Dernière mise à jour 06-29-2026
Catégorie:
Reviews:
Join thousands of AI enthusiasts in the World of AI!
Unreal Speech
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 %.
Diffuse jusqu'à 1 000 caractères en environ 300 ms via /stream
Les tâches de synthèse asynchrone gèrent jusqu'à 500 000 caractères par requête
Les horodatages par mot synchronisent la mise en surbrillance du texte avec la sortie audio
48 voix dans huit langues avec contrôle de la vitesse et de la hauteur
Le websocket /streamWithTimestamps fournit un audio en direct ainsi que des données de synchronisation
Les SDK Python, Node.js et React Native sont fournis avec des exemples de code
Une seule tâche de synthèse peut produire jusqu'à 10 heures d'audio
Les tarifs publiés sont environ 11 fois moins chers que ceux d'ElevenLabs pour des niveaux comparables
Quatre points de terminaison API couvrent la diffusion en continu en temps réel et les tâches longues de synthèse asynchrone
Les horodatages par mot permettent la mise en surbrillance synchronisée et les fonctionnalités d'accessibilité
Le forfait gratuit inclut 250 000 caractères avec un accès complet aux voix et aux langues
Le moteur TTS Kokoro est open source et peut également être auto-hébergé localement
La clonage vocal n'est pas encore disponible sur l'API hébergée
Le plan gratuit nécessite d'attribuer Unreal Speech dans l'audio commercial publié
La démo du navigateur Studio limite l'entrée à 500 caractères par génération
Quelles langues et voix Unreal Speech prend-il en charge ?
Unreal Speech propose 48 voix dans huit langues : anglais américain, anglais britannique, mandarin, hindi, espagnol, portugais, japonais, français et italien. Vous pouvez choisir les voix, ajuster la vitesse et la hauteur, et sélectionner des formats de sortie tels que MP3 et PCM.
Unreal Speech propose-t-il un plan gratuit ?
Oui. Unreal Speech comprend un niveau gratuit avec 250 000 caractères par mois, soit environ six heures d'audio. Vous avez accès à toutes les voix et langues. L'audio créé avec le plan gratuit et utilisé commercialement doit inclure un lien vers unrealspeech.com dans la description.
À quelle vitesse Unreal Speech peut-il générer de l'audio ?
Unreal Speech diffuse l'audio en environ 300 millisecondes via le point de terminaison /stream pour jusqu'à 1 000 caractères. Les tâches plus longues via /speech ou /synthesisTasks prennent environ une seconde par 700 à 800 caractères selon le point de terminaison.
Unreal Speech prend-il en charge le clonage vocal ?
Unreal Speech ne propose pas encore de clonage vocal personnalisé sur l'API. L'équipe indique que le clonage vocal est en cours de développement. Le modèle open source Kokoro peut être affiné localement pour des voix personnalisées en dehors de l'API hébergée.
Que se passe-t-il si je dépasse ma limite mensuelle de caractères ?
Unreal Speech facture les dépassements quotidiennement au tarif de votre plan : Basic à 16 $ par million de caractères, Plus à 12 $, Pro à 10 $, et Enterprise à 8 $. Les caractères non utilisés sur les plans payants sont reportés au cycle de facturation suivant. Les caractères du plan gratuit sont remis à zéro le premier jour de chaque mois.
Puis-je utiliser commercialement l'audio généré par Unreal Speech ?
Oui. Unreal Speech autorise l'utilisation commerciale de l'audio généré. Les utilisateurs du plan gratuit doivent mentionner Unreal Speech avec un lien vers unrealspeech.com dans les contenus publiés. Les abonnés payants n'ont pas besoin d'attribution.
Quels points de terminaison API Unreal Speech propose-t-il ?
Unreal Speech propose /stream pour un audio instantané jusqu’à 1 000 caractères, /speech pour jusqu’à 3 000 caractères avec URLs horodatées, /synthesisTasks pour des tâches asynchrones jusqu’à 500 000 caractères, et /streamWithTimestamps via websocket pour un audio en temps réel avec minutage au niveau des mots.