Eine Airvoz-Alternative für lange Texte, offline
Airvoz ist eine kostenlose Online-Seite für Text-to-Speech mit über 500 Stimmen in mehr als 100 Sprachen, MP3-Download und Stapelverarbeitung, und laut FAQ darf das Audio in Videos, Podcasts, Kursen und Hörbüchern genutzt werden. Jede Anfrage fasst bis zu 3.000 Zeichen, ein längerer Text muss also geteilt und Stück für Stück erzeugt werden.
Wenn Sie Kapitel, lange Skripte oder viele Dateien vertonen, erledigt das die kostenlose SuperClonica-Engine auf Ihrem eigenen Rechner, offline, ohne Längenlimit pro Datei. Diese Anleitung vergleicht beide ehrlich.
Erst eine Stimme online testen
Fügen Sie auf der Seite einer beliebigen Katalogstimme einen Satz ein, den Sie mit Airvoz vertont haben, 30 bis 100 Zeichen, wählen Sie die Sprache und klicken Sie auf Vertonen. In wenigen Sekunden können Sie vergleichen, ohne Konto.
Eine ganze Datei auf einmal
Installieren Sie die Engine einmal mit python -m pip install superclonica-cpu; sie läuft unter Windows, macOS und Linux auf einem normalen Prozessor und nach dem einmaligen Modell-Download offline. Eine ganze Textdatei ist dann ein Befehl: superclonica --text-file chapter.txt --voice M3 --lang de --normalize --output chapter.mp3. Die Engine teilt lange Texte selbst an Satzgrenzen und fügt das Ergebnis zu einer Datei zusammen.
Aus Code
Die SuperClonica-Sprach-API nimmt bis zu 20.000 Zeichen pro Anfrage und liefert die Audiodatei. Ein kostenloser Schlüssel gibt 3 Minuten Audio pro Tag ohne Karte, bezahlte Tarife beginnen bei 5 $ im Monat. Beispiele für curl, Python und Node.js stehen im Repository free-tts-api auf GitHub.
Wo Airvoz stärker ist
Airvoz deckt viel mehr Sprachen ab, darunter Chinesisch, Bengalisch, Afrikaans und weitere, die Supertonic 3 nicht spricht, und braucht keine Installation. Für kurze Clips in diesen Sprachen ist es einfacher. SuperClonica spricht 31 Sprachen und ist am stärksten bei langem oder wiederholtem Vertonen, Privatsphäre offline und Katalogstimmen: Erzähler, Ansager und Figuren.
Stimmen und Rechte
Die zehn Standardstimmen, M1 bis M5 und F1 bis F5, dürfen unter der Modelllizenz OpenRAIL-M kommerziell genutzt werden, ebenso eine aus Ihrer eigenen Aufnahme trainierte Stimme. Figurenstimmen im Katalog sind von Fans gemacht und nur für Fan- und Parodienutzung. Manche Katalogstimmen kosten einmalig Geld.