TexttoSpeech.im: Convert Text to Speech Free Online 对比 Unreal Speech

TexttoSpeech.im 是一个基于浏览器的文本转语音生成器，可以将书面文本转化为可下载的音频文件。只需粘贴最多几千个字符，选择一种语言和语音，即可生成一个可以在浏览器中试听或保存的 MP3 文件。

其主要吸引力在于丰富的语音目录：大约包含 148 种选择，包括美国、英国、澳大利亚、印度及其他地区的口音，此外还有儿童语音和多情感 v2 变体。有些语音能处理长达 4 万字符的段落，而有些则限制在大约 2,000 字符。

这个平台适合需要快速配音而无需聘请专业配音演员的创作者、希望让课程内容更易理解的教育者，以及所有喜欢听而非阅读的人。该网站可以在手机、笔记本电脑和台式机的标准网页浏览器中使用，无需安装任何应用程序。

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。