Strona główna / Poradniki / Darmowe API zamiany tekstu na mowę

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.

Darmowe limity TTS z oficjalnych stron dostawców, sprawdzone 20 listopada 2026
DostawcaModelDarmowy limit (oficjalny)WyjścieUwagi
GroqOrpheus English, Orpheus Arabic (saudyjski)Darmowy plan z dziennymi limitami. Maksymalnie 200 znaków w jednym żądaniuTylko WAVAdministrator organizacji musi najpierw zaakceptować warunki modelu w konsoli Groq
Google AI StudioGemini 2.5 Flash TTS (wersja preview)Darmowy poziom: wejście i wyjście są bezpłatne, z limitami szybkościWAVWiele głosów. Dobre do naturalnej mowy
Cloudflare Workers AIMeloTTS10 000 neuronów dziennie. MeloTTS zużywa 18,63 neuronu na minutę audioWAVOkoło 536 minut audio dziennie, jeśli żaden inny model nie zużywa budżetu. Wybór języka, bez wyboru głosu
Cloudflare Workers AIDeepgram Aura 1Ten sam budżet 10 000 neuronów. Aura 1 zużywa 1 363,64 neuronu na 1000 znakówMP3Około 7 300 znaków dziennie
SpeechifySimba500 000 znaków miesięcznie, bez kartyMP3Użycie komercyjne jest wymienione w darmowym planie. Simba 3.5 spada do 333 000 znaków od 21 listopada 2026
CartesiaSonic20 000 kredytów miesięcznie. 1 kredyt to 1 znakWAVLicencja 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 | bash

Otwórz 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.txt

Python: 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 przykład troy dla Orpheus English lub fahad dla 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. Sprawdź Content-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

ProblemPrzyczynaRozwiązanie
Błąd 400 przy formacieDostawca nie potrafi wygenerować tego formatuUsuń response_format lub poproś o wav z Orpheus
Żądanie Groq kończy się błędem przy długim tekścieTekst ma więcej niż 200 znakówPodziel tekst na krótsze części
Błąd Groq dotyczący warunkówWarunki modelu nie są zaakceptowaneZaakceptuj warunki w konsoli Groq
Plik audio się nie odtwarzaRozszerzenie pliku nie pasuje do formatuUżyj nagłówka Content-Type, aby ustawić rozszerzenie
Błąd 503Żaden model mowy nie jest włączonyDodaj klucz i włącz model na stronie Models, Audio
Używaj wszystkich tych modeli przez jeden klucz. FreeLLMAPI to router o otwartym kodzie, uruchamiany na własnym serwerze. Łączy wszystkie te darmowe plany za jednym punktem końcowym zgodnym z OpenAI i przełącza się na inny dostawcę, gdy limit zostanie przekroczony. Przeglądaj katalog lub uruchom.

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

Wszystkie poradniki · Przeglądaj wszystkie darmowe modele