Text to Speech Online 对比 Unreal Speech

Text to Speech Online 是一个免费的浏览器工具，可以将书面文本转换为逼真的语音，拥有超过 100 种 AI 语音。用户可以选择语言、性别和语音风格，调整速度和音调，然后预览或生成音频，支持下载为 MP3 或 WAV 文件。

界面支持多种语言、语音搜索、文件导入、字幕输出和生成后自动播放。网站上强调的使用场景包括视频配音、有声书制作、播客、教育材料、语音助手和多语言本地化。

该服务定位为免费的文本转语音生成器，提供教程文章、支持页面和可选的捐赠，而非订阅支付。

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。