Clipboard TTS 对比 Unreal Speech

剪贴板TTS是一款桌面阅读辅助工具，可以监控你的剪贴板并大声朗读复制的文本。你无需将文本粘贴到另一个应用程序中，只需在电脑上复制任何内容，它就会以你选择的声音将其读出。该工具面向希望免手操作即可阅读文章、学习资料和文档的用户。

该软件考虑到了阅读障碍和阅读疲劳，提供单词和句子高亮、彩色背景覆盖、OpenDyslexic字体以及BoldCue加粗等功能，帮助眼睛跟踪文本内容，同时音频播放。自动翻译功能能检测复制文本的语言，并以你选择的语音对应的语言朗读。

剪贴板TTS以Windows桌面应用程序形式运行，Linux版本即将推出。它支持49种语言和超过100种语音，还能在你复制包含文本的截图或照片时进行图像到文本的转换。

Unreal Speech是一款基于开源Kokoro TTS引擎的生产就绪文本转语音API。它为开发者和企业提供自然的语音合成，成本仅为ElevenLabs、Amazon Polly、Google Cloud和Microsoft Azure的一小部分。该API的音频流传输时间约为300毫秒，支持每次请求长达10小时的长格式任务。

Kokoro运行在一个拥有8200万个参数的解码器模型上，该模型融合了StyleTTS 2和iSTFTNet的思想。您可以选择来自八种语言的48种声音，包括美式和英式英语、普通话、印地语、西班牙语、葡萄牙语、日语、法语和意大利语。每个单词的时间戳功能使应用能够与播放同步高亮显示文本，有助于无障碍、卡拉OK式界面和互动阅读体验。

REST API提供四个端点：/stream用于不到一秒的合成，支持最多1000字符；/speech支持最多3000字符并提供时间戳URL；/synthesisTasks用于异步作业，支持最多50万字符；以及用于实时音频和单词计时的websocket /streamWithTimestamps路由。开发者SDK包括Python、Node.js和React Native，主页提供示例代码。

unrealspeech.com上的Kokoro TTS Studio提供免费浏览器演示，便于在注册前试用语音。付费计划将取消商业音频的归属要求。平台的企业客户每月处理数十亿字符，保证99.9%的稳定性。