Unreal Speech 对比 TTSMaker

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。

TTSMaker是一个免费的在线文本转语音工具，可以将书面文本转换为可下载的音频文件。它支持100多种语言和600多个人工智能语音，让创作者无需雇佣配音演员或自己录制，就能生成配音。

该工具在你的浏览器中运行。只需粘贴文本，选择一种语言和语音，调整速度、音量和音调，然后导出为MP3、OGG、AAC、OPUS或WAV格式。一款单独的多语者对话生成器还能让你构建跨多语音块的对话，每个块都可以设置不同的语言和语音。

TTSMaker在免费计划中授予生成音频的全部商业使用权，无需注明出处。付费的TTSMaker Pro版本则提供更高的字符限制、情感控制、API访问权限以及支持云端项目保存的对话编辑器。

TTSMaker的主要用户群包括YouTube和TikTok创作者、构建听力材料的教育者、制作广告配音的市场营销人员，以及在Pro或Studio计划中通过API集成TTS的开发者。