API تبدیل متن به گفتار رایگان
یک API تبدیل متن به گفتار (TTS) متن را به صدای گفتاری تبدیل میکند. برخی ارائهدهندگان TTS را با محدودیت کاراکتر یا درخواست، رایگان میدهند. FreeLLMAPI درخواستهای /v1/audio/speech را به ارائهدهندگانی میفرستد که مدلهای گفتار ارائه میکنند. وقتی یک ارائهدهنده شکست بخورد یا به محدودیت خود برسد، مسیریاب ارائهدهنده بعدی را امتحان میکند.
کد، نام مدلها و برچسبهای زندهٔ کاتالوگ به زبان انگلیسی نمایش داده میشوند.
ارائهدهندگان رایگان تبدیل متن به گفتار
جدول ارائهدهندگانی را نشان میدهد که سهمیه رایگان TTS دارند. هر محدودیت را در صفحه رسمی ارائهدهنده بررسی کردیم. محدودیتهای رایگان گفتار از کاراکتر، درخواست یا بودجه محاسباتی روزانه استفاده میکنند، پس آنها را با دقت مقایسه کنید.
| ارائهدهنده | مدل | سهمیه رایگان (رسمی) | خروجی | یادداشتها |
|---|---|---|---|---|
| Groq | Orpheus English، Orpheus Arabic (Saudi) | طرح رایگان با محدودیت روزانه. حداکثر 200 کاراکتر برای هر درخواست | فقط WAV | مدیر سازمان باید ابتدا شرایط مدل را در کنسول Groq بپذیرد |
| Google AI Studio | Gemini 2.5 Flash TTS (پیشنمایش) | سطح رایگان: ورودی و خروجی رایگان هستند، با محدودیت نرخ | WAV | صداهای زیاد. مناسب گفتار طبیعی |
| Cloudflare Workers AI | MeloTTS | 10,000 نورون در روز. MeloTTS برای هر دقیقه صدا 18.63 نورون مصرف میکند | WAV | حدود 536 دقیقه صدا در روز، اگر مدل دیگری بودجه را مصرف نکند. انتخابگر زبان دارد، انتخابگر صدا ندارد |
| Cloudflare Workers AI | Deepgram Aura 1 | همان 10,000 نورون. Aura 1 برای هر 1,000 کاراکتر 1,363.64 نورون مصرف میکند | MP3 | حدود 7,300 کاراکتر در روز |
| Speechify | Simba | 500,000 کاراکتر در ماه، بدون کارت | MP3 | استفاده تجاری در طرح رایگان فهرست شده است. Simba 3.5 از 21 نوامبر 2026 به 333,000 کاراکتر کاهش مییابد |
| Cartesia | Sonic | 20,000 اعتبار در ماه. 1 اعتبار برابر 1 کاراکتر است | WAV | مجوز استفاده تجاری فقط در طرحهای پولی فهرست شده است |
عددهای «حدود» محاسبه ما بر اساس نرخهای منتشرشده است. بودجه Cloudflare بین همه مدلهای Workers AI روی یک حساب مشترک است، از جمله مدلهای گفتگو و تصویر.
مرحله 1: نصب FreeLLMAPI و افزودن کلیدهای گفتار
FreeLLMAPI متنباز است. این برنامه داخل Docker روی رایانه شما اجرا میشود. کلیدهای ارائهدهندگان شما روی رایانه شما میمانند.
نصب (macOS یا Linux)
curl -fsSL https://freellmapi.co/install.sh | bashداشبورد را در http://localhost:3001 باز کنید. کلیدهای خود را در صفحه Keys اضافه کنید. یک کلید Groq یا یک کلید Google AI Studio، مدلهای گفتار آنها را هم فعال میکند. سپس Models, Audio را باز کنید تا مدلهای گفتار را ببینید و آنها را روشن یا خاموش کنید. کلید یکپارچه خود را از صفحه Keys کپی کنید.
مرحله 2: تولید گفتار
این endpoint از قالب درخواست OpenAI استفاده میکند. فیلد input الزامی است. فیلدهای model، voice و response_format اختیاری هستند. بدنه پاسخ، فایل صوتی است.
curl: اجازه دهید مسیریاب ارائهدهنده را انتخاب کند
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 را ثابت کنید
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")هدر X-Provider نشان میدهد کدام ارائهدهنده صدا را ساخت. هدر Content-Type فرمت را نشان میدهد، مثلاً audio/wav یا audio/mpeg.
صداها، فرمتها و طول متن
- صداها: نامهای استاندارد صدای OpenAI، مثل
alloy، در بسیاری از ارائهدهندگان به یک صدای بومی آزمونشده نگاشت میشوند. میتوانید نام صدای بومی را هم بفرستید، مثلاًtroyبرای Orpheus English یاfahadبرای Orpheus Arabic. - فرمتها: هر ارائهدهنده فرمت خودش را میسازد. Groq Orpheus و Cloudflare MeloTTS فایل WAV میسازند. Cloudflare Aura فایل MP3 میسازد. ارائهدهنده فرمتی را که نمیتواند بسازد رد میکند. فایلی با برچسب نادرست نمیفرستد.
- طول متن: Groq برای هر درخواست حداکثر 200 کاراکتر میپذیرد. متن بلند را به جملهها تقسیم کنید و برای هر جمله یک درخواست بفرستید.
- زبان: Orpheus مدلهای انگلیسی و عربی سعودی دارد. MeloTTS در Cloudflare از طریق این آداپتر به زبان انگلیسی کار میکند.
Python: متن بلند را به درخواستهای کوتاه تقسیم کنید
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}")قواعد استفاده و نکات خطرناک
- شرایط مجوز: طرحهای رایگان ممکن است استفاده تجاری را محدود کنند. Cartesia مجوز تجاری را فقط در طرحهای پولی فهرست میکند. پیش از انتشار صدا، شرایط هر ارائهدهنده را بخوانید.
- سهمیههای مشترک: سهمیه ماهانه کاراکتر مربوط به حساب است. صداها یا مدلهای بیشتر، کاراکتر بیشتری نمیدهند.
- شرایط در کنسول Groq: Groq تا زمانی که مدیر شرایط مدل را نپذیرد، خطا برمیگرداند. FreeLLMAPI شرایط را به جای شما نمیپذیرد.
- فرمتهای مختلط: با
model: "auto"، دو درخواست ممکن است از دو ارائهدهنده متفاوت بیایند. پیش از پیوستن فایلها،Content-Typeرا بررسی کنید یا یک مدل را ثابت کنید. - پیوستن بخشها: بخشهای صوتی را با ابزاری مثل ffmpeg به هم بچسبانید. همه بخشها باید فرمت و نرخ نمونهبرداری یکسان داشته باشند، پس برای یک سند یک مدل را ثابت کنید.
- برش متن: مثال تقسیم، هر بخش را در 200 کاراکتر میبرد. جملههای خود را کوتاهتر از آن نگه دارید، وگرنه ممکن است یک کلمه از دست برود.
عیبیابی
| مشکل | علت | راهحل |
|---|---|---|
| خطای 400 روی یک فرمت | ارائهدهنده نمیتواند آن فرمت را بسازد | response_format را حذف کنید، یا از Orpheus فرمت wav بخواهید |
| درخواست Groq روی متن بلند شکست میخورد | متن بیش از 200 کاراکتر دارد | متن را به بخشهای کوتاه تقسیم کنید |
| خطای Groq درباره شرایط | شرایط مدل پذیرفته نشده است | شرایط را در کنسول Groq بپذیرید |
| فایل صوتی پخش نمیشود | پسوند فایل با فرمت مطابقت ندارد | از هدر Content-Type برای تعیین پسوند استفاده کنید |
| خطای 503 | هیچ مدل گفتاری فعال نیست | یک کلید اضافه کنید و یک مدل را در Models, Audio روشن کنید |
پرسشهای متداول
آیا یک API رایگان تبدیل متن به گفتار وجود دارد؟
بله. Groq، Google AI Studio، Cloudflare Workers AI، Speechify و Cartesia تبدیل متن به گفتار رایگان با محدودیت ارائه میدهند. FreeLLMAPI درخواستهای /v1/audio/speech را از طریق یک کلید به این ارائهدهندگان میفرستد.
کدام API رایگان تبدیل متن به گفتار بیشترین کاراکتر را دارد؟
از میان ارائهدهندگان جدول، Speechify در طرح رایگان خود 500,000 کاراکتر در ماه فهرست میکند. Cartesia ماهانه 20,000 اعتبار فهرست میکند که هر کاراکتر 1 اعتبار است.
آیا میتوانم صدای تبدیل متن به گفتار رایگان را بهصورت تجاری استفاده کنم؟
به ارائهدهنده بستگی دارد. Speechify استفاده تجاری را در طرح رایگان فهرست میکند. Cartesia مجوز تجاری را فقط در طرحهای پولی فهرست میکند. شرایط هر ارائهدهنده را بخوانید.
آیا OpenAI SDK برای تبدیل متن به گفتار رایگان کار میکند؟
بله. مقدار base_url را روی http://localhost:3001/v1 بگذارید و client.audio.speech.create را فراخوانی کنید. مسیریاب ارائهدهنده را انتخاب میکند و بایتهای صوتی را برمیگرداند.
راهنماهای مرتبط
منابع
- FreeLLMAPI docs: Images, video and text-to-speech (بررسیشده در 20 November 2026)
- FreeLLMAPI docs: Groq Orpheus speech (بررسیشده در 20 November 2026)
- Groq docs: Orpheus text to speech (بررسیشده در 20 November 2026)
- Gemini Developer API pricing (بررسیشده در 20 November 2026)
- Cloudflare Workers AI pricing (بررسیشده در 20 November 2026)
- Speechify API pricing (بررسیشده در 20 November 2026)
- Cartesia pricing (بررسیشده در 20 November 2026)