指南

Unreal Speech 替代方案：声音和语言更多的低价 TTS API

Unreal Speech 以价格取胜：宣称比 ElevenLabs 便宜得多，音频流式输出快，也能处理长文本。弱点是声音和语言较少，而且暂不支持声音克隆。

本指南总结 Unreal Speech 对其 API 的介绍，以及什么时候 SuperClonica Speech API 或其免费离线引擎更合适。注意：SuperClonica 引擎不支持中文朗读，可以朗读英语等 31 种语言。

获取免费 API 密钥 试听声音 或自己运行引擎

Unreal Speech 提供什么

据其官网，Unreal Speech 约 300 毫秒即可流式输出音频，返回逐词时间戳，并提供多个端点：最多 1,000 字符的流、最多 3,000 字符并返回 MP3 和时间戳的请求，以及最多 50 万字符、可生成最长十小时音频的异步任务。其常见问题列出不到十种语言的几十个声音，并说明暂不提供声音克隆。生成的音频可以商用；免费方案需注明 Unreal Speech。

SuperClonica 提供什么

据我们的测量，SuperClonica Speech API 约 300 毫秒起流式输出音频，并能在多个工作节点上同时朗读长文本。每个声音都能说 31 种语言，目录中有旁白以及游戏、动漫、卡通角色，你还可以在工作室训练自己的声音并通过 ID 调用。免费密钥每天 3 分钟音频、无需银行卡，5 美元的 Starter 方案每月最多 216 小时。

什么时候 Unreal Speech 更合适

如果逐词时间戳是你应用的核心（例如朗读时高亮单词），或它的某个声音已经很适合你的产品，就选 Unreal Speech。决定前，请用自己的文本分别试听两家的几个声音。

什么时候 SuperClonica 更合适

需要更多语言、角色声音、你自己的声音或离线使用同样的声音时，选 SuperClonica：免费引擎在 python -m pip install superclonica-cpu 之后可在任意 CPU 上运行，私密文本不会离开你的电脑。在声音页面输入 30 到 100 个字符即可免费试听。中文文本暂不支持。