РУКОВОДСТВО

Офлайн-альтернатива Google Cloud Text-to-Speech

Google Cloud Text-to-Speech, Amazon Polly и Azure AI Speech — облачные API: каждый запрос отправляет ваш текст провайдеру, использование сверх бесплатного лимита оплачивается посимвольно, а нужны аккаунт, ключ и интернет. SuperClonica предлагает такой же строительный блок, только работающий на вашей машине.

На этой странице — честное сравнение двух подходов, когда облачный API удобнее и как заменить облачный вызов локальным.

Выбрать голос Установить движок SuperClonica

Облачный API против своего голоса

С облачными API проще начать, и они масштабируются под любую нагрузку; локальный движок меняет это на приватность и фиксированные затраты.

  • Облачный синтез: управляемые серверы, много языков и голосов, оплата по использованию, текст уходит провайдеру.
  • SuperClonica: Docker-образ с HTTP-эндпоинтом, Python-библиотека и утилита командной строки — всё работает локально.
  • После однократной загрузки модели, около 385 МБ, серверу не нужен интернет.
  • Голоса — это JSON-файлы: десять встроенных, голоса каталога или голос, обученный по вашей записи.

Когда удобнее облачный API

Выбирайте облачный API, если нужен китайский или очень длинный список языков и региональных вариантов, управление через SSML, управляемое масштабирование с гарантиями сервиса или просто нет желания обслуживать сервер. SuperClonica говорит на 31 языке, не поддерживает SSML и работает на железе, которым управляете вы.

Когда лучше подходит SuperClonica

В наших тестах короткая фраза заняла 0,12 с на RTX 5070 Ti и 0,43 с на четырёх потоках Ryzen 7 5800X.

  • Тексты конфиденциальны: медицинские записи, внутренние документы, неопубликованные диалоги игры.
  • Нужно работать офлайн или в закрытой сети.
  • Объём большой или непредсказуемый, и посимвольный счёт рос бы вместе с ним.
  • Нужны голоса персонажей, голос бренда, обученный по вашему диктору, и один голос на всех 31 языке.

Замена вызова API

Запустите сервер на любом процессоре: docker run -d --name tts -p 8000:8000 -v superclonica-models:/models superclonica/superclonica:cpu. Когда GET http://localhost:8000/health ответит, отправьте запрос: curl -X POST http://localhost:8000/synthesize -H "Content-Type: application/json" -d '{"text": "Привет с моего сервера!", "voice": "F1", "lang": "ru"}' -o hello.wav. POST /synthesize принимает text, voice, lang, seed и normalize и отвечает 16-битным моно WAV. Задайте SUPERCLONICA_API_KEY, чтобы требовать заголовок Authorization, и держите сервер за HTTPS или в закрытой сети. Свой голос передаётся в запросе как JSON-объект.

Стоимость и лицензии

Движок SuperClonica и Docker-образ распространяются под лицензией Apache 2.0. Модель Supertonic 3 — под OpenRAIL-M, бесплатной лицензией, которая разрешает коммерческое использование в пределах списка запрещённых применений. Встроенные голоса и несколько голосов каталога бесплатны; остальные покупаются один раз. Актуальные цены облачных провайдеров проверьте на их сайтах, прежде чем сравнивать.