Speechelo - AI text to speech voices 对比 Unreal Speech

Speechelo是一款云端文本转语音应用，专为需要视频配音但又不想聘请配音演员或自己录制的用户打造。你只需粘贴剧本，选择一个配音，然后下载一个可以直接放入你的视频编辑器的音频文件。

它与电话系统的TTS不同之处在于专注于视频旁白。其引擎会加入语调变化，让你选择正常、愉快或严肃的表达方式，还支持呼吸声和较长的停顿，使输出听起来自然不死板。

该应用面向视频营销人员、YouTube创作者、课程开发者以及预算有限的小企业，提供销售、培训或解说配音。该应用可以在桌面、Mac或移动设备上的浏览器中运行，无需安装。

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。