Eine Alternative zu Bark und Tortoise TTS, die auf der CPU läuft
Bark und Tortoise TTS haben gezeigt, wie natürlich Open-Source-Sprachsynthese klingen kann, und werden noch täglich heruntergeladen. Im Produktivbetrieb sind sie schwierig: Bark improvisiert, Tortoise braucht eine NVIDIA-Grafikkarte und Geduld, und beide Repositories wurden seit 2024 nicht mehr aktualisiert.
Die kostenlose SuperClonica-Engine betreibt das Modell Supertonic 3 auf einem normalen Prozessor, liest den Text wie geschrieben und vertont lange Texte schnell. Dieser Leitfaden vergleicht alle drei ehrlich, auch dort, wo Bark oder Tortoise die bessere Wahl bleiben.
Warum man eine Alternative sucht
Beide sind wichtige Forschungsprojekte; schwierig wird es mit langen Texten, vielen Sätzen und normalen Computern.
- Bark ist ein Text-zu-Audio-Modell, das laut seinen Autoren unerwartet vom Skript abweichen kann.
- Bark braucht etwa 12 GB Grafikspeicher, mit den kleineren Modellen 8 GB, und ist auf einem Prozessor deutlich langsamer.
- Tortoise braucht eine NVIDIA-Grafikkarte im eigenen Computer und wurde für Qualität gebaut, nicht für Tempo.
- Beide Repositories wurden zuletzt 2024 aktualisiert.
Den Klang gratis vergleichen
Fügen Sie auf der Seite einer beliebigen Stimme einen Satz ein, den Sie mit Bark oder Tortoise vertont haben, 30 bis 100 Zeichen, wählen Sie die Sprache und klicken Sie auf die Schaltfläche zum Vertonen. In wenigen Sekunden können Sie vergleichen, ohne Konto.
Was sich mit SuperClonica ändert
Ein vorhersehbares Ergebnis zählt vor allem, wenn Hunderte Sätze per Gehör geprüft werden müssen.
- Installation mit einem Befehl: python -m pip install superclonica-cpu, oder das Docker-Image als HTTP-Dienst.
- Ein kurzer Satz dauert auf einem normalen Prozessor deutlich unter einer Sekunde; in unseren Tests 0,43 s auf vier Threads eines Ryzen 7 5800X.
- Der Text wird wie geschrieben gelesen, ohne improvisierte Laute, und derselbe Seed liefert dieselbe Aufnahme erneut.
- Lange Texte werden an natürlichen Pausen geteilt und zu einer Datei zusammengefügt.
Presets, Clips und trainierte Stimmen
Bark bietet über 100 Sprecher-Presets, aber kein Klonen der eigenen Stimme. Tortoise kopiert eine Stimme bei jeder Generierung aus Referenzclips, auf der Grafikkarte. SuperClonica hat zehn Standardstimmen und über 170 Katalogstimmen, jede mit kostenloser Demo; Ihre eigene Stimme wird einmal im SuperClonica-Studio aus einer sauberen Aufnahme von 5 bis 10 Sekunden einer einverstandenen Person auf einem Computer mit NVIDIA-Grafikkarte trainiert oder auf der Börse bestellt. Danach läuft sie auf jedem Prozessor.
Wann Bark oder Tortoise besser bleiben
Wählen Sie Bark, wenn Sie Lachen, Seufzer, Musik oder Soundeffekte im Audio brauchen oder Chinesisch, das Supertonic 3 nicht spricht. Wählen Sie Tortoise, wenn Sie eine Stimme sofort aus wenigen Clips kopieren wollen und für jede Generierung eine NVIDIA-Karte haben. Wählen Sie SuperClonica für saubere, vorhersehbare Sprache in 31 Sprachen, in großen Mengen und auf normaler Hardware.