ข้อความเป็นเสียงName ตัวแทน AI เพลง คำพูดเป็นข้อความName การคัดลอกเสียง การออกแบบเสียง ตลาด อีก
รายงานข้อผิดพลาด / ขอฟีเจอร์ใหม่

โมเดลการแปลงข้อความเป็นเสียงแบบโอเพนซอร์สName

ทุกโมเดล TTS ในแพลตฟอร์มของเราเป็นโอเพนซอร์ส และส่วนใหญ่ใช้ MIT หรือ Apache 2.0 โมเดลและเสียงบางส่วนถูกอนุญาตให้ใช้เพื่อการค้าเท่านั้น และถูกระบุว่า 'ใช้ส่วนตัวและไม่ใช้เพื่อการค้าเท่านั้น' ใช้มันผ่าน API ที่เราโฮสต์ไว้ หรือโฮสต์มันเองบนโครงสร้างพื้นฐานของคุณเอง โดยควบคุมได้เต็มที่

โอเพนซอร์ส ใบอนุญาต MIT แอปเปิ้ลComment สามารถจัดการเองได้ เก็ตฮับ
เครื่องมือแก้ไข TTS เต็มรูปแบบ เอกสาร API

ลองดูสิ

0/500
ด้วยโคโคโร ไพเปอร์ วิทส เมโลTTS
เสียงที่สร้างขึ้นจะปรากฏที่นี่
สร้าง
0:00
ดาวน์โหลด
รัก TTS.ai บอกเพื่อนๆ
เปิดตัวแก้ไข TTS เต็มรูปแบบ

โอเพนซอร์ส TTS

ทำไมโมเดลโอเพนซอร์สถึงสำคัญสำหรับโปรเจกของคุณ

ใบอนุญาตโอเพนซอร์สทั้งหมด

ทุกโมเดลบน TTS.ai เป็นโอเพนซอร์ส และทุกหน้าโมเดล แสดงลิขสิทธิ์ของมัน ไม่มีกล่องดำที่ไม่มีสิทธิ์ และไม่มีผู้ผลิตที่ล็อคใน

ใบอนุญาต Open Source

ตัวอย่างส่วนใหญ่ได้รับการอนุญาตให้ใช้ภายใต้ MIT หรือ Apache 2.0 บางตัวอย่างใช้สิทธิ์อื่น ๆ และตัวอย่างหรือเสียงที่ได้รับอนุญาตให้ใช้เพื่อการไม่ทำธุรกิจจะถูกระบุไว้ว่า "ใช้ส่วนตัวและไม่ทำธุรกิจเท่านั้น"

สามารถจัดการเองได้

ดาวน์โหลดแบบจำลองใดๆ และ ทำงานมันบนฮาร์ดแวร์ของคุณเอง ควบคุมข้อมูล ความล่าช้า และโครงสร้างพื้นฐานของคุณได้อย่างเต็มที่ ไม่จำเป็นต้องพึ่งพาคลาวด์

ปรับแต่ง GPU ให้ดีที่สุด

โมเดลถูกปรับให้เหมาะสมกับ GPU NVIDIA ที่มีการรองรับ CUDA Piper ทำงานบน CPU เท่านั้น โมเดลส่วนใหญ่ต้องการ VRAM 2-8GB เพื่อการสรุปข้อมูลอย่างมีประสิทธิภาพ

รักษาโดยชุมชน

ชุมชนโอเพนซอร์สที่ทำงานอยู่ รักษาและปรับปรุงโมเดลเหล่านี้ ขอต้อนรับการมีส่วนร่วม — ส่งบั๊ก, การปรับปรุง, และเสียงใหม่บน GitHub

มีใบอนุญาตทางการค้า

แพ็คเกจที่จ่ายค่าใช้จ่ายตั้งแต่ $5/ เดือน จะมีสิทธิ์ในการขายของสิ่งที่คุณสร้างขึ้น โดยไม่มีค่าลิขสิทธิ์หรือค่าใช้จ่าย; ระดับฟรีเป็นสำหรับใช้ส่วนตัว โมเดลและเสียงที่ระบุว่า "ใช้ส่วนตัวและไม่ใช้เพื่อการค้าเท่านั้น" จะถูกยกเว้น

รายการโมเดลโอเพนซอร์สของเรา

ทุกคนมีใบอนุญาต และสิ่งที่พวกเขาทำได้ดีที่สุด

KokoroKokoro

Free

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

เร็ว 5/5

เหมาะสำหรับ: Apache 2.0 - โมเดลฟรีคุณภาพสูงสุด, พารามิเตอร์ 82M, ง่ายต่อการโฮสต์ด้วยตนเอง

ลองดูสิ Kokoro

PiperPiper

Free

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

เร็ว 3/5

เหมาะสำหรับ: MIT — CPU เท่านั้น เหมาะสำหรับอุปกรณ์ Edge และการจัดการตัวเองแบบฝังตัว

ลองดูสิ Piper

VITSVITS

Free

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

เร็ว 3/5

เหมาะสำหรับ: เอ ็ มไอที — สถาปัตยกรรมพื ้ นฐาน ที ่ ใช ้ กับโมเดลต ่ อไปอีกหลายแบบ

ลองดูสิ VITS

BarkBark

Standard

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

ช้า 4/5

เหมาะสำหรับ: MIT — ความสามารถในการสร้างเสียงที่ไม่เหมือนใครนอกเหนือจาก TTS มาตรฐาน

ลองดูสิ Bark

Tortoise TTSTortoise TTS

Premium

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

ช้า 5/5 การคัดลอกเสียง

เหมาะสำหรับ: Apache 2.0— ความสามารถสูงสุด, ศึกษาอย่างกว้างขวางในการนำไปใช้

ลองดูสิ Tortoise TTS

OpenVoiceOpenVoice

Premium

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

ขนาดกลาง 4/5 การคัดลอกเสียง

เหมาะสำหรับ: MIT — โคลนเสียงแบบโอเพนซอร์ส ด้วยการควบคุมสไตล์ที่ละเอียดอ่อน

ลองดูสิ OpenVoice

ใช้ Open Source TTS อย่างไร

ใช้ API ที่เราโฮสต์ไว้ หรือ ทำโมเดลเอง

1

สำรวจโมเดลโอเพนซอร์ส

คลิกดูแคตาล๊อกของเราที่มีโมเดล TTS แบบโอเพนซอร์สมากกว่า 20 แบบ หน้าแบบแต่ละหน้าแสดงใบอนุญาต สถาปัตยกรรม ความสามารถ และข้อกำหนดการโฮสต์ตัวคุณเอง

2

ลองใช้ในเบราว์เซอร์ของคุณ

ทดสอบโมเดลใด ๆ โดยตรงบน TTS.ai โดยไม่ต้องติดตั้งอะไรเลย เซิร์ฟเวอร์ GPU ของเราจัดการการประมวลผลเพื่อให้คุณสามารถประเมินคุณภาพก่อนที่จะมอบหมายให้โฮสต์เอง

3

จัดโฮสต์เอง หรือใช้ API ของเรา

คลอนโมเดลจาก GitHub และทำงานในท้องถิ่น หรือใช้ API ที่เราโฮสต์ไว้สำหรับผลิต การโฮสต์เองให้การควบคุมเต็มที่; API ของเราให้การจัดการโครงสร้างพื้นฐาน

4

สร้างโปรแกรมของคุณName

เชื่อมต่อ TTS เข้ากับผลิตภัณฑ์ของคุณ โดยใช้โมเดลที่โฮสต์เอง หรือ REST API ของเรา ตรวจสอบใบอนุญาตของแต่ละโมเดลก่อน: โมเดลและเสียงบางส่วนเป็นสำหรับใช้ในทางธุรกิจเท่านั้น

การเปรียบเทียบใบอนุญาต

ใบอนุญาตของแต่ละโมเดลบน TTS.ai

โมเดล ใบอนุญาต ใช้ในเชิงพาณิชย์ แก้ไข เครื่องตัวมันเอง สิทธิ์
Kokoro Apache 2.0 จำเป็น
Piper MIT เครื่องยนต์; ใบอนุญาตเสียงแตกต่างกัน เสียงบางอย่างเท่านั้น ตัวเลือก
VITS MIT ตัวเลือก
MeloTTS MIT ตัวเลือก
Chatterbox MIT ตัวเลือก
Tortoise TTS Apache 2.0 จำเป็น
StyleTTS 2 MIT ตัวเลือก
OpenVoice MIT ตัวเลือก
Sesame CSM Apache 2.0 จำเป็น
Orpheus Llama 3.2 "Built with Llama"
Spark TTS CC BY-NC-SA 4.0 ใช้ส่วนตัวและไม่ใช้เพื่อการค้าเท่านั้น จำเป็น
OuteTTS CC BY-NC-SA 4.0 ใช้ส่วนตัวและไม่ใช้เพื่อการค้าเท่านั้น จำเป็น
ลองใช้แบบจำลองนี้ฟรี

ตัวจัดการเอง vs ตัวจัดการ API

จัดการแบบจำลองเอง หรือให้เราจัดการโครงสร้างพื้นฐาน

ใช้ฮาร์ดแวร์ของคุณเอง

ทุกๆ โมเดลบน TTS.ai มีให้ใช้เป็นโปรเจกต์โอเพนซอร์สบน GitHub หรือ Hugging Face ดาวน์โหลดน้ำหนัก, ติดตั้งความขึ้นอยู่กับ, และทำงานการสรุปบน GPU ของตัวเอง คุณสามารถควบคุมความล่าช้า, ความเป็นส่วนตัว, และการปรับขนาดได้เต็มที่

  • ความเป็นส่วนตัวของข้อมูลเต็มที่ - เสียงจะไม่เคยออกจากเซิร์ฟเวอร์ของคุณ
  • ไม่มีค่าใช้จ่ายต่อการร้องขอหลังจากการตั้งค่าครั้งแรก
  • ปรับแต่งข้อมูลของคุณเอง
  • ต้องการฮาร์ดแวร์ GPU (แนะนำ NVIDIA)
  • คุณจัดการการอัปเดต การปรับขนาด และความขึ้นอยู่

ใช้ API ที่โฮสต์ไว้สำหรับ TTS.ai

เข้าถึงได้ทันทีถึง 20+ โมเดล ผ่าน REST API เดียว เราจัดการการจัดสรร GPU, ปรับปรุงโมเดล, จัดการคิว และปรับขนาด กุญแจ API เดียว ทำให้คุณสามารถเข้าถึงทุกโมเดลได้ — ไม่จำเป็นต้องจัดการการจัดสรรแยกกัน

  • ไม่ต้องใช้ฮาร์ดแวร์ GPU
  • ทุกรุ่น 20+ ผ่าน API เดียว
  • ปรับปรุงและปรับปรุงแบบจำลองอัตโนมัติ
  • 99.9% ใช้งานได้ตลอดเวลา ด้วยโครงสร้างพื้นฐานที่เหลืออยู่
  • จ่ายตามที่ใช้เท่านั้น
ใช้ API ที่โฮสต์ไว้แทน

เริ่มเร็ว: API หรือ Self- Host

ใช้ API ที่เราโฮสต์ไว้ หรือติดตั้ง Kokoro ภายในระบบภายในไม่กี่นาที

ตัวเลือกที่ 1: TTS.ai เจ้าของ API ง่ายที่สุด 
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)
ตัวเลือกที่2: ใช้ตัวเครื่องเองด้วย pip ควบคุมเต็มที่ 
# 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")
แสดงเอกสาร API

โอเพนซอร์ส, ราคาถูก

ระบบ API ของเราทำให้ TTS แบบโอเพนซอร์ส เข้าถึงได้โดยไม่ต้องจัดการ GPU

ระดับเสรี

$0

15 เครดิตเมื่อสมัคร

  • 4 แบบจำลองโอเพนซอร์สฟรี
  • ไม่มีการลงทะเบียนสำหรับการใช้พื้นฐาน
  • ใช้ส่วนตัว ไม่ใช่เพื่อการค้า

เริ่ม

$9

500,000 ตัวอักษร/ เดือน

  • แบบจำลองโอเพนซอร์สทั้งหมด 20+
  • เสียง
  • เข้าถึง API

โปร

$29

2,000,000 ตัวอักษร/ เดือน

  • ความเร็วในการประมวลผลของ GPU
  • ทุกรุ่น
  • รองรับเอ็นเตอร์ไพรส์
แสดงราคาเต็ม

คำถามที่ถามบ่อย

คำถามที่พบบ่อยเกี่ยวกับโอเพนซอร์สการแปลงข้อความเป็นเสียง

ใช่ ทุกตัวอย่างบน TTS.ai เป็นโอเพนซอร์ส และส่วนใหญ่ใช้ MIT หรือ Apache 2.0 บางตัวอย่างใช้ลิขสิทธิ์อื่น ๆ รวมถึงบางตัวอย่างที่ใช้เพื่อการใช้งานที่ไม่ใช่ทางการค้าเท่านั้น ซึ่งจะถูกระบุไว้ว่า "ใช้ส่วนตัวและไม่ใช้เพื่อการค้าเท่านั้น" ในตัวเลือกเสียง หน้าตัวอย่างแต่ละหน้าจะมีลิขสิทธิ์ของมัน

ทั้งสองใบอนุญาตเป็นโอเพนซอร์สที่อนุญาตให้ใช้ในเชิงพาณิชย์ ปรับปรุง และจัดจำหน่ายต่อไป Apache 2.0เพิ่มการอนุญาตสิทธิบัตรโดยชัดแจ้ง และจำเป็นต้องระบุการเปลี่ยนแปลงหากคุณปรับปรุงโค้ด MIT นั้นง่ายกว่าด้วยข้อกำหนดที่น้อยกว่า ทั้งสองใบอนุญาตเป็นมิตรกับธุรกิจ

ใช่ ทุกโมเดลสามารถโฮสต์ตัวเองได้ คอลอนโมเดลจาก GitHub, ติดตั้งความขึ้นอยู่, ดาวน์โหลดน้ำหนักโมเดล, และทำงานการสรุป เราให้เอกสารสำหรับความต้องการโฮสต์ตัวละครของแต่ละโมเดล รวมถึง GPU, RAM, และรุ่นของ Python

ความจำเป็นแตกต่างกันไปตามรุ่น Piper ไม่ต้องการ GPU (CPU เท่านั้น) Kokoro และ MeloTTS ต้องการ 1-2GB VRAM รุ่นมาตรฐานส่วนใหญ่ต้องการ 4GB VRAM Tortoise และ Sesame CSM ต้องการ 8GB NVIDIA RTX 3060 (12GB) สามารถทำงานได้ดีกับรุ่นส่วนใหญ่

ใช่ ใบอนุญาตโอเพนซอร์สอนุญาตให้มีการปรับแต่ง รวมถึงการปรับแต่งรายละเอียด โมเดลเช่น GPT- SoVITS และ Bark ให้สคริปต์ปรับแต่งรายละเอียด คุณสามารถฝึกโมเดลบนข้อมูลเสียงของคุณเอง เพื่อสร้างเสียงที่กำหนดเอง หรือปรับปรุงประสิทธิภาพสำหรับภาษาที่กำหนดไว้

โมเดลโอเพนซอร์สชั้นนำ (Kokoro, StyleTTS 2, Chatterbox) ปัจจุบันเทียบเท่าหรือเกินกว่าบริการทางการค้าเช่น ElevenLabs และ Google TTS ในมาตรฐานคุณภาพ ข้อได้เปรียบหลักของบริการทางการค้าคือการจัดการโครงสร้างพื้นฐานและสนับสนุน ไม่ใช่คุณภาพเสียง

บางตัวถูกลบออกไปแล้ว: XTTS/XTTS-v2 (Coqui' s CPML, ไม่ใช่เพื่อการค้า), F5-TTS (CC-BY-NC, ไม่ใช่เพื่อการค้า) และ Higgs-v2 (Boson License, จำกัด) ตัวอย่างและเสียงบางตัวที่เหลืออยู่ เช่น Spark TTS, OuteTTS และเสียงของ Piper ส่วนใหญ่ ถูกอนุญาตให้ใช้เพื่อการค้าเท่านั้น พวกเขาจะถูกระบุไว้ว่า "ใช้ส่วนตัวและไม่ใช้เพื่อการค้าเท่านั้น" ในตัวเลือกเสียง ดังนั้น โปรดใช้เสียงอื่นสำหรับโปรเจกต์ทางการค้า

ใช่ โมเดลส่วนใหญ่ยอมรับการร่วมมือจากชุมชนผ่าน GitHub คุณสามารถส่งรายงานบั๊ก, บันทึกเสียงสำหรับภาษาใหม่, ปรับปรุงโค้ด, และเอกสาร ตรวจสอบที่เก็บข้อมูล GitHub ของแต่ละโมเดลเพื่อดูกฎข้อบังคับการร่วมมือและปัญหาที่กำลังเกิดขึ้น

โหลดโมเดลตามความต้องการและยกเลิกการโหลดเมื่อไม่มีการใช้งานเพื่อแบ่งปันหน่วยความจำของ GPU เซิร์ฟเวอร์ GPU ของเราทำงานบนโมเดล 20+ บนเทสลา P40 ขนาด4เท่า (VRAM ทั้งหมด 96GB) โดยใช้การโหลดแบบพลิกผัน สำหรับโฮสต์ตัวเดียว 24GB GPU สามารถให้บริการโมเดล 3-5 แบบพร้อมกันได้

โมเดลหลายรุ่นให้อิมเมจ Docker หรือแฟ้ม Dockerfiles อย่างเป็นทางการ สำหรับใช้งานหลายโมเดล คุณสามารถสร้างการตั้งค่า Docker ตามความต้องการด้วย NVIDIA Container Toolkit เพื่อเข้าถึง GPU ได้ สถาปัตยกรรมเซิร์ฟเวอร์ API ของเราสามารถใช้เป็นตัวอย่างการใช้งานได้

รุ่นส่วนใหญ่ต้องการไพทอน 3.10-3.12 Coqui TTS (VITS) จำเป็นต้องใช้ไพทอน 3.11 สำหรับรุ่นส่วนใหญ่ เราแนะนำให้ใช้ไพทอน 3.12 ตรวจสอบในไฟล์ requirements.txt ของแต่ละรุ่นเพื่อดูว่ารุ่นไหนเหมาะสมกับเครื่องของคุณ

หากคุณใช้ระบบโฮสต์เอง ส่วนใหญ่แล้ว ใช่: MIT และ Apache 2.0 อนุญาตให้ใช้ในเชิงพาณิชย์ และตัวอย่างส่วนใหญ่ที่นี่ใช้มัน ดังนั้นคุณสามารถสร้างผลิตภัณฑ์ SaaS, แอพพลิเคชันมือถือ, เกมและบริการโดยไม่ต้องจ่ายค่าลิขสิทธิ์หรือค่าลิขสิทธิ์ ตรวจสอบสิทธิ์บนหน้าตัวอย่างแต่ละหน้าก่อน เพราะตัวอย่างและเสียงบางส่วนไม่เป็นทางการ เสียงที่สร้างขึ้นบน TTS.ai เองจะทำตามแผนของคุณ: ใช้ส่วนตัวบนระดับฟรี ใช้ในเชิงพาณิชย์บนแผนจ่ายเงิน
5.0/5 (1)

เราจะปรับปรุงอะไรได้บ้าง ความคิดเห็นของคุณช่วยเราแก้ไขปัญหา

ลองใช้ Open Source TTS วันนี้

โมเดล Open Source มากกว่า 20 แบบ ทุกแบบมีใบอนุญาตที่ระบุไว้ ใช้ API หรือ Self-Host ของเรา เลือกได้ตามใจชอบ

ลงทะเบียน แสดงราคา