Pickles 对比 Unreal Speech

Pickles 是一个面向开发者的文本转语音 API，适合需要逼真合成语音但不想支付高额语音模型费用的用户。您只需通过简单的 HTTPS 调用发送文本，即可获得一个托管的 WAV 文件，随时播放或存储。它适用于将语音集成到应用程序、机器人、有声书流程或任何以每字符成本为主要限制的产品的团队。

Pickles 以单位经济性为核心。主页声称其成本约为 OpenAI TTS 的 1/5，ElevenLabs 的 1/32，以及 UnrealSpeech 的 1/2（在相似使用量下）。网站上的示例音频生成时间为 0.1 到 0.2 秒，表明其设计优先考虑低延迟，适合近实时应用。您将以简化的 API 和基于使用量的月度套餐，取代消费者级 TTS 品牌的大型语音库和录音棚级别的润色。

独立开发者和早期创业公司可以选择 Hobby 计划，月费 9 美元，包含 100 万字符（约 200 小时语音）。大规模发布的团队可选 Growth 计划，79 美元含 1000 万字符，或 Enterprise 计划，599 美元含 1 亿字符。结账通过 Stripe 完成，支持一键取消，Discord 社区负责解答集成相关问题。

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。