Teks vir spraak KI-agente Musiek Woorde tot teks Stemverkleuring StemplanComment Mark Meer
Raporteer Fout / eienskap Versoek

Maak bronteks oop vir spraakmodelle

Elke TTS model op ons platform is oop bron, en die meeste gebruik MIT of Apaches 2.0. 'n Paar modelle en stemme is gelisensieer vir nie-kommersiale gebruik slegs en word gemerk 'Persoonlik en nie-kommersiale gebruik slegs'. Gebruik dit deur ons gasheer API, of self-host hulle op jou eie infrastruktuur met volle beheer.

Open Bron MIT-lisensie Apaches 2. 0 Self- Hoasties Github
Volgrote TTS RedigeerderName API Docs

Probeer dit nou

0/500
Vry met Kokoro, Piper, VITS, MetoTTS
Jou opgewekte oudio sal hier verskyn
Genereer
0:00
Aflaai hervat
Liefde TTS.ai, vertel jou vriende!
Open volle TTS-redigeerder

Open Bron TTS - voordele

Waarom openhartige modelle saak maak vir jou projekte

Alle Open- bronkodelisensies

Every model on TTS.ai is open source, and each model page lists its license. No proprietary black boxes and no vendor lock-in.

Open Bronlisensies

Die meeste modelle is gelisensieer onder MIT of Apaches 2.0. 'n Paar gebruik ander lisensies, en modelle of stemme wat vir nie-kommersiale gebruik gelisensieer is, word gemerk "Persoonlik en nie-kommersiale gebruik slegs".

Self- Hoasties

Laai enige model af en laat dit op jou eie hardeware loop. Volle beheer oor jou data, laatncy en infrastruktuur. Geen wolkafhanklikheid benodig.

GPU Geoptimeer

Modelle word goed gemaak vir NVIDIA GPU's met CUDA se ondersteuning.'n Pyper hardloop slegs op SVE.'n Mens het 2-8GB VRAM nodig om doeltreffend te versprei.

Gemeenskap word gehandhaaf

Aktiewe oop-bou gemeenskappe hou hierdie modelle in stand en verbeter dit. Bydraes welkom is om goggas, verbeteringe en nuwe stemme op GitHub te stuur.

Kommerlisensie beskikbaar

'n Betaalde plan van $5/m bevat die kommersiële lisensie vir wat jy genereer, met geen koninklikes of gebruiksgeld nie; die vry vlak is vir persoonlike gebruik. Modelle en stemme wat gemerk is "Persoonlik en nie-kommersiale gebruik slegs" word uitgesluit.

Ons Open Bron - model - katalogus

Elke model, sy lisensie en wat dit die beste doen

KokoroKokoro

Free

Lightweight 82M parameter model delivering studio-quality speech with blazing-fast inference.

Vinniggame speed 5/5

Beste vir: Apaches 2,0 verbly die beste kwaliteit gratis model, 82M params, maklik vir self-host

Probeer Kokoro

PiperPiper

Free

A fast, local neural text to speech system optimized for Raspberry Pi and embedded devices.

Vinniggame speed 3/5

Beste vir: MIT RGB CPU- alleen, perfek vir randtoestelle en ingebedde self-hosting

Probeer Piper

VITSVITS

Free

Conditional variational autoencoder with adversarial learning for end-to-end text-to-speech.

Vinniggame speed 3/5

Beste vir: MIT Cygnus fondasieale argitektuur wat deur baie stroommodelle gebruik word

Probeer VITS

BarkBark

Standard

Transformer-based text-to-audio model that generates realistic speech, music, and sound effects.

Stadiggame speed 4/5

Beste vir: MIT Curtis unieke oudiogeslagvermoëns bo standaard TTS

Probeer Bark

Tortoise TTSTortoise TTS

Premium

Multi-voice text-to-speech focused on quality with autoregressive architecture.

Stadiggame speed 5/5 Stemverkleuring

Beste vir: Apaches 2,0 verblyd maksimum kwaliteit, algemeen bestudeerde verwysing implementering

Probeer Tortoise TTS

OpenVoiceOpenVoice

Premium

Instant voice cloning with granular control over style, emotion, and accent.

Medium 4/5 Stemverkleuring

Beste vir: MIT Express open- seurce stem kloning met granulêre styl kontrole

Probeer OpenVoice

Hoe om Open Bron TTS te gebruik

Gebruik ons gasheer API of bestuur modelle self

1

Explore Open-Soron Models

Blaai deur ons katalogus van 20+ open-onsce TTS modelle. Elke model bladsy wys die lisensie, argitektuur, vermoëns en self-host vereistes.

2

Probeer in jou blaaier

Toets enige model direk op TTS.ai sonder om enigiets te installeer. Ons GPU bedieners hanteer verwerking sodat jy kwaliteit kan evalueer voordat jy aan self-hosting deelneem.

3

Self-Host of gebruik Ons API

Kard model repos van GutHub en hardloop plaaslik, of gebruik ons gasheer 'nPI vir produksie. Self-hosting gee volle beheer; ons API verskaf bestuurde infrastruktuur.

4

Bou jou toepassing

Integrate TTS in jou produk te gebruik self-gehost modelle of ons REST API. Bevestig elke modellisensie eerste: 'n paar modelle en stemme is slegs vir nie-kluggebruik.

Lisensie-ooreenkoms

Lisensie van elke model op TTS.ai

Model Lisensie Kommersiële gebruik Verandering Self- Hostcollection of article headers Attributsie
Kokoro Apache 2.0 Benodig
Piper MIT masjien; stemlisensies verskil Sommige stemme slegs Opsionele
VITS MIT Opsionele
MeloTTS MIT Opsionele
Chatterbox MIT Opsionele
Tortoise TTS Apache 2.0 Benodig
StyleTTS 2 MIT Opsionele
OpenVoice MIT Opsionele
Sesame CSM Apache 2.0 Benodig
Orpheus Llama 3.2 "Built with Llama"
Spark TTS CC BY-NC-SA 4.0 Persoonlike en nie-kommersiale gebruik slegs Benodig
OuteTTS CC BY-NC-SA 4.0 Persoonlike en nie-kommersiale gebruik slegs Benodig
Probeer hierdie modelle gratis

Self- Hosting vs Bediener API

Hardloop modelle self of laat ons die infrastruktuur hanteer

Self- Host op Jou hardeware

Elke model op TTS.ai is beskikbaar as 'n ope-bouprojek op GitHub of Hulging Face. Laai die gewigte af, installeer die afhanklikhede, en hardloop inferensie op jou eie GPUs. Jy het volle beheer oor laatncy, privaatheid en afsetting.

  • Vol data privaatheid ium-oudio verlaat nooit jou bediener nie
  • Geen per-request koste na aanvanklike opstelling
  • Dikheid van die asse lyn
  • Benodig GPU hardeware (NVIDIË aanbeveel)
  • Jy bestuur bywerkings,skalering en afhanklikhede

Gebruik TTS.ai Bediener 'nPI

Kry onmiddellike toegang tot al 20+ modelle deur 'n enkele REST API. Ons hanteer GPU-voorsiening, modelopdatering, wagtoubestuur en afsetting. Een API-sleutel gee jou toegang tot elke model ← geen rede om afsonderlike ontplooiings te hanteer nie.

  • Geen GPU hardeware benodig nie
  • Al 20+ modelle deur een API
  • Outomatiese modelopdaterings en verbeteringe
  • 99,9% begintyd met rooirande infrastruktuur
  • Betaal slegs vir wat jy gebruik
Gebruik wordde API in plaas van

Vinnige Begin: API of Self- Host

Gebruik ons gasheer API, of installeer Kokoro plaaslik binne minute

Opsie 1: TTS.ai Gard API Easigste 
import requests

response = requests.post("https://api.tts.ai/v1/tts", json={
    "text": "Open source TTS with a simple API.",
    "model": "kokoro",
    "voice": "af_heart",
    "format": "wav"
}, headers={"Authorization": "Bearer YOUR_API_KEY"})

with open("output.wav", "wb") as f:
    f.write(response.content)
Opsie 2: Self-Host met pip Volle beheer 
# Install Kokoro locally
pip install kokoro

# Generate speech on your own GPU
import kokoro

pipeline = kokoro.KPipeline(lang_code="a")
generator = pipeline("Hello from your own server!", voice="af_heart")
for i, (gs, ps, audio) in enumerate(generator):
    kokoro.save(audio, f"output_{i}.wav")
Besigtig API Dokumentasie

Open Bron, Asffordable Pricing

Ons gasheer API maak oop-onsorce TTS toeganklik sonder om te bestuur GPUs.

Vry Tikder

$0

50 krediete op betekening

  • 4 oop- seurce modelle vry
  • Geen tekening vir basiese gebruik nie
  • Persoonlike, nie-kommersiale gebruik

Beginer

$9

500 000 karakters/onth

  • Al 20+ oop- seurce modelle
  • Stem kloning
  • API-toegang

Pro

$29

2 000 000 karakters/onth

  • Prioriteit GPU verwerk
  • Alle premiese modelle
  • Onderneming ondersteuning
Besigtig Volgrote GeÃ"rtering

Vrae wat dikwels gevra word

Algemene vrae oor oop bronteks vir spraak

Ja, elke model op TTS.ai is oop bron, en die meeste gebruik MIT of Apaches 2.0. 'n Paar gebruik ander lisensies, insluitend 'n gelisensieerde vir nie-kommercial gebruik slegs, wat gemerk is "Persoonlik en nie-kommersiale gebruik slegs" in die stemplukker. Elke model bladsy noem die lisensie daarvan.

Albei is permissief ope-onsource lisensies wat kommersiële gebruik, wysiging en herdistraliteit toelaat. Apaches 2.0 voeg eksplisiete patente toe en vereis om veranderinge te noem as jy die kode verander. MIT is eenvoudiger met minder vereistes. Albei is sakevriendy.

Ja. Elke model kan self-hosted wees. Gitteer die model stoorplek van GitHub, installeer afhanklikhede, aflaai model gewigte, en hardloop inference. Ons verskaf dokumentasie vir elke model se self-gasheervereistes, insluitend GPU, Ram en Python weergawe.

Vereistes verskil van model. Pyper het geen GPU nodig nie (SlegsCP). Kokoro en MeloTTS het 1-2GB VRAM nodig. Die meeste standaardmodelle het 4GB VRAM nodig. Tortoise en Sesame CSM het 8GB nodig. 'n NVIDIA RTX 3060 (12G) kan die meeste modelle gemaklik bestuur.

Ja. Open-se lisensiee laat verandering toe, insluitend fyn-tuning. Modelle soos GPT-SoVITS en Bark verskaf fyn-tuning skripte. Jy kan modelle oplei op jou eie stem data om pasmaak stemme te skep of die werkverrigting van spesifieke tale te verbeter.

Bo open-bou modelle (Kokoro, StyltTS 2, Chaterbox) stem nou ooreen of oorskry kommersiële dienste soos ElfLabs en Google TTS in kwaliteitsbankmerke. Die hoof voordeel van kommersiële dienste word die infrastruktuur en ondersteuning bestuur, nie klankgehalte nie.

Sommige is verwyder: XTTS/XTTS-v2 (Cow's CPMBL, non-commercial), F5-TTS (C-BY-NC, non-commercial) en Higgs-v2 (Bosonlisensie, beperkend). 'n Paar oorblywende modelle en stemme, soos Sark TTS, OuteTTS en meeste Pirdre stemme, is gelisensieer vir nie-merikadiens; hulle word slegs gemerk "10com-diens's gebruik en gebruik dus slegs 'n ander stem.

Ja. Die meeste modelle aanvaar gemeenskapsbydraes via GutHub. Jy kan stuur in fout raporteer, stemopnames vir nuwe tale, kode verbeteringe en dokumentasie. Bevestig elke model se GitHub stoorplek vir bydrae riglyne en aktiewe kwessies.

Laai modelle op-dmand en aflaai wanneer ledig om GPU geheue te deel. Ons GPU-bediener loop 20+ modelle op 4x Tessla P40 (96GB totaal VRAM) deur dinamiese laaiïng te gebruik. Vir self-hostering kan 'n enkele 24GB GPU 3-5 modelle gelyktydig bedien.

Baie modelle voorsien amptelike Docker-beelde of Dockerlêers. Vir die uitvoer van veelvuldige modelle kan jy 'n pasmaak Docker opstelling bou met NVIDIA Houer Programkit vir GPU toegang. Ons API bediener argitektuur kan dien as' n verwysing implementering.

Die meeste modelle benodig Python 3.10-3.12. Coqui TTS (VITS) spesifiek benodig Python 3.11. Ons beveel Python 3.12 vir die meeste modelle aan. Kontroleer elke model se vereistes.txt vir presiese weergawe versoenbaarheid.

If you self-host, mostly yes: MIT and Apache 2.0 licenses explicitly allow commercial use, and most models here use them, so you can build SaaS products, mobile apps, games and services with no licensing fees or royalties. Check the license on each model page first, because a few models and voices are non-commercial. Audio generated on TTS.ai itself follows your plan: personal use on the free tier, commercial use on any paid plan.
5.0/5 (1)

U terugvoer help ons om geskille reg te stel.

Probeer vandag Open Bron TTS

20+ open-se modelle, elkeen met sy lisensie gelys. Gebruik ons API of self-host, die keuse is joune.

Meld aan om vry te wees Besigtig Pen Program