Альтернатива pyttsx3 с естественными голосами
pyttsx3 — классическая офлайн-озвучка для Python: она управляет движком речи операционной системы — SAPI5 в Windows, голосами macOS и eSpeak в Linux. Ставится за секунды и работает везде, но голоса звучат роботизированно, а ваша программа звучит по-разному на каждой машине.
SuperClonica тоже работает офлайн, но запускает нейросетевую модель: естественные голоса, которые одинаково звучат в Windows, Linux и macOS, плюс голоса персонажей и голоса, обученные по вашим записям. На этой странице — честное сравнение.
Два офлайн-подхода
Одно заимствует голос системы; другое приносит свой.
- pyttsx3: крошечный, мгновенный, использует голоса, уже установленные в системе; они звучат роботизированно и различаются по платформам.
- SuperClonica: нейросетевая модель около 385 МБ, скачивается один раз; естественные голоса, одинаковые везде.
- Оба работают без интернета.
- Голоса SuperClonica говорят на 31 языке; китайский пока не поддерживается.
Когда pyttsx3 — правильный инструмент
Для коротких оповещений, функций доступности на слабом железе или скрипта, который должен стартовать мгновенно без загрузок, pyttsx3 легче и проще, и SuperClonica не пытается это заменить.
Когда лучше SuperClonica
Тот же текст, голос и seed всегда дают тот же звук — pyttsx3 не может обещать этого на разных машинах.
- Программу слушают пользователи, и она должна звучать естественно.
- Она должна звучать одинаково на любой ОС и машине.
- Нужны голоса персонажей, фирменный голос или ваш собственный обученный голос.
- Вы сохраняете аудиофайлы для видео, курсов или игр, а не только говорите вслух.
Переход за несколько строк
Поставьте движок командой python -m pip install superclonica-cpu. Там, где код вызывает pyttsx3, чтобы произнести или сохранить текст, создайте движок один раз — tts = Superclonica() после from superclonica import Superclonica — и напишите audio, rate = tts.synthesize(text, voice="F1", lang="ru"); tts.save("hello.wav", audio). Проиграйте файл любой аудиобиблиотекой или сохраните. Загрузка движка занимает несколько секунд, каждая следующая фраза — доли секунды. Перед переходом попробуйте голос на его странице на фразе от 30 до 100 символов — бесплатно и без регистрации.
Сколько это стоит
Движок и десять стандартных голосов модели бесплатны, несколько голосов каталога тоже. Остальные покупаются один раз и остаются вашими. Ему нужно больше памяти и процессорного времени, чем pyttsx3, но не нужны ни видеокарта, ни интернет после первой загрузки.