Kostenloses Text-to-Speech ohne Limit und ohne Anmeldung: am eigenen Computer
Die meisten Online-Text-to-Speech-Dienste sind nur bis zu einem gewissen Punkt kostenlos: ein paar tausend Zeichen im Monat, eine Anmeldung, danach ein Abo. Das ist kein Geiz, sondern eine Kostenfrage: Jedes Zeichen wird auf ihren Servern erzeugt.
Es gibt einen anderen Weg ohne dieses Limit. Supertonic 3, ein offenes Text-to-Speech-Modell, läuft auf einem normalen Computer, und die SuperClonica-Engine sowie die kostenlosen Stimmen lassen sich gratis herunterladen. Dieser Leitfaden zeigt, wie Sie alles in wenigen Minuten einrichten und so viel Text vertonen, wie Sie möchten, ohne Konto.
Warum Online-Text-to-Speech Limits hat
Ein Webdienst erzeugt Ihren Text auf eigenen Grafikkarten und bezahlt jede Sekunde ihrer Arbeit. Kostenlose Tarife begrenzen deshalb die Zeichen, verlangen ein Konto, um sie zu zählen, und überlassen den Rest den Bezahltarifen.
Läuft das Modell auf Ihrem Computer, arbeitet Ihr Prozessor. Es gibt nichts zu zählen und nichts zu berechnen, also auch kein Limit.
Was Sie brauchen
Ein normaler Computer genügt.
- Windows, macOS oder Linux mit Python 3.10 oder neuer oder Docker.
- Etwa 400 MB Speicher für das Modell Supertonic 3, das einmal heruntergeladen wird.
- Eine Stimme: eine einzelne JSON-Datei. Kostenlose laden Sie ohne Konto herunter.
- Keine Grafikkarte: Eine NVIDIA-Karte beschleunigt nur.
Schritt 1: kostenlose Stimme herunterladen
Öffnen Sie die Seite mit kostenlosen Stimmen im Katalog, hören Sie die Demos und klicken Sie bei der gewünschten Stimme auf Kostenlos herunterladen. Eine Anmeldung ist nicht nötig. Dieselben kostenlosen Stimmen liegen mit Hörproben in unserem GitHub-Repository.
Supertonic 3 bringt außerdem zehn voreingestellte Stimmen mit, fünf männliche und fünf weibliche; ihre JSON-Dateien funktionieren ebenfalls mit der Engine.
Schritt 2: die Engine installieren
Installieren Sie die SuperClonica-Engine mit einem Befehl: python -m pip install superclonica-cpu. Für eine NVIDIA-Karte nehmen Sie superclonica-gpu-cuda; pip installiert CUDA und cuDNN selbst. Wenn Sie Container bevorzugen, startet das Image superclonica/superclonica auf Docker Hub dieselbe Engine als HTTP-Server.
Schritt 3: so viel Text vertonen, wie Sie wollen
Vertonen Sie einen Text mit einem Befehl: superclonica --text "Ihr Text" --voice stimme.json --lang de --output sprache.wav. Das Modell wird beim ersten Start heruntergeladen, danach arbeitet die Engine ohne Internet.
Lange Texte sind kein Problem: Die Engine teilt sie an natürlichen Pausen und fügt die Teile zu einer Datei zusammen. Auf einem Desktop-Prozessor mit 8 Kernen schätzen wir sie auf das 6,4- bis 9,7-Fache der Echtzeit, eine Stunde Audio dauert also etwa 6 bis 10 Minuten.
Was genau kostenlos ist
Hier gibt es weder Testzeitraum noch Zeichenzähler.
- Die SuperClonica-Engine: kostenlos, unter der Apache-2.0-Lizenz.
- Das Modell Supertonic 3: kostenlos, unter der OpenRAIL-M-Lizenz, die mit ihren Nutzungsbeschränkungen auch kommerzielle Nutzung erlaubt.
- Die kostenlosen Stimmen des Katalogs und die voreingestellten Stimmen von Supertonic 3.
- Ein Satz auf der Seite jeder Stimme, kostenlos online vertont.
- Kostenpflichtige Stimmen kauft man einmal, ohne Abo: Die Datei bleibt bei Ihnen.
Kostenlose Online-Optionen und ihre Grenzen
Wenn Sie nichts installieren können, lesen die in Betriebssystem und Browser eingebauten Stimmen Text kostenlos und unbegrenzt vor, klingen aber deutlich roboterhaft. Neuronale Online-Dienste klingen natürlich, ihre kostenlosen Tarife sind aber begrenzt und verlangen eine Anmeldung. Ein lokales neuronales Modell bietet beides: natürliche Sprache und kein Limit.