Текст за говор Агенти на ВИ Музика Говор кон текст Гласовно клонирање Дизајн на глас Трговско место Повеќе
Извести за барање за бубачка / карактеристика

Модели на отворен изворен текст за говор

Секој TTS модел на нашата платформа е отворен извор, а повеќето користат МИТ или Апачи 2.0. Неколку модели и гласови се дозволени само за некоммерцијална употреба и се означени само за лична и некоммерцијална употреба. Користете ги преку нашиот домаќин на АПИ или самостопанските на сопствената инфраструктура со целосна контрола.

Отворен извор Лиценца на MIT Апачи 2. 0 Самопожелно ГитХубworld. kgm
Целосен уредувач на TTS API Док

Обиди се сега

0/500
Слободен со Кокоро, Пајпер, ВИТС, Мелотс
Вашата генерирана аудио снимка ќе се појави тука
Генерирано
0:00
Симнување
Кажи им на пријателите!
Отвора целосен уредувач на TTS

Користи од отворениот извор на TTS

Зошто отворените модели се важни за вашите проекти

Лицензација на сите отворени извори

Секој модел на TTS.ai е отворен извор, а секоја страница ја наведува својата дозвола.

Отвораат лиценца

Most models are licensed under MIT or Apache 2.0. A few use other licenses, and models or voices licensed for non-commercial use are marked "Personal and non-commercial use only".

Самопожелно

Симни било кој модел и пушти го на свој хардвер. Целосна контрола над вашите податоци, латенција и инфраструктура. Не е потребна зависност од облак.

Оптимизиран GPU

Моделите се оптимизирани за NVIDIA GPUs со поддршка на CCUDA. Piper работи само на процесор. Повеќето модели имаат потреба од 2-8GB VRAM за ефикасно заклучување.

Заедницата е задржана

Активните заедници со отворен извор ги одржуваат и подобруваат овие модели. Прилозите добредојдени — поднесуваат бубачки, подобрувања и нови гласови на GitHub.

Комерцијална лиценца е достапна

Платен план од 5 долари/мо ја носи комерцијалната дозвола за она што го генерирате, без трошоци или трошоци за употреба; бесплатниот ред е за лична употреба. Моделите и гласовите со етикета „само за лична и некомерцијална употреба“ се исклучени.

Каталогот на нашиот отворен модел

Секој модел, неговата дозвола, и она што го прави најдобро

KokoroKokoro

Free

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

Брзо 5/5

Најдобро за: Апачи 2.0 — најдобар безквалитетен модел, 82М парами, лесен за самодомаќин

Обиди се Kokoro

PiperPiper

Free

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

Брзо 3/5

Најдобро за: MIT — само за процесор, совршен за работни уреди и вграден само-домаќин

Обиди се Piper

VITSVITS

Free

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

Брзо 3/5

Најдобро за: МИТ — основната архитектура што ја користеле многу модели низводно

Обиди се VITS

BarkBark

Standard

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

Бавно 4/5

Најдобро за: MIT — единствени можности за генерација на звук над стандардните TTS

Обиди се Bark

Tortoise TTSTortoise TTS

Premium

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

Бавно 5/5 Гласовно клонирање

Најдобро за: Апачи 2.0 — максимален квалитет, широко испитана референтна имплементација

Обиди се Tortoise TTS

OpenVoiceOpenVoice

Premium

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

Средно 4/5 Гласовно клонирање

Најдобро за: MIT — клонирање на гласот со гранулиран стил

Обиди се OpenVoice

Како да се користи ТТС со отворен извор

Користете го нашиот домаќин на API или самиот извршете модели

1

Разгледај ги моделите со отворен извор

Прегледајте го нашиот каталог на 20+ отворени модели на TTS. Секоја модел страница ги прикажува условите на лиценцата, архитектурата, способностите и самодомаќинските барања.

2

Пробај во твојот прелистувач

Тестирај го секој модел директно на TTS.ai без инсталирање на ништо. Нашите GPU сервери раководат со обработката за да можете да го процените квалитетот пред да се посветите на самодомаќинство.

3

Самостојност или користење на нашиот API

Репозицијата на моделот на клонови од GitHub и трчање локално, или користење на нашиот домаќин на API за производство.

4

Изградете ја вашата апликација

Интегрирајте го TTS во вашиот производ користејќи самостојни модели или нашиот REST API. Најпрво проверите ја секоја дозвола за модел: неколку модели и гласови се само за некомерцијална употреба.

Споредување на лиценцата

Лиценца за секој модел на TTS.ai

Модел Лиценца Комерцијална употреба Измена Самостојност Атрибуција
Kokoro Apache 2.0 Неопходно
Piper MIT мотор; гласовни дозволи се разликуваат Само некои гласови Опционо
VITS MIT Опционо
MeloTTS MIT Опционо
Chatterbox MIT Опционо
Tortoise TTS Apache 2.0 Неопходно
StyleTTS 2 MIT Опционо
OpenVoice MIT Опционо
Sesame CSM Apache 2.0 Неопходно
Orpheus Llama 3.2 "Built with Llama"
Spark TTS CC BY-NC-SA 4.0 Само лична и некомерцијална употреба Неопходно
OuteTTS CC BY-NC-SA 4.0 Само лична и некомерцијална употреба Неопходно
Пробај ги овие модели бесплатно

Самостојна против домаќинската API

Изврши го моделот самиот или дозволи ни да се справиме со инфраструктурата.

Самостојност на хардверот

Секој модел на TTS.ai е достапен како отворен проект за GitHub или Hugging Face. Превземете ги теговите, инсталирајте ги зависностите и извршувајте заклучоци на сопствените GPU. Имате целосна контрола над латенцијата, приватноста и скалирањето.

  • Целосна приватност на податоците — звукот никогаш не го напушта серверот
  • Без трошоци по барање по иницијалното поставување
  • Сопствено нагласување на Вашите податоци
  • Бара GPU хардвер (препорачана NVIDIA)
  • Менаџирате ажурирања, скалирање и зависности

Користи TTS.ai компјутерски API

Добивате моментален пристап до сите 20+ модели преку еден REST API. Ние се справиме со GPU обезбедувањето, ажурирањето на моделот, менаџментот на редица и скалирањето. Еден API клуч ви дава пристап до секој модел — нема потреба да управувате со одделни распоредувања.

  • Не е потребен GPU хардвер
  • Сите 20+ модели преку еден API
  • Автоматски ажурирања и подобрувања на моделот
  • 99,9 отсто повеќе време со излишна инфраструктура
  • Плати само за тоа што го користиш.
Користи го компјутерскиот API наместо

Брз почеток: API или самостојност

Користете го нашиот домаќин на API, или инсталирајте го Kokoro локално во минути

Опција 1: TTS.ai Hosted API Најлесно 
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)
Опција 2: Самостојност со пип Целосна контрола 
# 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")
Види API документација

Отворен извор, достоен за цени

Нашиот домаќин на АПИ го прави отворениот извор на ТТС пристапен без управување со ГПУ.

Слободен ред

$0

15 кредити за пријавување

  • 4 слободни модели со отворен извор
  • Нема пријава за основна употреба
  • Лична, некомерцијална употреба

Стартер

$9

500.000 знаци месечно

  • Сите 20+ модели со отворен извор
  • Гласовно клонирање
  • API пристап

Проф.

$29

2. 000. 000 знаци на месец

  • Приоритетна обработка на GPU
  • Сите премиум модели
  • Поддршка за претпријатието
Прикажи целосни цени

Често поставувани прашања

Вообичаени прашања во врска со текстот од отворен извор за говор

Да, секој модел на TTS.ai е отворен извор, а повеќето користат MIT или Apache 2.0. Неколку користеа други лиценца, вклучувајќи и некои лиценца само за некомерцијална употреба, кои се означени како „ Лична и некоммерцијална употреба“ во гласачот. Секој модел ја набројува својата дозвола.

И двете се попустливи лиценца со отворен извор, кои дозволуваат комерцијална употреба, модификација и прераспределба. Апачи 2.0 додава експлицитни патентни додатоци и бара да се наведат промени ако го измените кодот. МИТ е поедноставен со помалку барања.

Да. Секој модел може да биде самодомаќен. Клонирајте го ризницата на моделот од GitHub, инсталирајте ги зависностите, симнете тегови од моделот и извршувајте заклучоци. Ние обезбедуваме документација за барањата за самодомење на секој модел, вклучувајќи ги GPU, RAM и Python верзијата.

Забарувањата варираат според моделот. На Piper не им треба само GPU (само на CPU). Kokoro и Melotts им требаат 1-2GB VRAM. Најмногу стандардни модели им требаат 4GB VRAM. Tortoise и Sesame CSM потребни 8GB. NVIDIA RTX 3060 (12GB) може да извршат повеќето модели удобно.

Да. Лиценцата за отворен извор овозможуваат модификација вклучувајќи фино регулирање. Модели како GPT- SoVITS и Bark обезбедуваат скрипти за фино регулирање. Може да тренирате модели на сопствените гласови за создавање на сопствени гласови или подобрување на перформансите за специфични јазици.

Најдобрите модели на отворен извор (Кокоро, StyleTTS 2, Chatterbox) сега се совпаѓаат или надминуваат комерцијалните услуги како 11Labs и Google TTS во квалитетни стандарди. Главната предност на комерцијалните сервиси е управување со инфраструктурата и поддршката, а не аудио квалитетот.

Некои се отстранети: XTTS/XTS-v2 (CPML на Коки, некомерцијални), F5-TTS (CC-BY-NC, некомерцијални) и Higgs-v2 (Лизично Босон, рестриктивно). Неколку преостанати модели и гласови, како што се Spark TTS, OuteTTS и повеќето гласови на Пајпер, се лиценца за некомерцијална употреба само; тие се означени само за „лична и некоммерцијална употреба“ во избирачот на гласови, па користете друг глас за комерцијални проекти.

Да. Повеќето модели прифаќаат придонеси на заедницата преку GitHub. Можете да испратите извештаи за бубачки, гласови за нови јазици, подобрување на кодот и документација. Проверете го складиштето на GitHub на секој модел за упатства и активни прашања.

Вчитај модели на барање и истоварај кога не работи за споделување на GPU меморија. Нашиот GPU- сервер користи 20+ модели на 4x Tesla P40 (96GB вкупно VRAM) со динамично оптоварување. За самостоење, еден 24GB GPU може истовремено да служи 3-5 модели.

Многу модели обезбедуваат официјални слики за Docker или Dockerfiles. За извршување на повеќе модели, можете да изградите сопствена настройка за Docker со NVIDIA Container Toolkit за пристап на GPU. Нашата API- серверска архитектура може да служи како референтна имплементација.

Повеќето модели бараат Python 3.10-3.12. Coqui TTS (VITS) посебно на Python 3.11. Ние препорачуваме Python 3.12 за повеќето модели. Проверете ги барањата на секој модел.txt за точна верзија компатибилност.

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)

Твоите повратни информации ни помагаат да ги решиме проблемите.

Обиди се со отворен код TTS денес

20+ модели со отворен извор, секој со лиценцата. Користете го нашиот API или самодомаќин, изборот е ваш.

Слободно потпиши се Прикажи цени