Darmowe API zamiany tekstu na mowę
API zamiany tekstu na mowę (TTS) przekształca tekst w dźwięk mowy. Niektórzy dostawcy oferują TTS za darmo, z limitem znaków lub żądań. FreeLLMAPI wysyła żądania /v1/audio/speech do dostawców, którzy udostępniają modele mowy. Gdy jeden dostawca zawiedzie lub osiągnie swój limit, router próbuje następnego.
Kod, nazwy modeli i etykiety z katalogu na żywo są podane po angielsku.
Darmowi dostawcy zamiany tekstu na mowę
Tabela pokazuje dostawców z darmowym limitem TTS. Każdy limit sprawdziliśmy na oficjalnej stronie dostawcy. Darmowe limity mowy liczą znaki, żądania lub dzienny budżet obliczeniowy, więc porównuj je ostrożnie.
| Dostawca | Model | Darmowy limit (oficjalny) | Wyjście | Uwagi |
|---|---|---|---|---|
| Groq | Orpheus English, Orpheus Arabic (saudyjski) | Darmowy plan z dziennymi limitami. Maksymalnie 200 znaków w jednym żądaniu | Tylko WAV | Administrator organizacji musi najpierw zaakceptować warunki modelu w konsoli Groq |
| Google AI Studio | Gemini 2.5 Flash TTS (wersja preview) | Darmowy poziom: wejście i wyjście są bezpłatne, z limitami szybkości | WAV | Wiele głosów. Dobre do naturalnej mowy |
| Cloudflare Workers AI | MeloTTS | 10 000 neuronów dziennie. MeloTTS zużywa 18,63 neuronu na minutę audio | WAV | Około 536 minut audio dziennie, jeśli żaden inny model nie zużywa budżetu. Wybór języka, bez wyboru głosu |
| Cloudflare Workers AI | Deepgram Aura 1 | Ten sam budżet 10 000 neuronów. Aura 1 zużywa 1 363,64 neuronu na 1000 znaków | MP3 | Około 7 300 znaków dziennie |
| Speechify | Simba | 500 000 znaków miesięcznie, bez karty | MP3 | Użycie komercyjne jest wymienione w darmowym planie. Simba 3.5 spada do 333 000 znaków od 21 listopada 2026 |
| Cartesia | Sonic | 20 000 kredytów miesięcznie. 1 kredyt to 1 znak | WAV | Licencja na użycie komercyjne jest wymieniona tylko w płatnych planach |
Liczby oznaczone jako "około" to nasze wyliczenia z opublikowanych stawek. Budżet Cloudflare jest wspólny dla wszystkich modeli Workers AI na jednym koncie, w tym modeli czatu i obrazu.
Krok 1: Zainstaluj FreeLLMAPI i dodaj klucze do mowy
FreeLLMAPI jest oprogramowaniem open source. Działa na Twoim komputerze w Dockerze. Klucze dostawców pozostają na Twoim komputerze.
Instalacja (macOS lub Linux)
curl -fsSL https://freellmapi.co/install.sh | bashOtwórz panel pod adresem http://localhost:3001. Dodaj swoje klucze na stronie Keys. Klucz Groq lub klucz Google AI Studio również włącza ich modele mowy. Następnie otwórz Models, Audio, aby zobaczyć modele mowy i włączyć je lub wyłączyć. Skopiuj swój zunifikowany klucz ze strony Keys.
Krok 2: Wygeneruj mowę
Endpoint używa formatu żądań OpenAI. Pole input jest wymagane. Pola model, voice i response_format są opcjonalne. Treść odpowiedzi to plik audio.
curl: pozwól routerowi wybrać dostawcę
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: wskaż Groq Orpheus English
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")Nagłówek X-Provider pokazuje, który dostawca wygenerował audio. Nagłówek Content-Type pokazuje format, na przykład audio/wav lub audio/mpeg.
Głosy, formaty i długość tekstu
- Głosy: standardowe nazwy głosów OpenAI, takie jak
alloy, u wielu dostawców odpowiadają sprawdzonemu natywnemu głosowi. Możesz też wysłać natywną nazwę głosu, na przykładtroydla Orpheus English lubfahaddla Orpheus Arabic. - Formaty: każdy dostawca tworzy własny format. Groq Orpheus i Cloudflare MeloTTS tworzą WAV. Cloudflare Aura tworzy MP3. Dostawca odrzuca format, którego nie potrafi wygenerować. Nie wysyła pliku z błędną etykietą.
- Długość tekstu: Groq przyjmuje maksymalnie 200 znaków w jednym żądaniu. Podziel długi tekst na zdania i wyślij jedno żądanie dla każdego zdania.
- Język: Orpheus ma modele angielski i arabski (saudyjski). MeloTTS w Cloudflare używa angielskiego przez ten adapter.
Python: podziel długi tekst na krótkie żądania
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}")Zasady użycia i pułapki
- Warunki licencji: darmowe plany mogą ograniczać użycie komercyjne. Cartesia wymienia licencję komercyjną tylko w płatnych planach. Przed publikacją nagrań przeczytaj warunki każdego dostawcy.
- Wspólne limity: miesięczny limit znaków dotyczy konta. Więcej głosów ani więcej modeli nie daje więcej znaków.
- Warunki w konsoli Groq: Groq zwraca błąd, dopóki administrator nie zaakceptuje warunków modelu. FreeLLMAPI nie akceptuje warunków za Ciebie.
- Mieszane formaty: przy
model: "auto"dwa żądania mogą pochodzić od różnych dostawców. SprawdźContent-Type, zanim połączysz pliki, lub przypnij jeden model. - Łączenie części: połącz części audio narzędziem, na przykład ffmpeg. Wszystkie części muszą mieć ten sam format i tę samą częstotliwość próbkowania, dlatego przypnij jeden model do jednego dokumentu.
- Obcinanie: przykład podziału tnie każdą część po 200 znakach. Zachowaj zdania krótsze niż to, inaczej można stracić słowo.
Rozwiązywanie problemów
| Problem | Przyczyna | Rozwiązanie |
|---|---|---|
| Błąd 400 przy formacie | Dostawca nie potrafi wygenerować tego formatu | Usuń response_format lub poproś o wav z Orpheus |
| Żądanie Groq kończy się błędem przy długim tekście | Tekst ma więcej niż 200 znaków | Podziel tekst na krótsze części |
| Błąd Groq dotyczący warunków | Warunki modelu nie są zaakceptowane | Zaakceptuj warunki w konsoli Groq |
| Plik audio się nie odtwarza | Rozszerzenie pliku nie pasuje do formatu | Użyj nagłówka Content-Type, aby ustawić rozszerzenie |
| Błąd 503 | Żaden model mowy nie jest włączony | Dodaj klucz i włącz model na stronie Models, Audio |
Najczęstsze pytania
Czy istnieje darmowe API zamiany tekstu na mowę?
Tak. Groq, Google AI Studio, Cloudflare Workers AI, Speechify i Cartesia oferują zamianę tekstu na mowę za darmo, z limitami. FreeLLMAPI wysyła żądania /v1/audio/speech do tych dostawców przez jeden klucz.
Które darmowe API zamiany tekstu na mowę ma najwięcej znaków?
Spośród dostawców z tabeli Speechify wymienia 500 000 znaków miesięcznie w darmowym planie. Cartesia wymienia 20 000 kredytów miesięcznie, przy 1 kredycie za każdy znak.
Czy mogę używać darmowego audio TTS komercyjnie?
Zależy to od dostawcy. Speechify wymienia użycie komercyjne w darmowym planie. Cartesia wymienia licencję komercyjną tylko w płatnych planach. Przeczytaj warunki każdego dostawcy.
Czy SDK OpenAI działa z darmową zamianą tekstu na mowę?
Tak. Ustaw base_url na http://localhost:3001/v1 i wywołaj client.audio.speech.create. Router wybiera dostawcę i zwraca bajty audio.
Powiązane poradniki
Źródła
- FreeLLMAPI docs: Images, video and text-to-speech (sprawdzono 20 November 2026)
- FreeLLMAPI docs: Groq Orpheus speech (sprawdzono 20 November 2026)
- Groq docs: Orpheus text to speech (sprawdzono 20 November 2026)
- Gemini Developer API pricing (sprawdzono 20 November 2026)
- Cloudflare Workers AI pricing (sprawdzono 20 November 2026)
- Speechify API pricing (sprawdzono 20 November 2026)
- Cartesia pricing (sprawdzono 20 November 2026)