Δωρεάν AI Κείμενο σε λόγο
27+ μοντέλα ανοικτού κώδικα, 219+ φωνές, 33+ γλώσσες. Δεν απαιτείται λογαριασμός.
Όλα όσα χρειάζεστε για τη Φωνή ΑΙ
30+ εργαλεία που κινούνται με μοντέλα AI ανοικτού κώδικα
27+ Φωνητικά Μοντέλα AI
Η πιο ολοκληρωμένη συλλογή μοντέλων TTS ανοικτού κώδικα σε μία πλατφόρμα
Kokoro Ατελώς
Το Kokoro είναι ένα μοντέλο 82 εκατομμυρίων παραμέτρων κείμενο προς ομιλία που χτυπάει πολύ πάνω από την κατηγορία βάρους του. Παρά το μικρό του μέγεθος, παράγει αξιοσημείωτα φυσικό και εκφραστικό λόγο. Το Kokoro υποστηρίζει πολλές γλώσσες όπως αγγλικά, ιαπωνικά, κινεζικά και κορεάτικα με μια ποικιλία εκφραστικών φωνών.
Καλύτερα για: Υψηλής ποιότητας TTS με ελάχιστη καθυστέρηση, streaming εφαρμογές
Δοκιμάστε δωρεάν
Piper Ατελώς
Η Piper είναι μια ελαφριά μηχανή κειμένου προς ομιλία που αναπτύχθηκε από Rasspy που χρησιμοποιεί VITS και αρχιτεκτονική λάρυγγα. Λειτουργεί εξ ολοκλήρου σε CPU, καθιστώντας την ιδανική για συσκευές άκρη, αυτοματισμού σπίτι, και εφαρμογές που απαιτούν offline TTS. Με πάνω από 100 φωνές σε 30+ γλώσσες, Piper παρέχει φυσικό-ηχητικό λόγο σε ταχύτητες σε πραγματικό χρόνο ακόμη και σε ένα Raspberry Pi 4.
Καλύτερα για: Γρήγορες προεπισκοπήσεις, προσβασιμότητα και ενσωματωμένες εφαρμογές
Δοκιμάστε δωρεάν
VITS Ατελώς
Το VITS (Variational Inference with adversarial learning for end-to-end Text-to-Speech) είναι μια παράλληλη μέθοδος end-to-end TTS που παράγει πιο φυσικό ήχο από τα τρέχοντα μοντέλα δύο σταδίων.
Καλύτερα για: text-to-speech γενικής χρήσης με φυσική προσθετικότητα
Δοκιμάστε δωρεάν
MeloTTS Ατελώς
MeloTTS by MyShell.ai είναι μια πολύγλωσση βιβλιοθήκη TTS που υποστηρίζει Αγγλικά (Αμερικάνικη, Βρετανική, Ινδική, Αυστραλιανή), Ισπανικά, Γαλλικά, Κινέζικα, Ιαπωνικά, και Κορεάτικα. Είναι εξαιρετικά γρήγορη, επεξεργασία κειμένου σε σχεδόν ταχύτητα σε πραγματικό χρόνο σε CPU μόνο.
Καλύτερα για: Εφαρμογές παραγωγής που χρειάζονται γρήγορη, πολύγλωσση TTS
Δοκιμάστε δωρεάν
OuteTTS Ατελώς
Το OutetTS επεκτείνει τα μεγάλα γλωσσικά μοντέλα με δυνατότητες κειμένου σε ομιλία, διατηρώντας παράλληλα την αρχική αρχιτεκτονική. Υποστηρίζει πολλαπλά backends συμπεριλαμβανομένων των llama.ccp (CPU/GPU), Hugging Face Transformers, ExLlamaV2, VLLM, και ακόμη και το συμπέρασμα browser μέσω Transformers.js. Διαθέτει μηδενική-shot φωνητική κλωνοποίηση μέσω προφίλ ηχείων που αποθηκεύονται ως JSON.
Καλύτερα για: Edge ανάπτυξη, με βάση το πρόγραμμα περιήγησης TTS, περιβάλλοντα χαμηλής πηγής
Δοκιμάστε δωρεάν
Pocket TTS Ατελώς
Pocket TTS από Kyutai (δημιουργοί του Moshi) είναι ένα συμπαγές μοντέλο παραμέτρων 100M κείμενο προς ομιλία που χτυπάει πολύ πάνω από το βάρος του. Τρέχει αποτελεσματικά σε CPU, υποστηρίζει μηδενική κλωνοποίηση φωνής από ένα ενιαίο δείγμα ήχου, και παράγει φυσικό-ηχητικό λόγο.
Καλύτερα για: Ελαφριά ανάπτυξη, περιβάλλοντα μόνο για CPU, γρήγορη κλωνοποίηση φωνής
Δοκιμάστε δωρεάν
Kitten TTS Ατελώς
Το Kitten TTS by KittenML είναι ένα εξαιρετικά ελαφρύ μοντέλο κειμένου προς ομιλία χτισμένο στο ONNX. Με παραλλαγές από 15M έως 80M παραμέτρους (25-80 MB στο δίσκο), παρέχει υψηλής ποιότητας σύνθεση φωνής σε CPU χωρίς να απαιτείται GPU. Διαθέτει 8 ενσωματωμένη φωνή, ρυθμιζόμενη ταχύτητα ομιλίας και ενσωματωμένη προεπεξεργασία κειμένου για αριθμούς, νομίσματα και μονάδες.
Καλύτερα για: Γρήγορη ελαφριά TTS, ανάπτυξη άκρων, εφαρμογές χαμηλής βαρύτητας
Δοκιμάστε δωρεάν
Bark Πρότυπο
Transformer-based text-to-audio μοντέλο που παράγει ρεαλιστική ομιλία, μουσική, και ηχητικά εφέ.
Προγραμματιστής: Suno · Άδεια: MIT
Δοκίμασέ το.
Bark Small Πρότυπο
Ελαφρύτερη έκδοση του Μπαρκ με γρηγορότερο συμπέρασμα και χαμηλότερη χρήση μνήμης.
Προγραμματιστής: Suno · Άδεια: MIT
Δοκίμασέ το.
CosyVoice 2 Πρότυπο
Αλίμπαμπα κλιμακωτή ροή TTS με τη φύση του ανθρώπου-παροικίας και σχεδόν μηδέν καθυστέρηση.
Προγραμματιστής: Alibaba (Tongyi Lab) · Άδεια: Apache 2.0
Δοκίμασέ το.
Dia TTS Πρότυπο
Multi-speaker μοντέλο γενεών διαλόγου που δημιουργεί φυσικές συνομιλίες μεταξύ των ηχείων.
Προγραμματιστής: Nari Labs · Άδεια: Apache 2.0
Δοκίμασέ το.
Parler TTS Πρότυπο
Περιγράψτε τη φωνή που θέλετε στη φυσική γλώσσα και Parler παράγει αντίστοιχη ομιλία.
Προγραμματιστής: Hugging Face · Άδεια: Apache 2.0
Δοκίμασέ το.
GLM-TTS Πρότυπο
Επιτυγχάνει το χαμηλότερο ποσοστό σφάλματος χαρακτήρα μεταξύ των μοντέλων TTS ανοικτού κώδικα.
Προγραμματιστής: Zhipu AI · Άδεια: GLM-4 License
Δοκίμασέ το.
IndexTTS-2 Πρότυπο
Zero-shot TTS με λεπτό γρανίτη έλεγχο συναισθημάτων και υψηλή εκφραστικότητα.
Προγραμματιστής: Index Team · Άδεια: Bilibili Model License
Δοκίμασέ το.
Spark TTS Πρότυπο
Φωνή κλωνοποίησης TTS με ελεγχόμενο συναίσθημα και στυλ ομιλίας μέσω υποκινήσεων.
Προγραμματιστής: SparkAudio · Άδεια: CC BY-NC-SA 4.0
Δοκίμασέ το.
GPT-SoVITS Πρότυπο
Λίγη φωνή που κλωνοποιεί TTS που αναπαριστά οποιαδήποτε φωνή από μόλις 5 δευτερόλεπτα ήχου.
Προγραμματιστής: RVC-Boss · Άδεια: MIT
Δοκίμασέ το.
Orpheus Πρότυπο
Ανθρώπινο επίπεδο συναισθηματικό μοντέλο TTS εκπαιδευμένο σε δεδομένα ομιλίας 100K ώρες.
Προγραμματιστής: Canopy Labs · Άδεια: Llama 3.2 Community
Δοκίμασέ το.
Qwen3 TTS Πρότυπο
Το πολύγλωσσο TTS της Alibaba με κλωνοποίηση φωνής, προεπιλεγμένες φωνές και σχέδιο φωνής από το κείμενο.
Προγραμματιστής: Alibaba (Qwen) · Άδεια: Apache 2.0
Δοκίμασέ το.
Chatterbox Turbo Πρότυπο
Γρήγορη Chatterbox με υπο-200ms καθυστέρηση και παραλγλωσσικές ετικέτες για γέλια, βήχα, και πολλά άλλα.
Προγραμματιστής: Resemble AI · Άδεια: MIT
Δοκίμασέ το.
VoxCPM Πρότυπο
Tokenizer-free TTS που παράγουν 44.1kHz ήχου με τη συνοχή παράγραφο πλαίσιο-aware.
Προγραμματιστής: OpenBMB · Άδεια: Apache 2.0
Δοκίμασέ το.
VibeVoice Πρότυπο
Microsoft μοντέλο για μεγάλο-μορφό πολυ-ηχητικό περιεχόμενο όπως podcasts και ακουστικά βιβλία.
Προγραμματιστής: Microsoft · Άδεια: MIT
Δοκίμασέ το.
CosyVoice3 Πρότυπο
Next-generation multilingual TTS with bi-streaming, emotion control, and zero-shot voice cloning.
Προγραμματιστής: Alibaba (FunAudioLLM) · Άδεια: Apache 2.0
Δοκίμασέ το.
Chatterbox Θετική πριμοδότηση
Η τελευταία λέξη της τεχνολογίας είναι η μηδενική κλωνοποίηση φωνής με συναισθηματικό έλεγχο από το Resemble AI.
Ποιότητα:
Δοκίμασέ το.
Tortoise TTS Θετική πριμοδότηση
Πολυφωνική κείμενο σε ομιλία επικεντρώθηκε στην ποιότητα με την αυτοκαταστροφική αρχιτεκτονική.
Ποιότητα:
Δοκίμασέ το.
StyleTTS 2 Θετική πριμοδότηση
Ανθρώπινο επίπεδο κείμενο προς ομιλία μέσω της διάχυσης στυλ και αντιπερισπαστικής εκπαίδευσης.
Ποιότητα:
Δοκίμασέ το.
OpenVoice Θετική πριμοδότηση
Άμεση κλωνοποίηση φωνής με κοκκώδη έλεγχο πάνω στο στυλ, το συναίσθημα και την προφορά.
Ποιότητα:
Δοκίμασέ το.
Sesame CSM Θετική πριμοδότηση
Μοντέλο συζήτησης ομιλίας που δημιουργεί φυσικό διάλογο με κατάλληλο συγχρονισμό και συναίσθημα.
Ποιότητα:
Δοκίμασέ το.CosyVoice 2
Αλίμπαμπα κλιμακωτή ροή TTS με τη φύση του ανθρώπου-παροικίας και σχεδόν μηδέν καθυστέρηση.
Γλώσσες: en, zh, ja, ko, fr, de, it, es
Φωνή ΚλώνουGLM-TTS
Επιτυγχάνει το χαμηλότερο ποσοστό σφάλματος χαρακτήρα μεταξύ των μοντέλων TTS ανοικτού κώδικα.
Γλώσσες: en, zh
Φωνή ΚλώνουIndexTTS-2
Zero-shot TTS με λεπτό γρανίτη έλεγχο συναισθημάτων και υψηλή εκφραστικότητα.
Γλώσσες: en, zh
Φωνή ΚλώνουSpark TTS
Φωνή κλωνοποίησης TTS με ελεγχόμενο συναίσθημα και στυλ ομιλίας μέσω υποκινήσεων.
Γλώσσες: en, zh
Φωνή ΚλώνουGPT-SoVITS
Λίγη φωνή που κλωνοποιεί TTS που αναπαριστά οποιαδήποτε φωνή από μόλις 5 δευτερόλεπτα ήχου.
Γλώσσες: en, zh, ja, ko
Φωνή ΚλώνουChatterbox
Η τελευταία λέξη της τεχνολογίας είναι η μηδενική κλωνοποίηση φωνής με συναισθηματικό έλεγχο από το Resemble AI.
Γλώσσες: en
Φωνή ΚλώνουTortoise TTS
Πολυφωνική κείμενο σε ομιλία επικεντρώθηκε στην ποιότητα με την αυτοκαταστροφική αρχιτεκτονική.
Γλώσσες: en
Φωνή ΚλώνουOpenVoice
Άμεση κλωνοποίηση φωνής με κοκκώδη έλεγχο πάνω στο στυλ, το συναίσθημα και την προφορά.
Γλώσσες: en, zh, ja, ko, fr, de, es, it
Φωνή ΚλώνουQwen3 TTS
Το πολύγλωσσο TTS της Alibaba με κλωνοποίηση φωνής, προεπιλεγμένες φωνές και σχέδιο φωνής από το κείμενο.
Γλώσσες: en, zh, ja, ko, de, fr, ru, pt, es, it
Φωνή ΚλώνουChatterbox Turbo
Γρήγορη Chatterbox με υπο-200ms καθυστέρηση και παραλγλωσσικές ετικέτες για γέλια, βήχα, και πολλά άλλα.
Γλώσσες: en
Φωνή ΚλώνουVoxCPM
Tokenizer-free TTS που παράγουν 44.1kHz ήχου με τη συνοχή παράγραφο πλαίσιο-aware.
Γλώσσες: en, zh
Φωνή ΚλώνουOuteTTS
LLM-based TTS που τρέχει σε CPU, GPU, ή browser μέσω llama.ccp και Transformers.js.
Γλώσσες: en
Φωνή ΚλώνουPocket TTS
Ελαφρύ μοντέλο παραμέτρου 100M από την Kyutai με κλωνοποίηση φωνής από ένα μόνο δείγμα.
Γλώσσες: en, fr
Φωνή ΚλώνουCosyVoice3
Next-generation multilingual TTS with bi-streaming, emotion control, and zero-shot voice cloning.
Γλώσσες: en, zh, ja, ko, de, es, fr, it, ru
Φωνή ΚλώνουΠρογραμματιστής-Πρώτο API
OpenAI συμβατό REST API. Ένα τελικό σημείο, 22+ μοντέλα.
- Μορφότυπος συμβατός με το OpenAI
- Streaming TTS για εφαρμογές σε πραγματικό χρόνο
- Επεξεργασία παρτίδας για μεγάλες θέσεις εργασίας
- Γνωστοποιήσεις για το WebhookName
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")Απλή, Διαφανής Τιμή
Ξεκινήστε ελεύθερα, όσο μεγαλώνετε.
Ατελώς
15 πιστώσεις
- Kokoro, Piper, VITS, MeloTTS
- όριο 500 χαρακτήρων
- 3 γεν/ώρα (χωρίς λογαριασμό)
Εκκίνηση
500 πιστώσεις/μήνα
- Όλα τα μοντέλα 22+
- 100,000 chars ανά γενιά
- Κλωνοποίηση φωνής
Pro
2.000 πιστώσεις/μήνας
- Τα πάντα στο Starter
- Πρόσβαση API
- Επεξεργασία προτεραιότητας
Επιχειρήσεις
10,000 πιστώσεις/μήνας
- Τα πάντα σε Pro
- Μαζική API
- Σειρά προτεραιότητας
Προβολή όλων των σχεδίων συμπεριλαμβανομένων των πακέτων χαρακτήρων →
Συχνές Ερωτήσεις
Τι θα μπορούσαμε να βελτιώσουμε; Τα σχόλιά σας μάς βοηθούν να διορθώσουμε τα ζητήματα.
Ξεκίνα να χρησιμοποιείς τη φωνή της Αλ σήμερα.
Ενωθείτε δημιουργοί, προγραμματιστές και επιχειρήσεις χρησιμοποιώντας TTS.ai