ጽሑፍ ናብ ቃላት መራኸቢታት ሙዚቃ ድምጺ ናብ ጽሑፍ ድምጺ ድምጺ ገበን ተጨማሪ
ረቛሒታት / መተግበሪያታት

ናጽነት ድምጺ

ኩሉ TTS ሞዴል ኣብ መተግበሪያና ናቱ ምንጭታት ኣለዉ፣ አብዚኦም ድማ MIT ወይ Apache 2.0 ይጥቀሙ። ገለ ሞዴላትን ቃላትን ንጥቀመሉ ውልቀ-መላኺታት ጥራይ እዮም ዝውሃቡ፣ ከምኡውን 'Personal and non-commercial use only' ዝብል ምልክት ኣለዉ። ብናይ ውልቀ-መላኺት API ንጥቀመሎም፣ ወይ ድማ ብናይ ውልቀ-መላኺት ህንጸትካ ብሙሉእ ቁጽጽር ባዕልኻ ንክጥቀመሎም ይኽእሉ እዮም።

ናጽነት ውልቀ-መጻሕፍቲ MIT Apache ባዕሉ ዝውሃብ GitHub
ሙሉ TTS ደራሲ ደብዳቤታት

ሕጂ ፈትሽዎ

0/500
ነጻ ምስ ኮኮሮ, ፒፐር, VITS, MeloTTS
እቲ ዝፈጠርካዮ ድምጺ እዚኣ ይርከብ
ዝተፈጠረ
0:00
መዝጊብ
TTS.ai ትወዳደሮ? ንፍቓድካ ንገረኒ!
ሙሉእ TTS-editor ክፈት

መሰረታዊ ፋይዳታት TTS

ስለምንታይ ናይ መሰረታዊ መምርሒታት ምትእስሳር ንፕሮጀክትታትካ ኣገዳሲ ምዃኑ

ሙሉእ ሶርስ-ኦፐን-ሊሰንስ

ኣብ TTS.ai ዘሎ ኩሉ ሞዴል ናቱ ምንጭታት ኣለዉ፣ ከምኡ'ውን ኣብ ገጽ ናይቲ ሞዴል

መሰረታዊ ናጽነት

አብዛይቱ ሞዴላት ብ MIT ወይ Apache 2.0 ይውሰዱ። ገለ ድማ ብ ካልእ መምርሒ ይውሰዱ። ሞዴላት ወይ ቃላት ንዘይ-ተኸፋፊሉ ዓቕሚ ዝውሰዱ ድማ "Personal and non-commercial use only" ይብል።

ባዕሉ ዝውሃብ

ንተጋራጽቲ ናጻ ኾይኑ፡ ኣብ መሳርሒታትኩም ሒዙኩም ሒዝኩምዮ። ሙሉእ ቁጥጥር ኣብ ልዕሊ ሓበሬታኹም፣ ርዝመት ግዜን ህንጸትንኩም። ኣብ ክላውስ ዘይተኮረ ምትእምማን የድልየኩም።

ተለፎን

ሞዴላት ንNVIDIA GPUs ምስ CUDA ደገፍ ተዓዚቦም ኣለዉ። Piper ኣብ CPU ጥራይ ይሰርሕ። አብዛይቱ ሞዴላት 2-8GB VRAM ን ብልዑል ምትእስሳር የድልዮም።

ዞባታት

ተሳታፍነት ይቕረብ — ብግቡእ ምዝራብ ብልሽውናታት፣ ብልሽውናታት፣ንሕናሽ ቃላት ኣብ GitHub.

ውልቀ-መዚ ንግዲ

ሓደ ዝተኸፈለ ንድፊ ካብ $5/ወርቅ ዝርከብ ናይ ንግዲ ውልቀ-መዚ ንዚፈጥርካዮ ነገር ይወስድ፣ ብነጻ ወይ ብኽፋል-ጥዕና ዘይተኸፈለ፡ እቲ ነጻ ደረጃ ንጥፈታት ንባዕልኻ ክትጥቀመሉ እዩ፡፡ ሞዴላትን ቃላትን "ንባዕልኻን ንባዕልኻን ዘይኮና ንግዲያዊ ውልቀ-መዚ ጥራይ" ዝስዕብ ውልቀ-መዚ ኣይኮኑን ዝውሰዱ።

ናይ ናጽነት ናጻ መምርሒታት

ኩሉ ሞዴል፣ ናይቲ ሞዴል ውልቀ-መዚ፣ ከምኡ'ውን እቲ ዝዓበየ ዝገብርዎ

KokoroKokoro

Free

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

ፈጣን 5/5

ምርኣይ: Apache 2.0 — ብጥበብ ዝተሰርሐ ናጽነት ዘለዎ ሞዴል, 82M params, ቐላል ንባዕሉ ክውሰድ

ሞክሮ Kokoro

PiperPiper

Free

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

ፈጣን 3/5

ምርኣይ: MIT — CPU-only, ሙሉእ ን Edge devicesን embedded self-hostingን

ሞክሮ Piper

VITSVITS

Free

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

ፈጣን 3/5

ምርኣይ: MIT — መሰረታዊ ኣርክቴክቸር ዝተጠቀመ ብብዙሓት ዝስዕብ ሞዴላት

ሞክሮ VITS

BarkBark

Standard

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

ሒደት 4/5

ምርኣይ: MIT — ናጽነት ናይ ድምጺ ምጽሓፍ ብቐንዱ TTS

ሞክሮ Bark

Tortoise TTSTortoise TTS

Premium

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

ሒደት 5/5 ድምጺ

ምርኣይ: Apache 2.0 — ብቐንዱ ጥራሕ, ኣብ ስፋት ተመራሚሩ ረቛሒ ምውሳድ

ሞክሮ Tortoise TTS

OpenVoiceOpenVoice

Premium

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

መደብ 4/5 ድምጺ

ምርኣይ: MIT — open source voice cloning with granular style control

ሞክሮ OpenVoice

ብኸመይ ከም እትጥቀመሉ Open Source TTS

ናጻ መተግበሪ

1

ናጽነት

ኣብ 20+ ናይ 20+ ናይ TTS ሞዴላት ርአ። ኣብ ገጽ ናይቲ ሞዴል፡ ናይ ውልቀ-መዳያት፣ ናይ ህንጸት፣ ናይ ልምዓት፣ ናይ ባዕልኻ-ውዳበን ምዝራብ ርአ።

2

ኣብ ብራውዘርካ ፈትሽ

ኣብ TTS.ai ብቀጥታ ኣብ TTS.ai ክትፈትሕ ትኽእል ኢኻ፡ ብዘይ ምቕጻል ንክኸውን። ናይ GPU ሰረተታትና ድማ ነቲ ተግባር ይሰርሑ፡ ከምኡ'ውን ነቲ ጥራሕ ክትመርጽ ትኽእል ኢኻ፡ ንደቂ-ኣገልጋሊ ክትከውን ምስ እትጅምር።

3

ባዕሉ ሒዙ ወይ ድማ ን APIና ተጠቒሙ

ክሎን ሞዴል ረፖስ ካብ GitHub እናተኸተለ ኣብ መንጎኡ ይሰርሕ፣ ወይ ድማ ንሃውስ-ሃውስ API ንጥፈታት ይጥቀመሉ። ራስ-ሆስቲንግ ሙሉእ ቁጥጥር ይሰርሕ፡ ናጻ-ሃውስ-ሃውስ ድማ መሰረተ-ልማት ይቕርብ።

4

መሰረታዊ መተግበሪያ

ኣብ ምርኻብካ TTS ብምእታው ብባዕሉ ዝውሃብ ሞዴላት ወይ REST API ንጥቀመሉ። ኣብ ቅድሚ ኩሉ ሞዴል ውልቀ-መዚ ርአ፡ ሓደ ሰለስተ ሞዴላትን ቃላትን ንጥቀመሉ፡ ንጥቀመሉ

ምትእስሳር ናይ ውልቀ-መዚ

License of each model on TTS.ai

ምሳሌ ውልቀ-መዚ ውልቀ-መዳያት ለውጥታት ባዕሉ-ተቐበል ርክብ
Kokoro Apache 2.0 ዝግባእ
Piper MIT engine; voice licenses vary ድምጺታት ምርጫ
VITS MIT ምርጫ
MeloTTS MIT ምርጫ
Chatterbox MIT ምርጫ
Tortoise TTS Apache 2.0 ዝግባእ
StyleTTS 2 MIT ምርጫ
OpenVoice MIT ምርጫ
Sesame CSM Apache 2.0 ዝግባእ
Orpheus Llama 3.2 "Built with Llama"
Spark TTS CC BY-NC-SA 4.0 ንግልጽነትን ንጥፈታት ውልቀ ሰባትን ጥራይ ዝግባእ
OuteTTS CC BY-NC-SA 4.0 ንግልጽነትን ንጥፈታት ውልቀ ሰባትን ጥራይ ዝግባእ
ናቶም ሞዴላት ነጻ ክፈትሑ

ባዕሉ-Hosting vs Hosted API

ሞዴላትካ ኻብ ባዕልኻ ሒዝካ ወይ ውን ናበይ ከም እንኸይድ ንገብሮ

ባዕሉ-እተኸታተል ኣብ መሳርሒኻ

ኣብ TTS.ai ዘሎ ኩሉ ሞዴል ከም ፕሮጀክት ኣብ GitHub ወይ Hugging Face ይርከብ። ናጻ ንክውሃብ፡ ርክብ ንምእታው፡ ከምኡ'ውን ኣብ GPUታትካ ንምውሳድ፡ ሙሉእ ቁጥጥር ኣብ ላቴንሲ፣ ግልጽነት፣ንጽልዋጥ ኣለካ።

  • ሙሉእ ግልጽነት ሓበሬታ — ድምጺ ካብ ሰርቨርካ ኣይወጽእን
  • ናጽነት ውልቀ-ሰባት
  • ምትካል ምትካል ኣብ ባዕልኻ ዝረኸብካዮ ሓበሬታ
  • GPU ሃርድዌር ይደልይ (NVIDIA ይመርጽ)
  • ንተሻሻሊታት፣ ስካሌንግ፣ን ርክብታት ትመሓድር

TTS.ai Hosted API ተጠቒምካ

20+ ሞዴላት ብቐጥታ ክትረክብ ትኽእል ኢኻ ብናይ REST API ሓደ. ን GPU ፕሮቪዥን፣ ሞዴል ኣቅርቦታት፣ ዑቕባታት ምምሕዳርን ዑቕባታትን ንዕዘቦ። ሓደ API key ንዅሉ ሞዴል ክትረክብ ትኽእል ኢኻ - ዘይምኽኣል ናይ ምምሕዳር ናይ ተለፎን መተግበሪያታት የድልየካ እዩ።

  • ሐርድዌር GPU ኣይተደልየን።
  • 20+ ሞዴላት ብአንድ API
  • መተካእታ ናይ ሞዴል ዝመጽእ
  • 99.9% ናይ ምውሳድ ግዜ ምስ ረቂቕ ኢንፍራሬድ
  • ንምንታይ ትጥቀመሉ ጥራይ ምቕጻል
ኣብ ምትካል Hosted API ተጠቒምካ

መጀመርታ ፈጣን: API ወይ Self-Host

ናጻ መተግበሪያታት ሒዝካ፣ ወይ ድማ Kokoro ኣብ ደቂቃታት ኣብ ቦታኻ ኣውጽእ

TTS.ai Hosted API ቀሊል 
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)
መረጻ 2: ባዕሉ-እተኸታተል ምስ pip ሙሉእ ቁጥጥር 
# 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")
መዝገብታት API ተመልከት

ናጽነት፣ ፍትሒ፣ ፍትሒ

ናይናተን ዝተቐመጡ APIs፡ መሰረታዊ TTS ንምርካብ ዘይምክትታል GPUs ይገብር።

ነጻ ደረጃ

$0

15,000 ኣርእስቲ ኣብ ምዝገባ

  • 4 ነጻ ሞዴላት መሰረታዊ ርክብ
  • መሰረታዊ ምጥቃም የለን
  • ውልቀ-ሰባት፣ ዘይ-ኮምፒውተራዊ መተግበሪ

መጀመርታ

$9

500,000 characters/month

  • 20+ ሞዴላት መሰረታዊ-መፍትሒ
  • ድምጺ
  • ምዝገባ API

ረቂቕ

$29

2,000,000 characters/month

  • ርክብ
  • ሙሉእ ሞዴላት
  • ደገፍ ትካላት
ሙሉእ ዋጋ ተመልከቱ

ሕቶታት ዝቐረቡሉ ግዜ

ሕቶታት ብዛዕባ ጻዕሪ-ብ-ቓል (text-to-speech)

Yes, every model on TTS.ai is open source, and most use MIT or Apache 2.0. A few use other licenses, including some licensed for non-commercial use only, which are marked "Personal and non-commercial use only" in the voice picker. Each model page lists its license.

ንሳቶም ክልተ ኣውታረ-መረብ-ተኸፈተ-ሊሰንስታት እዮም፡ ንጥፈታት ንግዲ፣ ለውጢ፣ን ምጽራይ ዝፍቀዱ። Apache 2.0 ድማ ግልጽነት ናይ ፔትነት ረድኤት ይጨምር፡ ከምኡውን ለውጢ ንምቕራብ ይግባእ፡ ንተኸፈቲ እንተተቐየርካ። MIT ድማ ብቐሊሉ ዝርከብ፡ ብጥቕሚ ዝነስተውዕል እዩ። ንሳቶም ክልተ ድማ ንጥፈታት ዝዕቅብ እዮም።

ኣየናይ ሞዴል'ኳ ብኻልእ ክተኽተል ይኽእል'ዩ። ናይ ሞዴል ረፈረንደም ካብ GitHub ክለዎን፣ ርክብ ክሰርሕ፣ ሞዴል ክብደት ክወሃብ፣ን ምትእስሳር ክገብር። መዝገብታት ንኸይህብ ንኽእል ኢና፡ ንኹሉ ሞዴል ብኻልእ ክተኽተል ዝግባእ፡ GPU፣ RAM፣ን Python ቨርሽንን ጨሪሽና።

መሰረታዊ ትካላት 1-2GB VRAM ይደልዩ። ብዙሓት ስታንዳርድ ሞዴላት 4GB VRAM ይደልዩ። Tortoise and Sesame CSM 8GB ይደልዩ። NVIDIA RTX 3060 (12GB) ድማ ብዙሓት ሞዴላት ብቕዓት ክሰርሕ ይኽእል እዩ።

ኣየናይ?

ኣብ 2011፡ 100% ናይ 1000+ ድምጺ ተርጓሚታት ኣብ 100+ ቋንቋታት ተዘርጊሖም ኣለዉ። ኣብ 2012፡ 90% ተርጓሚታት ድምጺ ተዘርጊሖም ኣለዉ። ኣብ 2013፡ 90% ተርጓሚ ድምጺ ተዘርጊሖም ኣለዉ።

ሓደጋታት ተቐይሩ: XTTS/XTTS-v2 (Coqui's CPML, non-commercial), F5-TTS (CC-BY-NC, non-commercial) and Higgs-v2 (Boson License, restrictive). ጥቂት ሞዴላትን ቃላትን ንዘለዎም፣ ከም Spark TTS, OuteTTS፣ንብዙሓት ቃላትን Piper፣ ንጥፈታት ንጥ

ኣየናይ'ዩ?

ኣብ 4x Tesla P40 (96GB ሙሉእ VRAM) 20+ ሞዴላት ሒዝና ንደሊ። ኣብ ባዕሉ ሒዝናዮ ድማ፡ ሓደ 24GB GPU 3-5 ሞዴላት ኣብ ሓደ ግዜ ክሰርሕ ይኽእል እዩ።

ብዙሓት ሞዴላት Docker ምስላታት ወይ Dockerfiles ይሃቡ። ንብዙሓት ሞዴላት ንምዕቃብ፡ ናይ Docker ኣዘዝቲ ምስ NVIDIA Container Toolkit ንምድጋፍ GPU ክትሰርሕ ትኽእል። ናይ API ሰረተ-ኣገልጋሊ ኣርክቴክቸርና ከም ረቛሒ ክጥቀመሉ ይኽእል እዩ።

አብ አብዛይቱ ሞዴላት Python 3.10-3.12 ይግባእ። Coqui TTS (VITS) ብተደጋጋሚ Python 3.11 ይግባእ። አብ አብዛይቱ ሞዴላት Python 3.12 ንጽሕፍ።

ባዕልኻ እንተተቐበልካዮ፡ አብዛይቱ ኣየናይ: MITን Apache 2.0ን ውልቀ-መዚታት ንጥፈታት ንግዲ ክጥቀሙ ይኽእሉ እዮም፣ አብዛይቱ ሞዴላት እዚኣቶም ድማ ይጥቀሙ እዮም፣ ከምኡውን SaaS ምርቶች፣ ሞባይል መተግበሪያዎች፣ ጨዋታዎች እናገልግሎቶች ያለ ውልቀ-መዚ ወይ ሮያልቲ ከፍጽም ትኽእል ኢኻ። መጀመሪያ ውልቀ-መዚ ኣብ ገጽ ናይቲ ሞዴል ክትረክብ ኣለካ፣ ምኽንያቱ ጥቂት ሞዴላትን ቃላትን ንጥፈታት ንግዲ ኣይኮኑን ዝገብር። ድምጺ ኣብ TTS.ai ዝውሃብ ባዕሉ ንድኻኻን ንድኻታትካን ይከተል: ውልቀ-መዚ ኣብ ነጻ ደረጃ፣ ውልቀ-መዚ ኣብ ኩሉ ዝተኸፈለ ንድኻታት.
5.0/5 (1)

እንታይ ክንገብር ንኽእል? ምላሽካ ንዘሎና ሕቶታት ንምፍታሕ ይሕግዘና እዩ።

Open Source TTS ዛጊት ተሞክሮ

20+ ሞዴላት መሰረታዊ-መምሃሪ-ተኸፈተ፣ ኵሎም ምስ ውልቀ-መዘናግዒኦም ዝተጠቕሱ። ንAPIና ወይ ባዕሉ-ሕተም፣ ምርጫኻ ኻብካ እዩ።

ነጻ ምዝገባ ዕላማ