Eine eSpeak-NG-Alternative mit natürlichen Stimmen
eSpeak NG ist überall: in Linux-Screenreadern, Robotern, Skripten und winzigen Geräten. Es ist kompakt, schnell und spricht über 100 Sprachen, und es klingt roboterhaft, wie seine eigene Dokumentation offen sagt.
Die kostenlose SuperClonica-Engine betreibt das neuronale Modell Supertonic 3 offline auf einem normalen Prozessor, mit natürlichen Stimmen in 31 Sprachen. Dieser Leitfaden vergleicht beide ehrlich und zeigt, wie Sie ein Skript umstellen.
eSpeak NG in Kürze
Für Screenreader, sehr kleine Geräte und seltene Sprachen ist es schwer zu schlagen.
- Ein kompakter Formantsynthesizer für über 100 Sprachen und Akzente.
- Klar und bei hohem Tempo gut nutzbar, aber laut README nicht so natürlich wie Synthesizer auf Basis von Aufnahmen.
- Teilweise SSML-Unterstützung und ein MBROLA-Backend.
- GPL-3.0-Lizenz, aktiv gepflegt.
Den Unterschied gratis hören
Geben Sie auf der Seite einer beliebigen Stimme den Satz ein, den Ihr Skript spricht, 30 bis 100 Zeichen, wählen Sie die Sprache und klicken Sie auf die Schaltfläche zum Vertonen. In wenigen Sekunden hören Sie den Unterschied, ohne Konto.
Was sich mit SuperClonica ändert
Wählen Sie nach Aufgabe: Größe und Tempo oder wie angenehm die Stimme zu hören ist.
- Natürliche neuronale Stimmen: zehn Standardstimmen und über 170 Katalogstimmen.
- 31 Sprachen, weniger als bei eSpeak NG; Chinesisch gehört nicht dazu.
- Größer: Das Modell hat etwa 385 MB, doch ein kurzer Satz dauerte in unseren Tests 0,43 s auf vier Threads eines Ryzen 7 5800X.
- Apache 2.0 für die Engine und OpenRAIL-M für das Modell.
Befehle umstellen
Installieren Sie die Engine einmal: python -m pip install superclonica-cpu. Ein Befehl wie espeak-ng "Sicherung abgeschlossen" -w hello.wav wird zu superclonica --text "Sicherung abgeschlossen" --voice F1 --lang de --output hello.wav. In Python ersetzt die synthesize-Methode der Engine Aufrufe von eSpeak NG oder pyttsx3, und für Programme in anderen Sprachen bietet das Docker-Image dieselben Stimmen über HTTP. Erzeugen Sie die Engine einmal und verwenden Sie sie wieder: Das Laden dauert einige Sekunden, jeder Satz nur Sekundenbruchteile.
Wann eSpeak NG die bessere Wahl bleibt
Behalten Sie eSpeak NG für Screenreader, die bei sehr hohem Tempo sofort antworten müssen, für Geräte mit sehr wenig Speicher, für Sprachen, die Supertonic 3 nicht spricht, und überall, wo eine Roboterstimme völlig genügt. Nutzen Sie SuperClonica dort, wo Menschen länger zuhören: Videos, Durchsagen, Hörbücher, Assistenten und Spiele.