Eine Offline-Alternative zu Yandex SpeechKit
SpeechKit ist die Cloud-Sprachsynthese von Yandex: 18 russische Stimmen, viele mit Rollen von neutral bis Flüstern, dazu Englisch, Deutsch, Hebräisch, Kasachisch und Usbekisch. Wie jede Cloud-API braucht sie ein Konto, rechnet pro Zeichen oder in Blöcken von 250 Zeichen ab und erhält jeden Text, den Sie vertonen.
Die kostenlose SuperClonica-Engine bietet denselben Baustein auf Ihrem eigenen Computer oder Server. Dieser Leitfaden vergleicht beide Ansätze ehrlich, sagt, wann SpeechKit die bessere Wahl ist, und zeigt, wie Sie den API-Aufruf austauschen.
SpeechKit im Überblick
Für Kasachisch, Usbekisch oder Hebräisch, für Stimmrollen wie Flüstern oder für einen verwalteten Dienst in großem Maßstab ist SpeechKit eine starke Wahl.
- 18 russische Stimmen, darunter filipp, ermil, jane, alexander und kirill; viele haben Rollen wie neutral, good, evil, strict, friendly und whisper.
- Sprachen: Russisch, Englisch, Deutsch, Hebräisch, Kasachisch und Usbekisch.
- API v1 wird pro Zeichen abgerechnet, API v3 in Blöcken von 250 Zeichen; aktuelle Preise stehen auf der Yandex-Website.
- Eigene Stimmen sind ein separater Dienst, Brand Voice.
Den Klang gratis vergleichen
Fügen Sie auf der Seite einer beliebigen Stimme einen Satz ein, den Sie mit SpeechKit vertont haben, 30 bis 100 Zeichen, wählen Sie die Sprache und klicken Sie auf die Schaltfläche zum Vertonen. In wenigen Sekunden vergleichen Sie mit Ihrem eigenen Text, ohne Konto.
Was SuperClonica anders macht
In unseren Tests dauerte ein kurzer Satz 0,43 s auf vier Threads eines Ryzen 7 5800X, ein normaler Server schafft also die meisten Lasten.
- Texte bleiben bei Ihnen: Nichts geht an einen Anbieter, was für medizinische, juristische und interne Dokumente zählt.
- Keine Rechnung pro Zeichen: Die Kosten sind Ihre eigene Hardware, egal wie viele Stunden Sie vertonen.
- 31 Sprachen, darunter Russisch, Ukrainisch, Polnisch, Englisch, Deutsch, Japanisch, Koreanisch, Hindi und Arabisch.
- Zehn Standardstimmen, mehr als 170 Katalogstimmen und Ihre eigene Stimme, einmal aus einer sauberen Aufnahme von 5 bis 10 Sekunden trainiert.
Den API-Aufruf austauschen
Starten Sie den Server auf einem beliebigen Prozessor: docker run -d -p 8000:8000 -v superclonica-models:/models superclonica/superclonica:cpu. Sobald GET /health antwortet, senden Sie eine Anfrage: curl -X POST http://localhost:8000/synthesize -H "Content-Type: application/json" -d '{"text": "Hallo von meinem eigenen Server!", "voice": "F1", "lang": "de"}' -o hello.wav. POST /synthesize nimmt text, voice, lang, seed und normalize und antwortet mit einem 16-Bit-Mono-WAV. Setzen Sie SUPERCLONICA_API_KEY, um einen Authorization-Header zu verlangen, und halten Sie den Server hinter HTTPS oder in einem privaten Netz.
Was Sie wählen sollten
Wählen Sie SpeechKit für Kasachisch, Usbekisch oder Hebräisch, wegen der Stimmrollen oder wenn Sie lieber pro Zeichen zahlen, als einen Server zu betreiben. Wählen Sie SuperClonica, wenn Texte privat bleiben müssen, wenn das Volumen groß oder unvorhersehbar ist, wenn Sie die europäischen und asiatischen Sprachen brauchen, die es ergänzt, oder eine Figuren- oder Markenstimme, die offline läuft.