免费、无限制、无需注册的文字转语音:在自己的电脑上运行
大多数在线文字转语音服务只是在一定范围内免费:每月几千个字符、注册账号,然后就是订阅。这不是贪心,而是成本:每个字符都在它们的服务器上合成。请注意:Supertonic 3 暂不支持中文,可以朗读其余 31 种语言。
还有一种没有这种限制的方法。开源语音合成模型 Supertonic 3 能在普通电脑上运行,SuperClonica 引擎和免费声音都可以免费下载。本指南介绍如何在几分钟内完成设置,无需账号就能朗读任意多的文字。
在线文字转语音为什么有限制
网络服务在自己的显卡上合成你的文字,并为显卡的每一秒工作付费。因此免费套餐会限制字符数、要求账号来计数,其余的留给付费套餐。
当模型在你的电脑上运行时,干活的是你自己的处理器。既没有东西要计数,也没有东西要收费,所以没有限制。
你需要什么
一台普通电脑就够了。
- 装有 Python 3.10 或更高版本的 Windows、macOS 或 Linux,或者 Docker。
- Supertonic 3 模型约需 400 MB 磁盘空间,只下载一次。
- 一个声音:一个 JSON 文件。免费声音无需账号即可下载。
- 不需要显卡:NVIDIA 显卡只会让速度更快。
第 1 步:下载免费声音
打开目录的免费声音页面,试听后在喜欢的声音上点击“免费下载”,无需注册。同样的免费声音也在附带试听样本的 GitHub 仓库中。
Supertonic 3 还自带十个预设声音,五个男声、五个女声,它们的 JSON 文件同样可以用于引擎。
第 2 步:安装引擎
用一条命令安装 SuperClonica 引擎:python -m pip install superclonica-cpu。使用 NVIDIA 显卡时改用 superclonica-gpu-cuda,pip 会自动安装 CUDA 和 cuDNN。如果你更喜欢容器,Docker Hub 上的 superclonica/superclonica 镜像会把同一个引擎作为 HTTP 服务器运行。
第 3 步:想朗读多少就朗读多少
一条命令即可朗读:superclonica --text "Your text" --voice voice.json --lang en --output speech.wav。模型在首次运行时下载,之后引擎无需联网即可工作。
长文本没问题:引擎会在自然停顿处切分,并把各部分合成一个文件。在 8 核桌面处理器上,我们估计速度为实时的 6.4–9.7 倍,因此一小时的音频大约需要 6–10 分钟。
到底哪些是免费的
这里没有试用期,也没有字数计数器。
- SuperClonica 引擎:免费,采用 Apache 2.0 许可证。
- Supertonic 3 模型:免费,采用 OpenRAIL-M 许可证,在其使用限制范围内也允许商业使用。
- 目录中的免费声音以及 Supertonic 3 的预设声音。
- 在任意声音页面免费在线生成一句话。
- 付费声音一次买断,无需订阅:文件归你所有。
免费在线方案及其局限
如果什么都不能安装,操作系统和浏览器自带的声音可以免费、无限制地朗读,但听起来明显很机械。在线神经网络服务听起来自然,但免费套餐有限制且需要注册。本地神经网络模型两者兼得:自然的声音和没有限制。