Bezmaksas AI Teksts uz runu
27+ atklātā pirmkoda modeļus, 219+ balsis, 33+ valodas. Konts nav nepieciešams.
Viss, kas jums nepieciešams balss AI
30+ rīki ar atvērta pirmkoda AI modeļiem
27+ AI balss modeļi
Visplašākā atvērtā avota TTS modeļu kolekcija vienā platformā
Kokoro Free
Kokoro ir 82 miljoni parametru tekstu-to-speech modelis, kas perforē krietni virs tā svara klases. Neskatoties uz tā sīko izmēru, tas rada ārkārtīgi dabas un izteiksmīgu runu. Kokoro atbalsta vairākas valodas, tostarp angļu, japāņu, ķīniešu un korejiešu ar dažādu izteiksmīgu balsi. Tas darbojas neticami ātri — radot audio gandrīz 100x ātrāk nekā reālā laikā GPU.
Labākais par: Augstas kvalitātes TTS ar minimālu latentumu, straumēšanas lietojumprogrammas
Mēģināt atbrīvot
Piper Free
Piper ir viegla teksta-to-speech motors, kas izstrādāts Rhasspy kas izmanto VITS un balsenes arhitektūras. Tas darbojas pilnīgi uz CPU, padarot to ideāli piemērots malas ierīcēm, mājas automatizācijas, un lietojumprogrammas, kas prasa bezsaistes TTS. Ar vairāk nekā 100 balsis 30+ valodās, Piper piedāvā dabas skaņas runu reāllaikā pat uz Aveņu Pi 4.
Labākais par: Ātri priekšskatījumi, pieejamība un iegultās lietojumprogrammas
Mēģināt atbrīvot
VITS Free
VITS (Variational Induction with conversarial learning for end-to-end Text-to-Speech) ir paralēla visdažādākā TTS metode, kas rada vairāk dabas skaņas nekā pašreizējie divpakāpju modeļi. Tā pieņem dažādus secinājumus, kas papildināti ar normalizēšanu plūsmas un sacīkstes apmācību procesu, panākot ievērojamu dabas uzlabojumu.
Labākais par: Vispārējs teksts-to-speech ar dabisku prozodi
Mēģināt atbrīvot
MeloTTS Free
MeloTTS by MyShell.ai ir daudzvalodu TTS bibliotēka, kas atbalsta angļu (Amerikāņu, Britu, Indijas, Austrālijas), spāņu, franču, ķīniešu, japāņu, un korejiešu. Tas ir ļoti ātri, apstrādājot tekstu gandrīz reālā laikā ātrumu CPU vien. MeloTTS ir paredzēta ražošanas izmantošanu un atbalsta gan CPU un GPU inference.
Labākais par: Ražošanas lietojumprogrammas, kurām nepieciešama ātra, daudzvalodu TTS
Mēģināt atbrīvot
OuteTTS Free
OuteTTS paplašina lielu valodu modeļus ar teksta-to-speech iespējām, vienlaikus saglabājot sākotnējo arhitektūru. Tā atbalsta vairākas aizmugures, tostarp lama.cpp (CPU/GPU), Hagging Face Transformers, ExLlamaV2, VLLM, un pat pārlūkprogrammas ievadi, izmantojot Transformers.js. Funkcijas nulles-shot balss klonēšana caur skaļruņu profiliem saglabāts kā JSON.
Labākais par: Ekrāna izvēršana, uz pārlūkprogrammām balstīti TTS, vide ar zemu resursu līmeni
Mēģināt atbrīvot
Pocket TTS Free
Pocket TTS by Kyutai (Moshi veidotāji) ir kompakts 100M parametra teksta-to-speech modelis, kas perforē krietni virs sava svara. Tas darbojas efektīvi ar CPU, atbalsta nulles staru balss klonēšanu no viena audio parauga un rada dabisku runu. Mazā modeļa izmērs padara to ideālu malu izvietošanai un zema avota vidē.
Labākais par: Viegla izvēršana, tikai procesora vide, ātra balss klonēšana
Mēģināt atbrīvot
Kitten TTS Free
Kitten TTS by KittenML is an ultra-lightweight text-to-speech model built on ONNX. With variants from 15M to 80M parameters (25-80 MB on disk), it delivers high-quality voice synthesis on CPU without requiring a GPU. Features 8 built-in voices, adjustable speech speed, and built-in text preprocessing for numbers, currencies, and units. Ideal for edge deployment and low-latency applications.
Labākais par: Fast lightweight TTS, edge deployment, low-latency applications
Mēģināt atbrīvot
Bark Standard
Transformatoru balstīta teksta-audio modelis, kas rada reālistisku runu, mūziku un skaņas efektus.
Izstrādātājs: Suno · Licence: MIT
Pamēģini to
Bark Small Standard
Vieglāka versija bark ar ātrāku inclusion un zemāku atmiņas izmantošanu.
Izstrādātājs: Suno · Licence: MIT
Pamēģini to
CosyVoice 2 Standard
Alibaba straumējamais TTS ar cilvēka paritāti naturalitāti un gandrīz nulles latenci.
Izstrādātājs: Alibaba (Tongyi Lab) · Licence: Apache 2.0
Pamēģini to
Dia TTS Standard
Vairāku runātāju dialoga paaudzes modelis, kas rada dabiskas sarunas starp runātājiem.
Izstrādātājs: Nari Labs · Licence: Apache 2.0
Pamēģini to
Parler TTS Standard
Aprakstiet, kāda balss vēlaties dabas valodā, un Parler rada atbilstošu runu.
Izstrādātājs: Hugging Face · Licence: Apache 2.0
Pamēģini to
GLM-TTS Standard
Sasniedz zemāko rakstzīmju kļūdu līmeni starp atvērtā avota TTS modeļiem.
Izstrādātājs: Zhipu AI · Licence: GLM-4 License
Pamēģini to
IndexTTS-2 Standard
Nulle-shot TTS ar smalki graudainu emociju kontroli un augstu izteiksmi.
Izstrādātājs: Index Team · Licence: Bilibili Model License
Pamēģini to
Spark TTS Standard
Balss klonēšana TTS ar kontrolējamu emociju un runāšanas stilu, izmantojot pamudinājumus.
Izstrādātājs: SparkAudio · Licence: CC BY-NC-SA 4.0
Pamēģini to
GPT-SoVITS Standard
Mazshot balss klonēšanas TTS, kas atkārto jebkuru balsi no tikai 5 sekundes audio.
Izstrādātājs: RVC-Boss · Licence: MIT
Pamēģini to
Orpheus Standard
Cilvēka līmeņa emocionālo TTS modelis apguvis 100K runas stundas.
Izstrādātājs: Canopy Labs · Licence: Llama 3.2 Community
Pamēģini to
Qwen3 TTS Standard
Alibaba daudzvalodu TTS ar balss klonēšanu, iepriekš iestatītām balsīm un balss dizainu no teksta.
Izstrādātājs: Alibaba (Qwen) · Licence: Apache 2.0
Pamēģini to
Chatterbox Turbo Standard
Ātrāka čatterbox ar sub-200m latentumu un paralinguistiskas tags smieties, klepus, un vairāk.
Izstrādātājs: Resemble AI · Licence: MIT
Pamēģini to
VoxCPM Standard
TTS bez tokenaizera, kas ražo 44.1kHz audio ar konteksts-aparatūru punktu konsistences.
Izstrādātājs: OpenBMB · Licence: Apache 2.0
Pamēģini to
VibeVoice Standard
Microsoft modelis ilgtermiņa multi skaļruņu saturam, piemēram, podcast un audiogrāmatām.
Izstrādātājs: Microsoft · Licence: MIT
Pamēģini to
CosyVoice3 Standard
Next-generation multilingual TTS with bi-streaming, emotion control, and zero-shot voice cloning.
Izstrādātājs: Alibaba (FunAudioLLM) · Licence: Apache 2.0
Pamēģini to
Chatterbox Premium
Mūsdienu nulles-shot balss klonēšana ar emociju kontroli no Reemble AI.
Kvalitāte:
Pamēģini to
Tortoise TTS Premium
Daudzbalsu teksts-to-speech koncentrējas uz kvalitāti ar autoregesīvu arhitektūru.
Kvalitāte:
Pamēģini to
StyleTTS 2 Premium
Cilvēka līmeņa tekstu-to-speech caur stilu difūzija un sacīkstes apmācību.
Kvalitāte:
Pamēģini to
OpenVoice Premium
Instant balss klonēšana ar granulu kontroli pār stilu, emocijām un akcentu.
Kvalitāte:
Pamēģini to
Sesame CSM Premium
Sarunu runas modelis, kas rada dabisku dialogu ar atbilstošu laiku un emocijām.
Kvalitāte:
Pamēģini toCosyVoice 2
Alibaba straumējamais TTS ar cilvēka paritāti naturalitāti un gandrīz nulles latenci.
Valodas: en, zh, ja, ko, fr, de, it, es
Clone BalssGLM-TTS
Sasniedz zemāko rakstzīmju kļūdu līmeni starp atvērtā avota TTS modeļiem.
Valodas: en, zh
Clone BalssIndexTTS-2
Nulle-shot TTS ar smalki graudainu emociju kontroli un augstu izteiksmi.
Valodas: en, zh
Clone BalssSpark TTS
Balss klonēšana TTS ar kontrolējamu emociju un runāšanas stilu, izmantojot pamudinājumus.
Valodas: en, zh
Clone BalssGPT-SoVITS
Mazshot balss klonēšanas TTS, kas atkārto jebkuru balsi no tikai 5 sekundes audio.
Valodas: en, zh, ja, ko
Clone BalssChatterbox
Mūsdienu nulles-shot balss klonēšana ar emociju kontroli no Reemble AI.
Valodas: en
Clone BalssTortoise TTS
Daudzbalsu teksts-to-speech koncentrējas uz kvalitāti ar autoregesīvu arhitektūru.
Valodas: en
Clone BalssOpenVoice
Instant balss klonēšana ar granulu kontroli pār stilu, emocijām un akcentu.
Valodas: en, zh, ja, ko, fr, de, es, it
Clone BalssQwen3 TTS
Alibaba daudzvalodu TTS ar balss klonēšanu, iepriekš iestatītām balsīm un balss dizainu no teksta.
Valodas: en, zh, ja, ko, de, fr, ru, pt, es, it
Clone BalssChatterbox Turbo
Ātrāka čatterbox ar sub-200m latentumu un paralinguistiskas tags smieties, klepus, un vairāk.
Valodas: en
Clone BalssVoxCPM
TTS bez tokenaizera, kas ražo 44.1kHz audio ar konteksts-aparatūru punktu konsistences.
Valodas: en, zh
Clone BalssOuteTTS
LLM balstītas TTS, kas darbojas uz CPU, GPU, vai pārlūkprogramma, izmantojot llama.cpp un Transformers.js.
Valodas: en
Clone BalssPocket TTS
Viegls Kyutai 100M parametru modelis ar balss klonēšanu no viena parauga.
Valodas: en, fr
Clone BalssCosyVoice3
Next-generation multilingual TTS with bi-streaming, emotion control, and zero-shot voice cloning.
Valodas: en, zh, ja, ko, de, es, fr, it, ru
Clone BalssIzstrādātājs- pirmais API
Ar OpenAI saderīgu REST API. Viens mērķa kritērijs, 22+ modeļi. Streaming atbalsts reālā laika lietojumprogrammām.
- Ar OpenAI savietojams formāts
- TTS plūsmas reāllaika lietojumprogrammām
- Partijas apstrāde lielām darbavietām
- Webhook paziņojumi
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")Vienkārša, pārredzama cenu noteikšana
Sākt bez maksas. Scale kā jūs augt.
Bezmaksas
15 kredīti
- Kokoro, Piper, VITS, MeloTTS
- 500 rakstzīmju limits
- 3 g/stundā (nav konta)
Palaist
500 kredīti/mēnesis
- Visi 22+ modeļi
- 100 000 rakstzīmju paaudzē
- Balss klonēšana
Pro
2 000 kredīti/mēnesis
- Viss iesākumā
- API piekļuve
- Prioritārā apstrāde
Bieži uzdoti jautājumi
Ko mēs varam uzlabot? Jūsu atgriezeniskā saite palīdz mums atrisināt problēmas.
Sākt izmantojot AI balsi šodien
Pievienojies radītājiem, izstrādātājiem, un uzņēmumiem, izmantojot TTS.ai