AudioDoc vs Unreal Speech

AudioDoc transforme des documents et du texte collé en audio audible dans votre navigateur. Téléchargez un fichier PDF, EPUB ou markdown, ou déposez du texte brut dans le studio TTS, et écoutez-le lu par des narrateurs naturels. Il n'y a aucune nécessité de créer un compte, d'abonnement, ni de carte de crédit pour commencer.

La bibliothèque de documents diffuse des fichiers longs chapitre par chapitre à mesure que l'audio est généré, de manière à ne pas attendre une conversion complète du livre avant de commencer la lecture. Un studio TTS séparé gère des tâches rapides de collage-et-écoute avec des clips téléchargeables et sans filigranes.

Cela convient aux navetteurs qui veulent faire lire des articles, aux étudiants révisant leur cours, aux écrivains relisant leurs brouillons à l'oreille, ainsi qu'à toute personne ayant besoin d'un accès mains libres ou accessible aux documents écrits. Les sessions invité durent 24 heures ; un compte gratuit inscrit permet de conserver votre bibliothèque et votre progression d'écoute au-delà de cette période.

Unreal Speech est une API de synthèse vocale prête à la production, construite sur le moteur TTS open source Kokoro. Elle offre aux développeurs et aux entreprises une synthèse vocale naturelle à une fraction du coût d'ElevenLabs, Amazon Polly, Google Cloud et Microsoft Azure. L'API diffuse l'audio en environ 300 millisecondes et prend en charge les travaux longue durée jusqu'à 10 heures par requête.

Kokoro fonctionne avec un modèle décodage seul de 82 millions de paramètres qui combine des idées de StyleTTS 2 et iSTFTNet. Vous disposez de 48 voix réparties sur huit langues, dont l'anglais américain et britannique, le mandarin, l'hindi, l'espagnol, le portugais, le japonais, le français et l'italien. Les horodatages par mot permettent aux applications de mettre en surbrillance le texte en synchronisation avec la lecture, ce qui améliore l'accessibilité, les interfaces de style karaoké, et les lecteurs interactifs.

L'API REST expose quatre points de terminaison : /stream pour une synthèse en moins d'une seconde jusqu'à 1 000 caractères, /speech pour jusqu'à 3 000 caractères avec des URL d'horodatage, /synthesisTasks pour des travaux asynchrones jusqu'à 500 000 caractères, et une route websocket /streamWithTimestamps pour audio en direct avec synchronisation des mots. Des SDK sont disponibles pour Python, Node.js et React Native, avec un code exemple sur la page d'accueil.

Kokoro TTS Studio sur unrealspeech.com propose une démo gratuite dans le navigateur pour tester les voix avant de s'inscrire. Les plans payants suppriment les exigences d'attribution pour l'audio commercial. Les clients entreprises sur la plateforme traitent des milliards de caractères chaque mois avec une disponibilité de 99,9 %.