Eine Alternative zu Soprano, Kani TTS und Marvis TTS
Eine neue Welle kleiner offener Sprachsynthese-Modelle zielt auf Echtzeit-Sprache auf bescheidener Hardware. Soprano 1.1 hat 80 Millionen Parameter und kann nur Englisch; Kani TTS 370M spricht sechs Sprachen inklusive Chinesisch; Marvis TTS 250M streamt Sprache auf Englisch, Französisch und Deutsch und klont eine Stimme aus Referenz-Audio.
SuperClonica führt Supertonic 3 aus, rund 99 Millionen Parameter, in 31 Sprachen auf einem normalen Prozessor. Dieser Ratgeber vergleicht mit Fakten aus den Modellkarten; wir haben die Modelle nicht gemessen, die Tempoangaben unten sind ihre eigenen Angaben.
Soprano 1.1
Ein Apache-2.0-Modell mit 80 Millionen Parametern, das bis zu 2000-fache Echtzeit auf der GPU und 20-fache auf der CPU angibt, auf der CPU mit unter 250 ms Latenz streamt und unter 1 GB Speicher braucht. Laut Karte kann es nur Englisch, klont keine Stimmen und wurde mit rund 1.000 Stunden Audio trainiert, seltene Wörter können also falsch klingen.
Kani TTS 370M
Ein Modell mit 370 Millionen Parametern bei 22 kHz für Englisch, Deutsch, Chinesisch, Koreanisch, Arabisch und Spanisch, mit etwa 2 GB GPU-Speicher. Prüfen Sie vor kommerzieller Nutzung die Lizenz: Die Metadaten der Karte nennen die LFM-1.0-Lizenz, der Text Apache 2.0.
Marvis TTS 250M
Ein Apache-2.0-Gesprächsmodell mit 250M-Backbone und 60M-Audiodecoder, gebaut für Echtzeit-Streaming auf Geräten wie iPhone und iPad. Es ist für Englisch, Französisch und Deutsch optimiert und klont eine Stimme aus Referenz-Audio.
Wo SuperClonica passt
Supertonic 3 spricht 31 Sprachen, und jede Stimme spricht alle; der Katalog hat rund 190 Stimmen von Erzählern bis zu Spiel- und Animefiguren, einmal gekauft, die zehn Standardstimmen sind kostenlos und kommerziell nutzbar. Wir schätzen die Engine auf 6,4- bis 9,7-fache Echtzeit auf einer Desktop-CPU mit 8 Kernen. Installieren mit python -m pip install superclonica-cpu und superclonica --text "Hallo" --voice F1 --lang de --output hello.mp3 ausführen; jede Stimmseite spielt auch gratis einen Satz.
Was Sie wählen sollten
Soprano für das schnellste Englisch auf winziger Hardware, Kani für Chinesisch oder Koreanisch mit GPU, Marvis für Streaming und Klonen in drei europäischen Sprachen. SuperClonica für 31 Sprachen auf der CPU, fertige Figurenstimmen, im Studio trainierte Stimmen und eine API mit 3 Gratis-Minuten pro Tag.