ఫ్రీ ఎI మాట్లాడటానికి వచనం
22+ఓపెన్ సోర్సు మోడల్, 100+ ధ్వనులు, 32+ భాషలు. ఏ ఖాతా అవసరములేదు.
స్వరం AI
26 పనిముట్టులు 24+ తెరుచుటతో పనిముట్టు AI మొబైల్
22+ ఏఐ వాయిస్ మోడల్లు
ఒక ప్లాట్ఫాం లో ఓపెన్ సోర్సు-రూట్ TTS మోడల్ యొక్క అత్యంత అధిక సేకరణ సేకరణName
Chatterbox
Kokoro Free
Kokoro is an 82 million parameter text-to-speech model that punches well above its weight class. Despite its tiny size, it produces remarkably natural and expressive speech. Kokoro supports multiple languages including English, Japanese, Chinese, and Korean with a variety of expressive voices. It runs incredibly fast — generating audio nearly 100x faster than real-time on a GPU.
మీకు ఉత్తమ: High-quality TTS with minimal latency, streaming applications
ఉచిత ప్రయత్నించండి
Piper Free
Piper is a lightweight text-to-speech engine developed by Rhasspy that uses VITS and larynx architectures. It runs entirely on CPU, making it ideal for edge devices, home automation, and applications requiring offline TTS. With over 100 voices across 30+ languages, Piper delivers natural-sounding speech at real-time speeds even on a Raspberry Pi 4.
మీకు ఉత్తమ: Quick previews, accessibility, and embedded applications
ఉచిత ప్రయత్నించండి
VITS Free
VITS (Variational Inference with adversarial learning for end-to-end Text-to-Speech) is a parallel end-to-end TTS method that generates more natural sounding audio than current two-stage models. It adopts variational inference augmented with normalizing flows and an adversarial training process, achieving a significant improvement in naturalness.
మీకు ఉత్తమ: General-purpose text-to-speech with natural prosody
ఉచిత ప్రయత్నించండి
MeloTTS Free
MeloTTS by MyShell.ai is a multilingual TTS library supporting English (American, British, Indian, Australian), Spanish, French, Chinese, Japanese, and Korean. It is extremely fast, processing text at near real-time speed on CPU alone. MeloTTS is designed for production use and supports both CPU and GPU inference.
మీకు ఉత్తమ: అనువర్తనములకు వేగవంతమైన, బహుభాషా TTS అవసరం
ఉచిత ప్రయత్నించండి
Bark Standard
Transformer-based text-to-audio model that generates realistic speech, music, and sound effects.
డెవలపర్: Suno · లైసెన్స్: MIT
ప్రయత్నించు
Bark Small Standard
Lighter version of Bark with faster inference and lower memory usage.
డెవలపర్: Suno · లైసెన్స్: MIT
ప్రయత్నించు
CosyVoice 2 Standard
Alibaba's scalable streaming TTS with human-parity naturalness and near-zero latency.
డెవలపర్: Alibaba (Tongyi Lab) · లైసెన్స్: Apache 2.0
ప్రయత్నించు
Dia TTS Standard
చాలా- సంప్రదింపు డైలాగ్ వుద్భవం ప్రసంగీకులు మధ్య సహజ సంభాషణలను ఉత్పత్తి ఇది. Name
డెవలపర్: Nari Labs · లైసెన్స్: Apache 2.0
ప్రయత్నించు
Parler TTS Standard
Describe the voice you want in natural language and Parler generates matching speech.
డెవలపర్: Hugging Face · లైసెన్స్: Apache 2.0
ప్రయత్నించు
IndexTTS-2 Standard
Zero-shot TTS with fine-grained emotion control and high expressiveness.
డెవలపర్: Index Team · లైసెన్స్: Apache 2.0
ప్రయత్నించు
Spark TTS Standard
Voice cloning TTS with controllable emotion and speaking style via prompts.
డెవలపర్: SparkAudio · లైసెన్స్: Apache 2.0
ప్రయత్నించు
GPT-SoVITS Standard
Few-shot voice cloning TTS that replicates any voice from just 5 seconds of audio.
డెవలపర్: RVC-Boss · లైసెన్స్: MIT
ప్రయత్నించు
Orpheus Standard
Human-level emotional TTS model trained on 100K hours of speech data.
డెవలపర్: Canopy Labs · లైసెన్స్: Llama 3.2 Community
ప్రయత్నించు
Qwen3 TTS Standard
Alibaba's multilingual TTS with voice cloning, preset voices, and voice design from text.
డెవలపర్: Alibaba (Qwen) · లైసెన్స్: Apache 2.0
ప్రయత్నించు
Tortoise TTS Premium
Multi-trus-tale-tap-Sublication భవనం తో నాణ్యతపై దృష్టి కేంద్రీకరించబడింది.
నాణ్యత:
ప్రయత్నించు
StyleTTS 2 Premium
Human-level text-to-speech through style diffusion and adversarial training.
నాణ్యత:
ప్రయత్నించు
OpenVoice Premium
కన్పించే స్వరం, శైలి, భావోద్వేగం, ఉచ్చారణలపై గీరింగ్ను నిటారుగా ఉంచుతుంది.
నాణ్యత:
ప్రయత్నించుCosyVoice 2
Alibaba's scalable streaming TTS with human-parity naturalness and near-zero latency.
భాషలు: en, zh, ja, ko, fr, de, it, es
విలోమ ధ్వనిIndexTTS-2
Zero-shot TTS with fine-grained emotion control and high expressiveness.
భాషలు: en, zh
విలోమ ధ్వనిSpark TTS
Voice cloning TTS with controllable emotion and speaking style via prompts.
భాషలు: en, zh
విలోమ ధ్వనిGPT-SoVITS
Few-shot voice cloning TTS that replicates any voice from just 5 seconds of audio.
భాషలు: en, zh, ja, ko
విలోమ ధ్వనిTortoise TTS
Multi-trus-tale-tap-Sublication భవనం తో నాణ్యతపై దృష్టి కేంద్రీకరించబడింది.
భాషలు: en
విలోమ ధ్వనిOpenVoice
కన్పించే స్వరం, శైలి, భావోద్వేగం, ఉచ్చారణలపై గీరింగ్ను నిటారుగా ఉంచుతుంది.
భాషలు: en, zh, ja, ko, fr, de, es, it
విలోమ ధ్వనిQwen3 TTS
Alibaba's multilingual TTS with voice cloning, preset voices, and voice design from text.
భాషలు: en, zh, ja, ko, de, fr, ru, pt, es, it
విలోమ ధ్వనిడెవలపర్- మొదటి API
ఓపెన్ API- సారూప్యమైన RAPI. ఒక ముగింపు పాయింట్, 22+ మోడల్. నిజమైన-நேர అనువర్తనాలకు మద్దతు స్ట్రీమింగ్ చేస్తోంది.
- ఓపెన్ AI- సారూప్యమైన ఫార్మాట్
- థంబ్నెయిల్స్ కొరకు TTS స్ట్రీమ్బాక్స్Name
- పెద్ద పనిల కోసం పనిచెయ్యి ప్రక్రియ
- వెబ్ టాగ్ నోటిఫికేషన్లు
import requests
response = requests.post(
"https://api.tts.ai/v1/tts/",
headers={"Authorization": "Bearer sk-tts-xxx"},
json={
"model": "kokoro",
"text": "Hello from TTS.ai!",
"voice": "af_bella",
}
)
with open("output.mp3", "wb") as f:
f.write(response.content)సరళమైన, పారదృశ్యమైన ప్రసారం
పెరిగే కొద్దీ స్కేల్ మొదలుపెట్టు.
ఖాళీ
50 మినాలు
- Kokoro, Piper, VITS, MeloTTS
- 500 అక్షర పరిమితి
- 3 కెన్/ గంట( ఖాతా లేదు)
ప్రారంభించు
500 రేట్లు/ నెల
- అన్ని 22+ మొబైల్Comment
- 5,000 అక్షర పరిమితి
- శబ్డం క్లుంకింగ్
పధ్ధతి
2,000 ఘనాలు/ నెలలు
- ప్రారంభించు లో అంతా
- API యాక్సెస్
- అధిక ప్రాక్సీ ప్రాసెస్Comment
ఎన్లైట్బాక్స్Name
10,000 రేట్లు/ నెల
- ప్రోటీలోని అంతా
- మొత్తం API
- ప్రాధాన్యత వరుస
తరచూ అడగబడే ప్రశ్నలు
నేడు AI స్వరాన్ని ఉపయోగించడం మొదలుపెట్టు
ఆర్కిడ్లుగా, అభివృద్ధులుగా, టీ.