ANLEITUNG

OuteTTS, Llasa, MegaTTS3 und MaskGCT: ein ehrlicher Vergleich

OuteTTS, Llasa, MegaTTS3 und MaskGCT sind offene Forschungsmodelle, die eine Stimme aus einer kurzen Aufnahme klonen, und sie tauchen oft gemeinsam auf, wenn jemand eine selbst gehostete Alternative zu Cloud-Stimmen sucht. Bevor Sie darauf aufbauen, zählen vor allem zwei Dinge: welche Sprachen das Modell spricht und was seine Lizenz erlaubt.

Dieser Ratgeber fasst die Modellkarten zusammen und erklärt, wann SuperClonica auf dem kleinen Modell Supertonic 3 die einfachere Wahl ist.

Stimmen ansehen SuperClonica-Engine installieren

OuteTTS 1.0

OuteTTS 1.0 1B basiert auf Llama 3.2 1B, spricht 23 Sprachen, davon 12 mit starkem Training, und klont eine Stimme aus etwa 10 Sekunden Audio; eine GGUF-Version läuft mit llama.cpp. Die Lizenz kombiniert die Llama 3.2 Community License mit CC-BY-NC-SA 4.0 für OuteAIs Ergänzungen, kommerzielle Nutzung ist also eingeschränkt.

Llasa

Llasa gibt es in 1B, 3B und 8B auf Basis von Llama-Modellen, trainiert mit 250.000 Stunden chinesischer und englischer Sprache, und klont aus einer 16-kHz-Vorlage. Es spricht Chinesisch und Englisch, und die Lizenz CC BY-NC 4.0 verbietet freie kommerzielle Nutzung.

MegaTTS3 und MaskGCT

MegaTTS3 von ByteDance steht unter Apache-2.0 und spricht Englisch und Chinesisch, aber der WaveVAE-Encoder ist nicht veröffentlicht, daher klont es nur aus vorab extrahierten Latents, und laut Karte ist es vor allem für akademische Zwecke gedacht; auf der CPU ist es langsam. MaskGCT von Amphion ist ein vollständig nicht-autoregressives Zero-Shot-Modell, trainiert mit rund 100.000 Stunden englischer und chinesischer Sprache, unter CC-BY-NC 4.0.

Wann SuperClonica besser passt

Wenn Sie kommerzielle Nutzung, mehr Sprachen oder einen Computer ohne GPU brauchen, ist SuperClonica einfacher: Supertonic 3 läuft auf einem normalen Prozessor, jede Stimme spricht 31 Sprachen, die zehn Standardstimmen sind unter OpenRAIL-M kostenlos, Katalogstimmen kosten einmalig $2.99, und das Studio trainiert Ihre eigene Stimme aus 5 bis 10 Sekunden Aufnahme. Testen Sie jede Stimme kostenlos auf ihrer Seite mit 30 bis 100 Zeichen oder installieren Sie die Engine mit python -m pip install superclonica-cpu.