ម៉ូដែលអត្ថបទទៅការនិយាយប្រភពបើកចំហ
ម៉ូដែល TTS ទាំងអស់នៅលើវេទិការបស់យើងគឺប្រភពបើកចំហហើយភាគច្រើនប្រើ MIT ឬ Apache 2.0 ។ ម៉ូដែលនិងសំឡេងមួយចំនួនត្រូវបានអនុញ្ញាតសម្រាប់ការប្រើប្រាស់មិនពាណិជ្ជកម្មតែប៉ុណ្ណោះហើយត្រូវបានសម្គាល់ថា 'ការប្រើផ្ទាល់ខ្លួននិងមិនពាណិជ្ជកម្មតែប៉ុណ្ណោះ' ។ ប្រើពួកគេតាមរយៈ API ដែល hosted ឬ host ខ្លួនឯងនៅលើហេដ្ឋារចនាសម្ព័ន្ធផ្ទាល់ខ្លួនរបស់អ្នកជាមួយការគ្រប់គ្រងពេញលេញ។
សាកល្បងវាឥឡូវ
អត្ថប្រយោជន៍ TTS ប្រភពបើកចំហ
ហេតុអ្វីម៉ូដែលប្រភពបើកចំហសំខាន់សម្រាប់គម្រោងរបស់អ្នក
អាជ្ញាប័ណ្ណប្រភពបើកចំហទាំងអស់
ម៉ូដែលទាំងអស់នៅលើ TTS.ai គឺប្រភពបើកចំហនិងទំព័រម៉ូដែលនីមួយៗបង្ហាញអាជ្ញាប័ណ្ណរបស់ខ្លួន. គ្មានប្រអប់ខ្មៅដែលមានកម្មសិទ្ធិនិងគ្មានក្រុមហ៊ុនលក់ចាក់សោនៅក្នុង.
អាជ្ញាបណ្ណប្រភពបើកចំហ
ម៉ូដែលភាគច្រើនត្រូវបានអនុញ្ញាតក្រោម MIT ឬ Apache 2.0។ មួយចំនួនប្រើអាជ្ញាប័ណ្ណផ្សេងទៀត ហើយម៉ូដែល ឬសំឡេងដែលបានអនុញ្ញាតសម្រាប់ការប្រើមិនជាពាណិជ្ជកម្មត្រូវបានសម្គាល់ថា "តែការប្រើផ្ទាល់ខ្លួន និងមិនជាពាណិជ្ជកម្មប៉ុណ្ណោះ" ។
ម៉ាស៊ីនខ្លួនឯង
ទាញយកម៉ូដែលណាមួយហើយរត់វានៅលើផ្នែករឹងផ្ទាល់ខ្លួនរបស់អ្នក។ គ្រប់គ្រងពេញលេញលើទិន្នន័យរបស់អ្នកការពន្យារពេលនិងហេដ្ឋារចនាសម្ព័ន្ធ។ គ្មានភាពអាស្រ័យលើពពកដែលត្រូវការទេ។
បានធ្វើឲ្យប្រសើរឡើងដោយ GPU
ម៉ូដែលត្រូវបានធ្វើបច្ចុប្បន្នភាពសម្រាប់ NVIDIA GPUs ជាមួយនឹងការគាំទ្រ CUDA ។ Piper រត់តែនៅលើ CPU ប៉ុណ្ណោះ។ ម៉ូដែលភាគច្រើនត្រូវការ 2-8GB VRAM សម្រាប់ការសន្និដ្ឋានដែលមានប្រសិទ្ធភាព។
សហគមន៍ដែលបានថែទាំ
សហគមន៍ប្រភពបើកចំហសកម្មថែទាំនិងធ្វើឱ្យប្រសើរឡើងនូវគំរូទាំងនេះ។ ការចូលរួមអបអរសាទរ - ដាក់ស្នើកំហុសការកែលម្អនិងសំឡេងថ្មីនៅលើ GitHub ។
អាជ្ញាបណ្ណពាណិជ្ជកម្មដែលមាន
ផែនការដែលបង់ប្រាក់ពី $5 / mo ដឹកអាជ្ញាប័ណ្ណពាណិជ្ជកម្មសម្រាប់អ្វីដែលអ្នកបង្កើត, ជាមួយនឹងការមិនបង់ពន្ធឬថ្លៃប្រើប្រាស់; កម្រិតឥតគិតថ្លៃគឺសម្រាប់ការប្រើប្រាស់ផ្ទាល់ខ្លួន. ម៉ូដែលនិងសំឡេងដែលបានសម្គាល់ "ការប្រើផ្ទាល់ខ្លួននិងមិនពាណិជ្ជកម្មតែប៉ុណ្ណោះ" ត្រូវបានដកចេញ.
កាតាឡុកម៉ូដែលប្រភពបើកចំហរបស់យើង
ម៉ូដែលនីមួយៗ អាជ្ញាប័ណ្ណរបស់វា និងអ្វីដែលវាធ្វើបានល្អ
Kokoro
Free
Lightweight 82M parameter model delivering studio-quality speech with blazing-fast inference.
ល្អបំផុតសម្រាប់ ៖ Apache 2.0 - ម៉ូដែលឥតគិតថ្លៃដែលមានគុណភាពល្អបំផុត, 82M params, ងាយស្រួលក្នុងការគ្រប់គ្រងដោយខ្លួនឯង
ព្យាយាម Kokoro
Piper
Free
A fast, local neural text to speech system optimized for Raspberry Pi and embedded devices.
ល្អបំផុតសម្រាប់ ៖ MIT - ស៊ីភីយូតែប៉ុណ្ណោះ, ល្អឥតខ្ចោះសម្រាប់ឧបករណ៍ចំណុចប្រទាក់និងម៉ាស៊ីនមេផ្ទាល់ខ្លួនដែលបង្កប់
ព្យាយាម Piper
VITS
Free
Conditional variational autoencoder with adversarial learning for end-to-end text-to-speech.
ល្អបំផុតសម្រាប់ ៖ MIT - ស្ថាបត្យកម្មមូលដ្ឋានដែលបានប្រើដោយម៉ូដែលចុះក្រោមជាច្រើន
ព្យាយាម VITS
Bark
Standard
Transformer-based text-to-audio model that generates realistic speech, music, and sound effects.
ល្អបំផុតសម្រាប់ ៖ MIT — សមត្ថភាពបង្កើតអូឌីយ៉ូតែមួយគត់លើសពីស្តង់ដារ TTS
ព្យាយាម Bark
Tortoise TTS
Premium
Multi-voice text-to-speech focused on quality with autoregressive architecture.
ល្អបំផុតសម្រាប់ ៖ Apache 2.0 - គុណភាពអតិបរមា, ការអនុវត្តយោងសិក្សាយ៉ាងទូលំទូលាយ
ព្យាយាម Tortoise TTS
OpenVoice
Premium
Instant voice cloning with granular control over style, emotion, and accent.
ល្អបំផុតសម្រាប់ ៖ MIT — ក្លូនសំឡេងប្រភពបើកចំហជាមួយការត្រួតពិនិត្យរចនាប័ទ្មក្រឡាចត្រង្គ
ព្យាយាម OpenVoiceរបៀបប្រើប្រភពបើកចំហ TTS
ប្រើ API ដែលបានរៀបចំរបស់យើង ឬរត់ម៉ូដែលដោយខ្លួនឯង
រកមើលម៉ូដែលប្រភពបើកចំហ
រកមើលកាតាឡុករបស់យើងនៃ 20+ ម៉ូដែល TTS ប្រភពបើកចំហ។ ទំព័រម៉ូដែលនីមួយៗបង្ហាញអាជ្ញាប័ណ្ណ, ស្ថាបត្យកម្ម, សមត្ថភាពនិងការស្នើសុំការរៀបចំដោយខ្លួនឯង។
ព្យាយាមក្នុងកម្មវិធីរុករករបស់អ្នក
សាកល្បងម៉ូដែលណាមួយដោយផ្ទាល់នៅលើ TTS.ai ដោយមិនចាំបាច់ដំឡើងអ្វីទាំងអស់។ ម៉ាស៊ីនបម្រើ GPU របស់យើងគ្រប់គ្រងដំណើរការដូច្នេះអ្នកអាចវាយតម្លៃគុណភាពមុនពេលប្តេជ្ញាចិត្តក្នុងការ host ខ្លួនឯង។
ម៉ាស៊ីនដោយខ្លួនឯងឬប្រើ API របស់យើង
Clone ម៉ូដែល repos ពី GitHub និងរត់ជាមូលដ្ឋាន, ឬប្រើ API ដែលបានរៀបចំរបស់យើងសម្រាប់ផលិតកម្ម. ការរៀបចំដោយខ្លួនឯងផ្តល់នូវការគ្រប់គ្រងពេញលេញ; API របស់យើងផ្តល់នូវហេដ្ឋារចនាសម្ព័ន្ធគ្រប់គ្រង.
បង្កើតកម្មវិធីរបស់អ្នក
បញ្ចូល TTS ទៅក្នុងផលិតផលរបស់អ្នកដោយប្រើម៉ូដែលដែលរៀបចំដោយខ្លួនឯងឬ REST API របស់យើង។ ពិនិត្យមើលអាជ្ញាប័ណ្ណម៉ូដែលនីមួយៗជាមុនសិន៖ ម៉ូដែលនិងសំឡេងមួយចំនួនគឺសម្រាប់តែការប្រើប្រាស់មិនពាណិជ្ជកម្មប៉ុណ្ណោះ។
ការប្រៀបធៀបអាជ្ញាបណ្ណ
អាជ្ញាប័ណ្ណនៃម៉ូដែលនីមួយៗនៅលើ TTS.ai
| ម៉ូដែល | អាជ្ញាបណ្ណ | ការប្រើពាណិជ្ជកម្ម | ការកែប្រែ | ម៉ាស៊ីនផ្ទាល់ខ្លួន | ការផ្ទេរ |
|---|---|---|---|---|---|
| Kokoro | Apache 2.0 | ត្រូវការ | |||
| Piper | MIT ម៉ាស៊ីនអាជ្ញាបណ្ណសំឡេងខុសគ្នា | តែសំឡេងខ្លះប៉ុណ្ណោះ | ជម្រើស | ||
| VITS | MIT | ជម្រើស | |||
| MeloTTS | MIT | ជម្រើស | |||
| Chatterbox | MIT | ជម្រើស | |||
| Tortoise TTS | Apache 2.0 | ត្រូវការ | |||
| StyleTTS 2 | MIT | ជម្រើស | |||
| OpenVoice | MIT | ជម្រើស | |||
| Sesame CSM | Apache 2.0 | ត្រូវការ | |||
| Orpheus | Llama 3.2 | "Built with Llama" | |||
| Spark TTS | CC BY-NC-SA 4.0 | ប្រើតែផ្ទាល់ខ្លួន និងមិនជាពាណិជ្ជកម្មប៉ុណ្ណោះ | ត្រូវការ | ||
| OuteTTS | CC BY-NC-SA 4.0 | ប្រើតែផ្ទាល់ខ្លួន និងមិនជាពាណិជ្ជកម្មប៉ុណ្ណោះ | ត្រូវការ |
ម៉ាស៊ីនបម្រើផ្ទាល់ខ្លួន vs ម៉ាស៊ីនបម្រើ API
រត់ម៉ូដែលដោយខ្លួនឯង ឬទុកឲ្យយើងគ្រប់គ្រងហេដ្ឋារចនាសម្ព័ន្ធ
ម៉ាស៊ីនផ្ទាល់ខ្លួនលើផ្នែករឹងរបស់អ្នក
ម៉ូដែលទាំងអស់នៅលើ TTS.ai អាចរកបានជាគម្រោងប្រភពបើកចំហនៅលើ GitHub ឬ Hugging Face ។ ទាញយកទំងន់ដំឡើងភាពអាស្រ័យនិងរត់ការសន្និដ្ឋានលើ GPU ផ្ទាល់ខ្លួនរបស់អ្នក។ អ្នកមានការគ្រប់គ្រងពេញលេញលើការពន្យារពេលភាពឯកជននិងការធ្វើមាត្រដ្ឋាន។
- ភាពឯកជនទិន្នន័យពេញលេញ — អូឌីយ៉ូមិនដែលចាកចេញពីម៉ាស៊ីនបម្រើរបស់អ្នកឡើយ
- គ្មានតម្លៃសំណើបន្ទាប់ពីការកំណត់រចនាសម្ព័ន្ធដំបូង
- ការលៃតម្រូវលម្អិតផ្ទាល់ខ្លួនលើទិន្នន័យផ្ទាល់ខ្លួនរបស់អ្នក
- ត្រូវការផ្នែករឹង GPU (បានផ្ដល់អនុសាសន៍ដោយ NVIDIA)
- អ្នកគ្រប់គ្រងការធ្វើឲ្យទាន់សម័យ ការធ្វើមាត្រដ្ឋាន និងភាពអាស្រ័យ
ប្រើ TTS.ai ដែលបានរៀបចំ API
ទទួលបានការចូលដំណើរការភ្លាមៗទៅគ្រប់ម៉ូដែល 20+ តាមរយៈ API REST មួយ។ យើងគ្រប់គ្រងការផ្គត់ផ្គង់ GPU ការធ្វើឱ្យទាន់សម័យម៉ូដែលការគ្រប់គ្រងជួរនិងការធ្វើមាត្រដ្ឋាន។ កូនសោ API មួយផ្តល់ឱ្យអ្នកនូវការចូលដំណើរការទៅគ្រប់ម៉ូដែល - មិនចាំបាច់គ្រប់គ្រងការបញ្ជូនដោយឡែក។
- គ្មានផ្នែករឹង GPU ដែលត្រូវការ
- ម៉ូដែល 20+ ទាំងអស់តាមរយៈ API មួយ
- ធ្វើឲ្យម៉ូដែលទាន់សម័យ និងធ្វើឲ្យប្រសើរដោយស្វ័យប្រវត្តិ
- 99.9% ពេលវេលាបើកបរជាមួយហេដ្ឋារចនាសម្ព័ន្ធលើសពីតម្រូវការ
- បង់តែសម្រាប់អ្វីដែលអ្នកប្រើ
ចាប់ផ្ដើមរហ័ស: API ឬម៉ាស៊ីនផ្ទាល់ខ្លួន
ប្រើ API ដែលបានរៀបចំរបស់យើង ឬដំឡើង Kokoro មូលដ្ឋានក្នុងរយៈពេលប៉ុន្មាននាទី
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)# 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")ប្រភពបើកចំហ, តម្លៃសមរម្យ
API ដែលបានរៀបចំរបស់យើងធ្វើឲ្យ TTS ប្រភពបើកចំហអាចចូលដំណើរការបានដោយមិនចាំបាច់គ្រប់គ្រង GPUs ។
កម្រិតទំនេរ
$0
50 ពិន្ទុលើការចុះឈ្មោះ
- 4 ម៉ូដែលប្រភពបើកចំហដោយឥតគិតថ្លៃ
- គ្មានការចុះឈ្មោះសម្រាប់ការប្រើមូលដ្ឋាន
- ការប្រើផ្ទាល់ខ្លួន មិនមែនពាណិជ្ជកម្ម
កម្មវិធីចាប់ផ្ដើម
$9
500,000 តួអក្សរ/ខែ
- ម៉ូដែលប្រភពបើកចំហ 20+ ទាំងអស់
- ការក្លូនសំឡេង
- ការចូលដំណើរការ API
ជំនាញ
$29
2,000,000 តួអក្សរ/ខែ
- ដំណើរការ GPU ដែលមានអាទិភាព
- ម៉ូដែលខ្ពស់ទាំងអស់
- ការគាំទ្រសហគ្រាស
សំណួរដែលសួរញឹកញាប់
សំណួរទូទៅអំពីអត្ថបទប្រភពបើកចំហទៅការនិយាយ
តើយើងអាចធ្វើអ្វីបានប្រសើរឡើង ? មតិយោបល់របស់អ្នកជួយយើងជួសជុលបញ្ហា ។
សាកល្បងប្រភពបើកចំហ TTS ថ្ងៃនេះ
20+ ម៉ូដែលប្រភពបើកចំហ, មួយគ្នាជាមួយនឹងអាជ្ញាប័ណ្ណរបស់ខ្លួនដែលបានរាយ. ប្រើ API ឬខ្លួនឯង-ម៉ាស៊ីនរបស់យើង, ជម្រើសគឺរបស់អ្នក.