హోమ్ / గైడ్‌లు / ఉచిత text to speech API

ఉచిత text to speech API

text to speech (TTS) API వచనాన్ని మాట్లాడే ఆడియోగా మారుస్తుంది. కొంతమంది ప్రొవైడర్లు TTS ను అక్షర లేదా అభ్యర్థన పరిమితులతో ఉచితంగా ఇస్తారు. FreeLLMAPI /v1/audio/speech అభ్యర్థనలను speech మోడల్‌లను అందించే ప్రొవైడర్లకు పంపుతుంది. ఒక ప్రొవైడర్ విఫలమైనప్పుడు లేదా దాని పరిమితిని చేరినప్పుడు, రౌటర్ తదుపరి దానిని ప్రయత్నిస్తుంది.

కోడ్, మోడల్ పేర్లు మరియు ప్రత్యక్ష కేటలాగ్ లేబుల్‌లు ఇంగ్లీషులోనే చూపబడతాయి.

ఉచిత text to speech ప్రొవైడర్లు

ఈ పట్టిక ఉచిత TTS కేటాయింపు ఉన్న ప్రొవైడర్లను చూపుతుంది. ప్రతి పరిమితిని అధికారిక ప్రొవైడర్ పేజీలో తనిఖీ చేశాము. ఉచిత speech పరిమితులు అక్షరాలు, అభ్యర్థనలు లేదా రోజువారీ compute బడ్జెట్‌ను ఉపయోగిస్తాయి, కాబట్టి వాటిని జాగ్రత్తగా పోల్చండి.

ప్రొవైడర్ పేజీల నుండి ఉచిత TTS కేటాయింపులు, 20 నవంబర్ 2026 న తనిఖీ చేయబడింది
ప్రొవైడర్మోడల్ఉచిత కేటాయింపు (అధికారిక)అవుట్‌పుట్గమనికలు
GroqOrpheus English, Orpheus Arabic (Saudi)రోజువారీ పరిమితులతో ఉచిత ప్లాన్. ప్రతి అభ్యర్థనకు గరిష్టంగా 200 అక్షరాలుWAV మాత్రమేGroq console లో ముందుగా ఒక organization admin మోడల్ నిబంధనలను అంగీకరించాలి
Google AI StudioGemini 2.5 Flash TTS (preview)ఉచిత టియర్: ఇన్‌పుట్ మరియు అవుట్‌పుట్ ఉచితం, రేట్ పరిమితులతోWAVఅనేక వాయిస్‌లు. సహజ ప్రసంగానికి మంచిది
Cloudflare Workers AIMeloTTSప్రతి రోజు 10,000 neurons. MeloTTS ప్రతి ఆడియో నిమిషానికి 18.63 neurons ఉపయోగిస్తుందిWAVఇతర మోడల్ బడ్జెట్‌ను ఉపయోగించకపోతే, ప్రతి రోజు సుమారు 536 ఆడియో నిమిషాలు. Language selector ఉంది, voice selector లేదు
Cloudflare Workers AIDeepgram Aura 1అదే 10,000 neurons. Aura 1 ప్రతి 1,000 అక్షరాలకు 1,363.64 neurons ఉపయోగిస్తుందిMP3ప్రతి రోజు సుమారు 7,300 అక్షరాలు
SpeechifySimbaప్రతి నెల 500,000 అక్షరాలు, కార్డు అవసరం లేదుMP3ఉచిత ప్లాన్‌లో వాణిజ్య ఉపయోగం జాబితా చేయబడింది. Simba 3.5 21 నవంబర్ 2026 నుండి 333,000 అక్షరాలకు తగ్గుతుంది
CartesiaSonicప్రతి నెల 20,000 credits. 1 credit అంటే 1 అక్షరంWAVవాణిజ్య ఉపయోగ లైసెన్స్ పెయిడ్ ప్లాన్‌లలో మాత్రమే జాబితా చేయబడింది

“about” సంఖ్యలు ప్రచురించిన రేట్ల నుండి మా లెక్క. Cloudflare బడ్జెట్ ఒక ఖాతాలోని అన్ని Workers AI మోడల్‌లతో పంచుకోబడుతుంది, చాట్ మరియు ఇమేజ్ మోడల్‌లతో సహా.

దశ 1: FreeLLMAPI ఇన్‌స్టాల్ చేసి speech కీలను జోడించండి

FreeLLMAPI ఓపెన్ సోర్స్. ఇది Docker లో మీ కంప్యూటర్‌లో నడుస్తుంది. మీ ప్రొవైడర్ కీలు మీ కంప్యూటర్‌లోనే ఉంటాయి.

ఇన్‌స్టాల్ చేయండి (macOS లేదా Linux)

curl -fsSL https://freellmapi.co/install.sh | bash

http://localhost:3001 వద్ద డాష్‌బోర్డ్ తెరవండి. Keys పేజీలో మీ కీలను జోడించండి. Groq కీ లేదా Google AI Studio కీ వాటి speech మోడల్‌లను కూడా ఎనేబుల్ చేస్తుంది. తర్వాత Models, Audio తెరిచి speech మోడల్‌లను చూడండి, వాటిని ఆన్ లేదా ఆఫ్ చేయండి. Keys పేజీ నుండి మీ ఏకీకృత కీని కాపీ చేయండి.

దశ 2: speech ఉత్పత్తి చేయండి

endpoint OpenAI అభ్యర్థన ఫార్మాట్‌ను ఉపయోగిస్తుంది. input ఫీల్డ్ తప్పనిసరి. model, voice మరియు response_format ఫీల్డ్‌లు ఐచ్ఛికం. response body ఆడియో ఫైల్.

curl: రౌటర్ ప్రొవైడర్‌ను ఎంచుకోనివ్వండి

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: Groq Orpheus English ను స్థిరంగా ఉంచండి

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 హెడర్ ఆడియోను ఏ ప్రొవైడర్ తయారు చేసిందో చూపుతుంది. Content-Type హెడర్ ఫార్మాట్‌ను చూపుతుంది, ఉదాహరణకు audio/wav లేదా audio/mpeg.

వాయిస్‌లు, ఫార్మాట్‌లు మరియు వచన పొడవు

  • వాయిస్‌లు: alloy వంటి ప్రామాణిక OpenAI వాయిస్ పేర్లు, అనేక ప్రొవైడర్లపై పరీక్షించిన స్థానిక వాయిస్‌కు మ్యాప్ అవుతాయి. మీరు స్థానిక వాయిస్ పేరును కూడా పంపవచ్చు, ఉదాహరణకు Orpheus English కోసం troy లేదా Orpheus Arabic కోసం fahad.
  • ఫార్మాట్‌లు: ప్రతి ప్రొవైడర్ తన స్వంత ఫార్మాట్‌ను తయారు చేస్తుంది. Groq Orpheus మరియు Cloudflare MeloTTS WAV తయారు చేస్తాయి. Cloudflare Aura MP3 తయారు చేస్తుంది. తయారు చేయలేని ఫార్మాట్‌ను ప్రొవైడర్ తిరస్కరిస్తుంది. తప్పు లేబుల్‌తో ఫైల్ పంపదు.
  • వచన పొడవు: Groq ప్రతి అభ్యర్థనకు గరిష్టంగా 200 అక్షరాలను అంగీకరిస్తుంది. పొడవైన వచనాన్ని వాక్యాలుగా విభజించి, ప్రతి వాక్యానికి ఒక అభ్యర్థన పంపండి.
  • భాష: Orpheus కు English మరియు Saudi Arabic మోడల్‌లు ఉన్నాయి. Cloudflare పై MeloTTS ఈ adapter ద్వారా English ను ఉపయోగిస్తుంది.

Python: పొడవైన వచనాన్ని చిన్న అభ్యర్థనలుగా విభజించండి

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}")

ఉపయోగ నియమాలు మరియు ఆపదలు

  • లైసెన్స్ నిబంధనలు: ఉచిత ప్లాన్‌లు వాణిజ్య ఉపయోగాన్ని పరిమితం చేయవచ్చు. Cartesia వాణిజ్య లైసెన్స్‌ను పెయిడ్ ప్లాన్‌లలో మాత్రమే జాబితా చేస్తుంది. ఆడియోను ప్రచురించే ముందు ప్రతి ప్రొవైడర్ నిబంధనలను చదవండి.
  • పంచుకున్న కేటాయింపులు: నెలవారీ అక్షర కేటాయింపు ఖాతాకు చెందుతుంది. ఎక్కువ వాయిస్‌లు లేదా ఎక్కువ మోడల్‌లు ఎక్కువ అక్షరాలను ఇవ్వవు.
  • Groq console లో నిబంధనలు: ఒక admin మోడల్ నిబంధనలను అంగీకరించే వరకు Groq ఒక ఎర్రర్ ఇస్తుంది. FreeLLMAPI మీ తరపున నిబంధనలను అంగీకరించదు.
  • మిశ్రమ ఫార్మాట్‌లు: model: "auto" తో, రెండు అభ్యర్థనలు వేర్వేరు ప్రొవైడర్ల నుండి రావచ్చు. ఫైళ్లను కలిపే ముందు Content-Type ను తనిఖీ చేయండి, లేదా ఒక మోడల్‌ను స్థిరంగా ఉంచండి.
  • భాగాలను కలపడం: ffmpeg వంటి సాధనంతో ఆడియో భాగాలను కలపండి. అన్ని భాగాలకు ఒకే ఫార్మాట్ మరియు ఒకే sample rate ఉండాలి, కాబట్టి ఒక పత్రానికి ఒక మోడల్‌ను స్థిరంగా ఉంచండి.
  • కత్తిరించడం: విభజన ఉదాహరణ ప్రతి భాగాన్ని 200 అక్షరాల వద్ద కత్తిరిస్తుంది. మీ వాక్యాలను అంతకంటే చిన్నవిగా ఉంచండి, లేకపోతే ఒక పదం పోవచ్చు.

సమస్య పరిష్కారం

సమస్యకారణంపరిష్కారం
ఫార్మాట్‌పై Error 400ప్రొవైడర్ ఆ ఫార్మాట్‌ను తయారు చేయలేదుresponse_format తొలగించండి, లేదా Orpheus నుండి wav అభ్యర్థించండి
పొడవైన వచనంపై Groq అభ్యర్థన విఫలమవుతుందివచనంలో 200 అక్షరాలకు మించి ఉన్నాయివచనాన్ని చిన్న భాగాలుగా విభజించండి
నిబంధనల గురించి Groq ఎర్రర్మోడల్ నిబంధనలు అంగీకరించబడలేదుGroq console లో నిబంధనలను అంగీకరించండి
ఆడియో ఫైల్ ప్లే కావడం లేదుఫైల్ ఎక్స్‌టెన్షన్ ఫార్మాట్‌తో సరిపోలడం లేదుఎక్స్‌టెన్షన్ సెట్ చేయడానికి Content-Type హెడర్‌ను ఉపయోగించండి
Error 503ఏ speech మోడల్ ఎనేబుల్ చేయలేదుఒక కీ జోడించి, Models, Audio లో ఒక మోడల్‌ను ఆన్ చేయండి
ఇవన్నీ ఒకే కీ ద్వారా ఉపయోగించండి. FreeLLMAPI ఒక ఓపెన్-సోర్స్, సెల్ఫ్-హోస్ట్ రూటర్. ఇది ఈ ఉచిత టియర్‌లన్నింటినీ ఒకే OpenAI-అనుకూల ఎండ్‌పాయింట్ వెనుక ఉంచుతుంది. ఒకటి రేట్ లిమిట్ అయినప్పుడు, అది మరొక దానికి మారుతుంది. కేటలాగ్‌ను బ్రౌజ్ చేయండి లేదా ప్రత్యక్షంగా.

తరచుగా అడిగే ప్రశ్నలు

ఉచిత text to speech API ఉందా?

అవును. Groq, Google AI Studio, Cloudflare Workers AI, Speechify మరియు Cartesia పరిమితులతో ఉచిత text to speech ఇస్తాయి. FreeLLMAPI ఒకే కీ ద్వారా /v1/audio/speech అభ్యర్థనలను ఈ ప్రొవైడర్లకు పంపుతుంది.

అత్యధిక అక్షరాలు ఇచ్చే ఉచిత text to speech API ఏది?

పట్టికలోని ప్రొవైడర్లలో, Speechify తన ఉచిత ప్లాన్‌లో ప్రతి నెల 500,000 అక్షరాలను జాబితా చేస్తుంది. Cartesia ప్రతి నెల 20,000 credits ను జాబితా చేస్తుంది, ప్రతి అక్షరానికి 1 credit.

ఉచిత text to speech ఆడియోను వాణిజ్యపరంగా ఉపయోగించవచ్చా?

ఇది ప్రొవైడర్‌ను బట్టి ఉంటుంది. Speechify తన ఉచిత ప్లాన్‌లో వాణిజ్య ఉపయోగాన్ని జాబితా చేస్తుంది. Cartesia వాణిజ్య లైసెన్స్‌ను పెయిడ్ ప్లాన్‌లలో మాత్రమే జాబితా చేస్తుంది. ప్రతి ప్రొవైడర్ నిబంధనలను చదవండి.

ఉచిత text to speech కోసం OpenAI SDK పనిచేస్తుందా?

అవును. base_url ను http://localhost:3001/v1 కు సెట్ చేసి client.audio.speech.create ను కాల్ చేయండి. రౌటర్ ఒక ప్రొవైడర్‌ను ఎంచుకుని ఆడియో bytes ను తిరిగి ఇస్తుంది.

సంబంధిత గైడ్‌లు

మూలాలు

అన్ని గైడ్‌లు · అన్ని ఉచిత మోడల్‌లను చూడండి