Eine Offline-Alternative zu OpenAI Text-to-Speech
Der Sprach-Endpunkt von OpenAI hat Text-to-Speech zu einem einzigen API-Aufruf gemacht. Laut der Dokumentation von OpenAI sind seine Modelle inzwischen veraltet und werden am 6. Januar 2027 abgeschaltet; der Ersatz läuft über eine andere API. Wenn die Integration ohnehin neu geschrieben werden muss, ist es ein guter Moment für die Frage, ob Sprache Ihre Server überhaupt verlassen muss.
Die kostenlose SuperClonica-Engine betreibt Supertonic 3 als Ihren eigenen HTTP-Dienst auf einem normalen Prozessor, mit Standard-, Katalog- oder trainierten Stimmen. Dieser Leitfaden vergleicht beide ehrlich und zeigt, wie Sie den Endpunkt austauschen.
Warum jetzt wechseln
Die Stimmen von OpenAI sind gut und schnell eingerichtet; Gründe für einen Wechsel sind Kontrolle und Kosten, nicht Qualität.
- Die Modelle des Sprach-Endpunkts, tts-1, tts-1-hd, gpt-4o-mini-tts, sind veraltet und werden am 6. Januar 2027 abgeschaltet.
- Ihr Ersatz läuft über die Realtime API, einen anderen Arbeitsablauf, der Code ändert sich also ohnehin.
- Jede Anfrage schickt Ihren Text an einen Cloud-Dienst und wird nach Nutzung abgerechnet.
- Ohne Internet und API-Schlüssel gibt es keine Sprache.
Den Klang gratis vergleichen
Fügen Sie auf der Seite einer beliebigen Stimme einen typischen Satz aus Ihrer Anwendung mit 30 bis 100 Zeichen ein, wählen Sie die Sprache und klicken Sie auf die Schaltfläche zum Vertonen. In wenigen Sekunden hören Sie, ob sie Ihre bisherige Stimme ersetzen kann, ohne Konto.
Den Endpunkt austauschen
Die meisten Anwendungen rufen Sprache an einer Stelle auf, der Wechsel umfasst daher meist wenige Zeilen.
- Starten Sie den Server auf einem beliebigen Prozessor: docker run -d -p 8000:8000 -v superclonica-models:/models superclonica/superclonica:cpu.
- Senden Sie POST /synthesize mit text, voice und lang; die Antwort ist eine 16-Bit-Mono-WAV-Datei.
- Das Format ist nicht OpenAI-kompatibel: Ein kleiner Adapter übersetzt input in text und Ihre Stimmennamen in M1–M5, F1–F5 oder eigene Stimmdateien.
- Setzen Sie SUPERCLONICA_API_KEY und betreiben Sie den Server hinter HTTPS oder in einem privaten Netz.
Eigene Stimmen
Statt eines festen Satzes eingebauter Stimmen wählen Sie aus über 170 Katalogstimmen, jede mit kostenloser Demo, oder aus den freien Stimmen im Repository superclonica/supertonic-voices auf GitHub. Für eine eigene Stimme trainieren Sie sie im SuperClonica-Studio aus einer sauberen Aufnahme einer einverstandenen Sprecherin oder eines einverstandenen Sprechers auf einem Computer mit NVIDIA-Grafikkarte oder bestellen sie auf der Börse. Die Stimmdatei reist in jeder Anfrage mit, der Server speichert also keine Stimmen.
Wann OpenAI die bessere Wahl bleibt
Supertonic 3 spricht 31 Sprachen, Chinesisch ist nicht darunter; die Sprachausgabe von OpenAI deckt Chinesisch und mehr Sprachen ab. Die Engine nimmt keine schriftlichen Anweisungen zum Tonfall an: Der Vortrag ergibt sich aus Stimme und Zeichensetzung. Und eine gehostete API braucht keinen eigenen Server. Wenn das am wichtigsten ist, bleiben Sie bei OpenAI; zählen Datenschutz, Kosten und eigene Stimmen mehr, hosten Sie Sprache selbst.