ফ্রি টেক্সট টু স্পিচ API
একটি টেক্সট টু স্পিচ (TTS) API টেক্সটকে কথ্য অডিওতে রূপান্তর করে। কিছু প্রোভাইডার অক্ষর বা অনুরোধের সীমাসহ TTS বিনামূল্যে দেয়। FreeLLMAPI স্পিচ মডেল সরবরাহকারী প্রোভাইডারদের কাছে /v1/audio/speech অনুরোধ পাঠায়। একটি প্রোভাইডার ব্যর্থ হলে বা তার সীমায় পৌঁছালে রাউটার পরবর্তীটি চেষ্টা করে।
কোড, মডেলের নাম এবং লাইভ ক্যাটালগের লেবেল ইংরেজিতে দেখানো হয়।
ফ্রি টেক্সট টু স্পিচ প্রোভাইডার
টেবিলে ফ্রি TTS বরাদ্দ আছে এমন প্রোভাইডার দেখানো হয়েছে। প্রতিটি সীমা আমরা প্রোভাইডারের অফিসিয়াল পেজে যাচাই করেছি। ফ্রি স্পিচ সীমা অক্ষর, অনুরোধ বা দৈনিক কম্পিউট বাজেট ব্যবহার করে, তাই সেগুলো সাবধানে তুলনা করুন।
| প্রোভাইডার | মডেল | ফ্রি বরাদ্দ (অফিসিয়াল) | আউটপুট | নোট |
|---|---|---|---|---|
| Groq | Orpheus English, Orpheus Arabic (Saudi) | দৈনিক সীমাসহ ফ্রি প্ল্যান। প্রতি অনুরোধে সর্বোচ্চ 200 অক্ষর | শুধু WAV | প্রথমে একজন অর্গানাইজেশন অ্যাডমিনকে Groq কনসোলে মডেলের শর্ত মেনে নিতে হবে |
| Google AI Studio | Gemini 2.5 Flash TTS (preview) | ফ্রি টিয়ার: ইনপুট ও আউটপুট বিনামূল্যে, রেট লিমিটসহ | WAV | অনেক ভয়েস। স্বাভাবিক কথনের জন্য ভালো |
| Cloudflare Workers AI | MeloTTS | প্রতিদিন 10,000 neurons। MeloTTS প্রতি অডিও মিনিটে 18.63 neurons ব্যবহার করে | WAV | অন্য কোনো মডেল বাজেট ব্যবহার না করলে প্রতিদিন প্রায় 536 অডিও মিনিট। ভাষা নির্বাচক আছে, ভয়েস নির্বাচক নেই |
| Cloudflare Workers AI | Deepgram Aura 1 | একই 10,000 neurons। Aura 1 প্রতি 1,000 অক্ষরে 1,363.64 neurons ব্যবহার করে | MP3 | প্রতিদিন প্রায় 7,300 অক্ষর |
| Speechify | Simba | প্রতি মাসে 500,000 অক্ষর, কার্ড ছাড়া | MP3 | ফ্রি প্ল্যানে বাণিজ্যিক ব্যবহার তালিকাভুক্ত আছে। Simba 3.5 21 নভেম্বর 2026 থেকে 333,000 অক্ষরে নেমে আসে |
| Cartesia | Sonic | প্রতি মাসে 20,000 credits। 1 credit মানে 1 অক্ষর | WAV | বাণিজ্যিক ব্যবহারের লাইসেন্স শুধু পেইড প্ল্যানে তালিকাভুক্ত |
"about" সংখ্যাগুলো প্রকাশিত হারের উপর আমাদের হিসাব। Cloudflare বাজেট এক অ্যাকাউন্টের সব Workers AI মডেল শেয়ার করে, চ্যাট ও ইমেজ মডেলসহ।
ধাপ 1: FreeLLMAPI ইনস্টল করুন এবং স্পিচ কী যোগ করুন
FreeLLMAPI ওপেন সোর্স। এটি Docker-এ আপনার কম্পিউটারে চলে। আপনার প্রোভাইডার কী আপনার কম্পিউটারেই থাকে।
ইনস্টল করুন (macOS বা Linux)
curl -fsSL https://freellmapi.co/install.sh | bashhttp://localhost:3001-এ ড্যাশবোর্ড খুলুন। Keys পেজে আপনার কী যোগ করুন। একটি Groq কী বা একটি Google AI Studio কী তাদের স্পিচ মডেলও চালু করে। তারপর স্পিচ মডেল দেখতে ও চালু বা বন্ধ করতে Models, Audio খুলুন। Keys পেজ থেকে আপনার ইউনিফায়েড কী কপি করুন।
ধাপ 2: স্পিচ তৈরি করুন
এন্ডপয়েন্ট OpenAI অনুরোধ ফরম্যাট ব্যবহার করে। input ফিল্ড আবশ্যক। model, voice ও response_format ফিল্ড ঐচ্ছিক। রেসপন্স বডি হলো অডিও ফাইল।
curl: রাউটারকে প্রোভাইডার বাছতে দিন
curl http://localhost:3001/v1/audio/speech \
-H "Authorization: Bearer <unified-key>" \
-H "Content-Type: application/json" \
-d '{"model": "auto", "input": "Your order has shipped.", "voice": "alloy"}' \
--dump-header headers.txt \
--output speech.audio
grep -i -E "content-type|x-provider" headers.txtPython: Groq Orpheus English পিন করুন
from openai import OpenAI
client = OpenAI(base_url="http://localhost:3001/v1", api_key="<unified-key>")
with client.audio.speech.with_streaming_response.create(
model="canopylabs/orpheus-v1-english",
voice="troy", # a native Orpheus voice; "alloy" also maps to troy
input="Your order has shipped. It arrives on Friday.",
response_format="wav", # Orpheus returns WAV only
) as response:
print("Served by:", response.headers.get("x-provider"))
response.stream_to_file("speech.wav")X-Provider হেডার দেখায় কোন প্রোভাইডার অডিও তৈরি করেছে। Content-Type হেডার ফরম্যাট দেখায়, যেমন audio/wav বা audio/mpeg।
ভয়েস, ফরম্যাট ও টেক্সটের দৈর্ঘ্য
- ভয়েস: স্ট্যান্ডার্ড OpenAI ভয়েসের নাম, যেমন
alloy, অনেক প্রোভাইডারে একটি পরীক্ষিত নেটিভ ভয়েসে ম্যাপ হয়। আপনি নেটিভ ভয়েসের নামও পাঠাতে পারেন, যেমন Orpheus English-এর জন্যtroyবা Orpheus Arabic-এর জন্যfahad। - ফরম্যাট: প্রতিটি প্রোভাইডার নিজের ফরম্যাট তৈরি করে। Groq Orpheus ও Cloudflare MeloTTS WAV তৈরি করে। Cloudflare Aura MP3 তৈরি করে। প্রোভাইডার যে ফরম্যাট তৈরি করতে পারে না, তা প্রত্যাখ্যান করে। ভুল লেবেলসহ ফাইল পাঠায় না।
- টেক্সটের দৈর্ঘ্য: Groq প্রতি অনুরোধে সর্বোচ্চ 200 অক্ষর গ্রহণ করে। দীর্ঘ টেক্সট বাক্যে ভাগ করুন এবং প্রতিটি বাক্যের জন্য একটি অনুরোধ পাঠান।
- ভাষা: Orpheus-এর ইংরেজি ও সৌদি আরবি মডেল আছে। Cloudflare-এর MeloTTS এই অ্যাডাপ্টারের মাধ্যমে ইংরেজি ব্যবহার করে।
Python: দীর্ঘ টেক্সট ছোট অনুরোধে ভাগ করুন
import re
from openai import OpenAI
client = OpenAI(base_url="http://localhost:3001/v1", api_key="<unified-key>")
text = open("article.txt").read()
parts = [s for s in re.split(r"(?<=[.!?])\s+", text) if s.strip()]
for i, part in enumerate(parts):
with client.audio.speech.with_streaming_response.create(
model="auto", voice="alloy", input=part[:200],
) as r:
ext = "mp3" if "mpeg" in r.headers.get("content-type", "") else "wav"
r.stream_to_file(f"part-{i:03d}.{ext}")ব্যবহারের নিয়ম ও ভুল এড়ানো
- লাইসেন্সের শর্ত: ফ্রি প্ল্যান বাণিজ্যিক ব্যবহার সীমিত করতে পারে। Cartesia বাণিজ্যিক লাইসেন্স শুধু পেইড প্ল্যানে তালিকাভুক্ত করে। অডিও প্রকাশের আগে প্রতিটি প্রোভাইডারের শর্ত পড়ুন।
- শেয়ার করা বরাদ্দ: মাসিক অক্ষর বরাদ্দ অ্যাকাউন্টের জন্য। বেশি ভয়েস বা বেশি মডেল বেশি অক্ষর দেয় না।
- Groq কনসোলের শর্ত: অ্যাডমিন মডেলের শর্ত মেনে না নেওয়া পর্যন্ত Groq ত্রুটি ফেরত দেয়। FreeLLMAPI আপনার হয়ে শর্ত মেনে নেয় না।
- মিশ্র ফরম্যাট:
model: "auto"দিয়ে দুটি অনুরোধ ভিন্ন প্রোভাইডার থেকে আসতে পারে। ফাইল যুক্ত করার আগেContent-Typeপরীক্ষা করুন, বা একটি মডেল পিন করুন। - অংশ যুক্ত করা: ffmpeg-এর মতো একটি টুল দিয়ে অডিও অংশগুলো যুক্ত করুন। সব অংশের ফরম্যাট ও স্যাম্পল রেট একই হতে হবে, তাই এক ডকুমেন্টের জন্য একটি মডেল পিন করুন।
- কাটা: ভাগ করার উদাহরণ প্রতিটি অংশ 200 অক্ষরে কাটে। আপনার বাক্য এর চেয়ে ছোট রাখুন, নইলে একটি শব্দ হারাতে পারে।
সমস্যা সমাধান
| সমস্যা | কারণ | সমাধান |
|---|---|---|
| একটি ফরম্যাটে Error 400 | প্রোভাইডার সেই ফরম্যাট তৈরি করতে পারে না | response_format সরান, অথবা Orpheus থেকে wav চান |
| দীর্ঘ টেক্সটে Groq অনুরোধ ব্যর্থ হয় | টেক্সটে 200-এর বেশি অক্ষর আছে | টেক্সট ছোট অংশে ভাগ করুন |
| শর্ত নিয়ে Groq ত্রুটি | মডেলের শর্ত মেনে নেওয়া হয়নি | Groq কনসোলে শর্ত মেনে নিন |
| অডিও ফাইল চলে না | ফাইলের এক্সটেনশন ফরম্যাটের সাথে মেলে না | এক্সটেনশন ঠিক করতে Content-Type হেডার ব্যবহার করুন |
| Error 503 | কোনো স্পিচ মডেল চালু নেই | একটি কী যোগ করুন এবং Models, Audio-এ একটি মডেল চালু করুন |
সাধারণ প্রশ্ন
কোনো ফ্রি টেক্সট টু স্পিচ API আছে কি?
হ্যাঁ। Groq, Google AI Studio, Cloudflare Workers AI, Speechify ও Cartesia সীমাসহ ফ্রি টেক্সট টু স্পিচ দেয়। FreeLLMAPI একটি কী দিয়ে এই প্রোভাইডারদের কাছে /v1/audio/speech অনুরোধ পাঠায়।
কোন ফ্রি টেক্সট টু স্পিচ API-তে সবচেয়ে বেশি অক্ষর মেলে?
টেবিলের প্রোভাইডারদের মধ্যে Speechify তার ফ্রি প্ল্যানে মাসে 500,000 অক্ষর তালিকাভুক্ত করে। Cartesia মাসে 20,000 credits তালিকাভুক্ত করে, প্রতি অক্ষরে 1 credit।
ফ্রি টেক্সট টু স্পিচ অডিও কি বাণিজ্যিকভাবে ব্যবহার করা যায়?
এটি প্রোভাইডারের উপর নির্ভর করে। Speechify তার ফ্রি প্ল্যানে বাণিজ্যিক ব্যবহার তালিকাভুক্ত করে। Cartesia বাণিজ্যিক লাইসেন্স শুধু পেইড প্ল্যানে তালিকাভুক্ত করে। প্রতিটি প্রোভাইডারের শর্ত পড়ুন।
ফ্রি টেক্সট টু স্পিচের জন্য কি OpenAI SDK কাজ করে?
হ্যাঁ। base_url সেট করুন http://localhost:3001/v1 এবং client.audio.speech.create ডাকুন। রাউটার একটি প্রোভাইডার বাছে এবং অডিও বাইট ফেরত দেয়।
সম্পর্কিত গাইড
- বিনামূল্যের speech to text API
- বিনামূল্যের Whisper API
- free groq api
- free gemini api
- free cloudflare api
উৎস
- FreeLLMAPI docs: Images, video and text-to-speech (যাচাই: 20 November 2026)
- FreeLLMAPI docs: Groq Orpheus speech (যাচাই: 20 November 2026)
- Groq docs: Orpheus text to speech (যাচাই: 20 November 2026)
- Gemini Developer API pricing (যাচাই: 20 November 2026)
- Cloudflare Workers AI pricing (যাচাই: 20 November 2026)
- Speechify API pricing (যাচাই: 20 November 2026)
- Cartesia pricing (যাচাই: 20 November 2026)