj besplatno
Kani TTS 2 Slobodan
Kani-TTS-2 od NineNineSix je ultra-lagan 400M parametar model izgrađen na Liquid AI LFM2 backbone sa NVIDIA NanoCodec. On radi u samo 3GB VRAM i proizvodi ~10 sekundi govora u ~2 sekundi na A100 (RTF 0.2). Trenutno javno izdanje isporučuje samo englesku `kani-tts-2-en` kontrolnu tačku i ne izlaže zvučnika-ugradnju kuke potrebne za kloniranje glasa — koristite Chatterbox / IndexTTS2 / F5-TTS za kloniranje, ili Kokoro / MeloTTS za ne-engleski.
Najbolje za: Brzo stvaranje engleskog na hardveru sa malo VRAM-a, brzi pregledi
Probaj besplatno
OuteTTS Slobodan
OuteTTS proširuje velike jezičke modele sa mogućnostima tekst-u-govor, a istovremeno čuva originalnu arhitekturu. Podržava višestruke backendeve uključujući llama.cpp (CPU/GPU), Hugging Face Transformers, ExLlamaV2, VLLM, pa čak i zaključivanje preglednika putem Transformers.js.
Najbolje za: Edge implementacija, TTS zasnovan na pregledniku, okruženja sa niskim resursima
Probaj besplatno
Pocket TTS Slobodan
Pocket TTS od Kyutai (kreatori Moshi) je kompaktan 100M parametara tekst-u-govor model koji je puno iznad svoje težine. Radi efikasno na CPU, podržava kloniranje glasa bez snimanja iz jednog audio uzorka, i proizvodi prirodno zvučan govor. Mala veličina modela ga čini idealnim za edge implementaciju i okruženja sa niskim resursima.
Najbolje za: Lako raspoređivanje, okruženja samo sa CPU-om, brzo kloniranje glasa
Probaj besplatno
Kitten TTS Slobodan
Kitten TTS by KittenML je ultra-lagani model tekst-u-govor izgrađen na ONNX. Sa varijantama od 15M do 80M parametara (25-80 MB na disku), on isporučuje visokokvalitetnu sintezu glasa na CPU bez potrebe za GPU. Ima 8 ugrađenih glasova, podesivu brzinu govora, i ugrađenu preprocesažu teksta za brojeve, valute i jedinice. Idealno za edge implementaciju i aplikacije sa niskim latencijama.
Najbolje za: Brzi, lagani TTS, edge implementacija, aplikacije sa niskim latencijama
Probaj besplatno
Ming-Omni TTS Slobodan
Ming-omni-tts-0.5B od inclusionAI je kompaktan omni-modalni govorni model izgrađen na BailingMM gustoj okosnici sa Patch-by-Patch audio dekoderom koji odgovara toku. Obezbjeđuje 44.1kHz izlaz (blizu CD kvaliteta), podržava kloniranje glasa sa nultim udarom od 3+ sekunde reference, i uključuje ugrađenu kontrolu emocija / dijalekta / BGM putem JSON instrukcija. Odlična stabilnost — 0.83% WER na kineskim referentnim vrijednostima.
Najbolje za: High-fidelity bilingual narration, emo-controlled voice acting, Chinese audiobook content
Probaj besplatno
MOSS-TTS Nano Slobodan
MOSS-TTS-Nano-100M je OpenMOSS-ova kompaktna 100M-parametarska varijanta MOSS-TTS porodice, koja dijeli arhitekturu kašnjenja-transformatora. Izmjenjuje vrhunski kvalitet modela 8B za ~80x manje težine i dramatično niži VRAM po zahtjevu, što ga čini pogodnim za free-tier i visoko-propusni raspored. Isti 20-jezični doseg.
Najbolje za: Free-tier TTS, proizvodnja velikog volumena, interaktivna upotreba sa niskom latencijom
Probaj besplatno
Bark Standardni
Tekst-u-zvuk model zasnovan na transformatorima koji generira realističan govor, muziku i zvučne efekte.
Programer: Suno · Licenca: MIT
Probaj.
Bark Small Standardni
Laganiji oblik Bark-a sa bržim zaključavanjem i manjom upotrebom memorije.
Programer: Suno · Licenca: MIT
Probaj.
CosyVoice 2 Standardni
Alibaba-in skalabilni streaming TTS sa ljudskom paritetom prirodnosti i skoro nultom latencijom.
Programer: Alibaba (Tongyi Lab) · Licenca: Apache 2.0
Probaj.
Dia TTS Standardni
Multi-speaker dijaloški model koji stvara prirodne razgovore između govornika.
Programer: Nari Labs · Licenca: Apache 2.0
Probaj.
Parler TTS Standardni
Opisujte glas koji želite u prirodnom jeziku i Parler će generirati odgovarajući govor.
Programer: Hugging Face · Licenca: Apache 2.0
Probaj.
IndexTTS-2 Standardni
Zero-shot TTS sa fino zrnatom kontrolom emocija i visokom ekspresivnošću.
Programer: Index Team · Licenca: Bilibili Model License
Probaj.
Spark TTS Standardni
Kloniranje glasa TTS sa kontroliranim emocijama i stilom govora putem naredbi.
Programer: SparkAudio · Licenca: CC BY-NC-SA 4.0
Probaj.
GPT-SoVITS Standardni
Nekoliko snimki kloniranja glasa TTS koji replicira bilo koji glas od samo 5 sekundi zvuka.
Programer: RVC-Boss · Licenca: MIT
Probaj.
Orpheus Standardni
Emocionalni TTS model na ljudskom nivou obučen na 100K sati govornih podataka.
Programer: Canopy Labs · Licenca: Llama 3.2 Community
Probaj.
Qwen3 TTS Standardni
Alibaba's multilingual TTS with preset voices and voice design from text.
Programer: Alibaba (Qwen) · Licenca: Apache 2.0
Probaj.
VieNeu-TTS-v2 Standardni
Vijetnamski + engleski kod-prebacivanje TTS sa 7 unaprijed postavljenih glasova i kloniranje glasa bez snimanja. Samo CPU, nije potreban GPU.
Programer: Phạm Nguyễn Ngọc Bảo · Licenca: Apache 2.0
Probaj.
Chatterbox Turbo Standardni
Brži Chatterbox sa latencijom ispod 200 ms i paralingvističkim oznakama za smijeh, kašalj i drugo.
Programer: Resemble AI · Licenca: MIT
Probaj.
VoxCPM Standardni
Tokenizer-free TTS produces 44.1kHz audio with context-aware paragraph consistency.
Programer: OpenBMB · Licenca: Apache 2.0
Probaj.
VibeVoice Standardni
Microsoftov model za dugotrajni multi-speaker sadržaj kao što su podcasti i audioknjige.
Programer: Microsoft · Licenca: MIT
Probaj.
CosyVoice3 Standardni
Sljedeća generacija višejezičnog TTS-a sa bi-streamingom, kontrolom emocija i kloniranjem glasa bez snimanja.
Programer: Alibaba (FunAudioLLM) · Licenca: Apache 2.0
Probaj.
NAMAA Saudi TTS Standardni
Prvi otvoreni saudijski arapski TTS. Nativni saudijski dijalekt sa kloniranjem glasa kvalitete Chatterbox.
Programer: NAMAA Space · Licenca: MIT
Probaj.
Darwin TTS Standardni
Cross-modal Qwen3-TTS varijanta sa FFN ponderima pomiješana sa Qwen3-1.7B jezičkim modelom za oštrije višejezično kloniranje.
Programer: FINAL-Bench · Licenca: Apache 2.0
Probaj.
MOSS-TTSD Standardni
Multi-speaker dialogue continuation model — generira podcast-style razgovore sa do 5 govornika i 60 minuta koherentnog zvuka.
Programer: OpenMOSS · Licenca: Apache 2.0
Probaj.
Chatterbox Premium
Najmodernije kloniranje glasa sa kontrolom emocija od Resemble AI.
Kvaliteta:
Probaj.
Tortoise TTS Premium
Višeglasni tekst-u-govor fokusiran je na kvalitetu sa autoregresivnom arhitekturom.
Kvaliteta:
Probaj.
StyleTTS 2 Premium
Human-level text-to-speech through style diffusion and adversary training.
Kvaliteta:
Probaj.
OpenVoice Premium
Instant kloniranje glasa sa granularnom kontrolom stila, emocija i naglaska.
Kvaliteta:
Probaj.
Sesame CSM Premium
Konverzacijski govorni model koji generira prirodni dijalog sa odgovarajućim vremenom i emocijama.
Kvaliteta:
Probaj.CosyVoice 2
Alibaba-in skalabilni streaming TTS sa ljudskom paritetom prirodnosti i skoro nultom latencijom.
Jezici: en, zh, ja, ko, fr, de, it, es
GlasIndexTTS-2
Zero-shot TTS sa fino zrnatom kontrolom emocija i visokom ekspresivnošću.
Jezici: en, zh
GlasSpark TTS
Kloniranje glasa TTS sa kontroliranim emocijama i stilom govora putem naredbi.
Jezici: en, zh
GlasGPT-SoVITS
Nekoliko snimki kloniranja glasa TTS koji replicira bilo koji glas od samo 5 sekundi zvuka.
Jezici: en, zh, ja, ko
GlasTortoise TTS
Višeglasni tekst-u-govor fokusiran je na kvalitetu sa autoregresivnom arhitekturom.
Jezici: en
GlasOpenVoice
Instant kloniranje glasa sa granularnom kontrolom stila, emocija i naglaska.
Jezici: en, zh, ja, ko, fr, es
GlasVieNeu-TTS-v2
Vijetnamski + engleski kod-prebacivanje TTS sa 7 unaprijed postavljenih glasova i kloniranje glasa bez snimanja. Samo CPU, nije potreban GPU.
Jezici: vi, en
GlasChatterbox Turbo
Brži Chatterbox sa latencijom ispod 200 ms i paralingvističkim oznakama za smijeh, kašalj i drugo.
Jezici: en
GlasVoxCPM
Tokenizer-free TTS produces 44.1kHz audio with context-aware paragraph consistency.
Jezici: en, zh
GlasOuteTTS
LLM-based TTS koji radi na CPU, GPU, ili pregledniku preko llama.cpp i Transformers.js.
Jezici: en
GlasPocket TTS
100M parametar model od strane Kyutai sa kloniranjem glasa iz jednog uzorka.
Jezici: en, fr
GlasCosyVoice3
Sljedeća generacija višejezičnog TTS-a sa bi-streamingom, kontrolom emocija i kloniranjem glasa bez snimanja.
Jezici: en, zh, ja, ko, de, es, fr, it, ru
GlasNAMAA Saudi TTS
Prvi otvoreni saudijski arapski TTS. Nativni saudijski dijalekt sa kloniranjem glasa kvalitete Chatterbox.
Jezici: ar
GlasDarwin TTS
Cross-modal Qwen3-TTS varijanta sa FFN ponderima pomiješana sa Qwen3-1.7B jezičkim modelom za oštrije višejezično kloniranje.
Jezici: en, ko, ja, zh
GlasMOSS-TTSD
Multi-speaker dialogue continuation model — generira podcast-style razgovore sa do 5 govornika i 60 minuta koherentnog zvuka.
Jezici: en, zh
GlasMing-Omni TTS
1995. godine je predstavljena verzija 1.0.0.0, koja je imala 4.1 MB RAM-a, 4.0.1.0 pogon i 4.1.2.0 grafičku karticu.
Jezici: en, zh
GlasMOSS-TTS Nano
Tiny 100M MOSS-TTS varijanta — ista arhitektura, 80x manja, free-tier latencija.
Jezici: en, zh, de, es, fr, ja, it, ko, ru, ar, pt
GlasDeveloper-First API
OpenAI-kompatibilni REST API. Jedna krajnja tačka, 22+ modela. Podrška za streaming aplikacija u realnom vremenu.
- OpenAI-kompatibilni format
- Streaming TTS za aplikacije u stvarnom vremenu
- Serijska obrada za velike zadatke
- Webhook obavijesti
pip install ttsai
npm install @ttsainpm/ttsai
from tts_ai import TTSClient
client = TTSClient(api_key="sk-tts-xxx")
audio = client.generate(
text="Hello from TTS.ai!",
model="kokoro",
voice="af_bella",
)
client.save(audio, "output.mp3")Jednostavno, transparentno određivanje cijena
Počnite besplatno, povećavajte kako rastete.
Slobodan
15,000 znakova + 5,000/dan
- 7 slobodnih modela uključujući Kokoro
- 5000 znakova po generaciji
- API pristup uključen
Starter
500 kredita/mjesečno
- Sve 22+ modela
- 100.000 znakova po generaciji
- Kloniranje glasa
Pro
2,000 kredita/mjesečno
- Sve u Starteru
- API pristup
- Prioritetna obrada
Često postavljana pitanja
Šta možemo da poboljšamo? Vaše povratne informacije nam pomažu da riješimo probleme.
Počnite koristiti AI Voice danas
Pridružite se kreatorima, programerima i kompanijama koje koriste TTS.ai