ANLEITUNG

Eine Text-to-Speech-Web-App mit Gradio bauen

Eine kleine Seite, auf der man Text eintippt und ihn mit natürlicher Stimme hört, ist ein klassisches erstes KI-Projekt, ein praktisches internes Werkzeug und eine gute Produktdemo. Gradio macht aus einer Python-Funktion in wenigen Zeilen eine solche Seite, und die kostenlose SuperClonica-Engine liefert die Stimme auf einem normalen Prozessor.

Dieser Leitfaden zeigt die minimale App, wie Sie Stimmen und Einstellungen ergänzen und wie Sie sie kostenlos hosten; unsere eigene Demo auf Hugging Face Spaces ist genau so gebaut.

Stimmen ansehen SuperClonica-Engine installieren

Was Sie bauen

Alles läuft in Ihrem Python-Prozess: Texte gehen an keinen Sprachdienst.

  • Ein Textfeld, eine Stimmauswahl und ein Player mit Download-Knopf.
  • Zehn Standardstimmen und jede Katalogstimme, die Sie besitzen.
  • Läuft auf einem Laptop, einem Server oder einer kostenlosen Cloud-CPU.
  • Keine Grafikkarte und keine kostenpflichtige API.

Zuerst die Stimmen anhören

Hören Sie sich vor dem Programmieren die Stimmen auf ihren Seiten an: Geben Sie einen Satz mit 30 bis 100 Zeichen ein, wählen Sie die Sprache und klicken Sie auf die Schaltfläche zum Vertonen. In wenigen Sekunden wissen Sie, welche Stimmen Ihre App anbieten soll.

Die minimale App

Gradios Audio-Ausgabe nimmt ein Paar aus Abtastrate und Audio-Array, geben Sie also (rate, audio) in dieser Reihenfolge zurück.

  • Installieren Sie beide Pakete: python -m pip install superclonica-cpu gradio.
  • Schreiben Sie die App: import gradio as gr; from superclonica import Superclonica; tts = Superclonica(); def speak(text, voice): audio, rate = tts.synthesize(text, voice=voice, lang="de"); return (rate, audio) — dann gr.Interface(fn=speak, inputs=[gr.Textbox(label="Text"), gr.Dropdown(["F1", "F2", "M1", "M2"], label="Voice")], outputs=gr.Audio()).launch().
  • Starten Sie die Datei mit Python und öffnen Sie die lokale Adresse, die Gradio ausgibt.
  • Beim ersten Start wird das Modell Supertonic 3 geladen, etwa 385 MB; danach startet es in Sekunden.

Stimmen, Tempo und viele Nutzer

Ergänzen Sie Katalogstimmen, indem Sie statt F1 oder F2 den Pfad einer Stimmdatei übergeben, und bieten Sie eine Sprachauswahl mit den Codes der 31 unterstützten Sprachen an. Das Tempo stellen Sie an der Engine ein, etwa tts.speed = 1.1, von 0.7 bis 2.0. Erzeugen Sie die Engine einmal oben in der Datei, und wenn mehrere Personen die App gleichzeitig nutzen, legen Sie den Aufruf in einen threading-Lock, damit die Anfragen nacheinander laufen.

Kostenlos hosten

Hugging Face Spaces betreibt Gradio-Apps auf kostenloser CPU-Hardware: Legen Sie die Datei als app.py in einen Space, dazu eine requirements.txt mit superclonica-cpu, und der Space baut sie. Unsere eigene SuperClonica-Demo läuft so auf zwei geteilten CPU-Kernen. Begrenzen Sie in einer öffentlichen App die Textlänge und bieten Sie nur Stimmen an, die Sie teilen dürfen: Die Standardstimmen sind unter der Modelllizenz kostenlos, gekaufte Katalogstimmen sind für Ihre eigenen Projekte.