Free text to speech API
text to speech API (TTS) แปลงข้อความเป็นเสียงพูด ผู้ให้บริการบางรายให้ TTS ฟรีพร้อมขีดจำกัดตัวอักษรหรือคำขอ FreeLLMAPI ส่งคำขอ /v1/audio/speech ไปยังผู้ให้บริการที่ให้บริการโมเดลเสียงพูด เมื่อผู้ให้บริการรายหนึ่งล้มเหลวหรือถึงขีดจำกัด เราเตอร์จะลองรายถัดไป
โค้ด ชื่อโมเดล และป้ายกำกับของแคตตาล็อกสดจะแสดงเป็นภาษาอังกฤษ
ผู้ให้บริการ text to speech ฟรี
ตารางแสดงผู้ให้บริการที่มีโควตา TTS ฟรี เราตรวจแต่ละขีดจำกัดจากหน้าผู้ให้บริการทางการ ขีดจำกัดเสียงพูดฟรีใช้ตัวอักษร คำขอ หรืองบประมาณการประมวลผลรายวัน จึงควรเปรียบเทียบอย่างระมัดระวัง
| ผู้ให้บริการ | โมเดล | โควตาฟรี (ทางการ) | เอาต์พุต | หมายเหตุ |
|---|---|---|---|---|
| Groq | Orpheus English, Orpheus Arabic (Saudi) | แผนฟรีมีขีดจำกัดรายวัน สูงสุด 200 ตัวอักษรต่อคำขอ | เฉพาะ WAV | ผู้ดูแลขององค์กรต้องยอมรับข้อกำหนดของโมเดลใน Groq console ก่อน |
| Google AI Studio | Gemini 2.5 Flash TTS (preview) | ระดับฟรี: อินพุตและเอาต์พุตไม่มีค่าใช้จ่าย โดยมีขีดจำกัดอัตราการเรียกใช้ | WAV | เสียงให้เลือกหลายแบบ เหมาะกับเสียงพูดที่เป็นธรรมชาติ |
| Cloudflare Workers AI | MeloTTS | 10,000 neurons ต่อวัน MeloTTS ใช้ 18.63 neurons ต่อนาทีของเสียง | WAV | ประมาณ 536 นาทีของเสียงต่อวัน หากไม่มีโมเดลอื่นใช้งบประมาณ มีตัวเลือกภาษา ไม่มีตัวเลือกเสียง |
| Cloudflare Workers AI | Deepgram Aura 1 | 10,000 neurons เท่ากัน Aura 1 ใช้ 1,363.64 neurons ต่อ 1,000 ตัวอักษร | MP3 | ประมาณ 7,300 ตัวอักษรต่อวัน |
| Speechify | Simba | 500,000 ตัวอักษรต่อเดือน ไม่ต้องใช้บัตร | MP3 | แผนฟรีระบุว่าใช้เชิงพาณิชย์ได้ Simba 3.5 ลดเหลือ 333,000 ตัวอักษรตั้งแต่ 21 พฤศจิกายน 2026 |
| Cartesia | Sonic | 20,000 credits ต่อเดือน 1 credit เท่ากับ 1 ตัวอักษร | WAV | ใบอนุญาตใช้เชิงพาณิชย์ระบุไว้เฉพาะแผนที่เสียเงินเท่านั้น |
ตัวเลข “ประมาณ” เป็นการคำนวณของเราจากอัตราที่เผยแพร่ งบประมาณของ Cloudflare ใช้ร่วมกันโดยโมเดล Workers AI ทั้งหมดในบัญชีเดียว รวมถึงโมเดลแชตและโมเดลภาพ
ขั้นตอนที่ 1: ติดตั้ง FreeLLMAPI และเพิ่มคีย์เสียงพูด
FreeLLMAPI เป็นโอเพนซอร์ส ทำงานบนคอมพิวเตอร์ของคุณด้วย Docker คีย์ผู้ให้บริการของคุณอยู่บนคอมพิวเตอร์ของคุณ
ติดตั้ง (macOS หรือ Linux)
curl -fsSL https://freellmapi.co/install.sh | bashเปิดแดชบอร์ดที่ http://localhost:3001 เพิ่มคีย์ของคุณในหน้า Keys คีย์ของ Groq หรือ Google AI Studio ก็เปิดใช้โมเดลเสียงพูดของผู้ให้บริการนั้นด้วย จากนั้นเปิด Models, Audio เพื่อดูโมเดลเสียงพูดและเปิดหรือปิดแต่ละรายการ คัดลอกคีย์รวมของคุณจากหน้า Keys
ขั้นตอนที่ 2: สร้างเสียงพูด
endpoint ใช้รูปแบบคำขอของ OpenAI ฟิลด์ input จำเป็นต้องมี ฟิลด์ model, voice และ response_format เป็นตัวเลือก เนื้อหาการตอบกลับคือไฟล์เสียง
curl: ให้เราเตอร์เลือกผู้ให้บริการ
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: กำหนดให้ใช้ 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")header X-Provider แสดงว่าผู้ให้บริการรายใดสร้างเสียง header Content-Type แสดงรูปแบบ เช่น audio/wav หรือ audio/mpeg
เสียง รูปแบบ และความยาวข้อความ
- เสียง: ชื่อเสียงมาตรฐานของ OpenAI เช่น
alloyจะจับคู่กับเสียงเนทีฟที่ทดสอบแล้วของผู้ให้บริการหลายราย คุณยังส่งชื่อเสียงเนทีฟได้ด้วย เช่นtroyสำหรับ Orpheus English หรือfahadสำหรับ Orpheus Arabic - รูปแบบ: ผู้ให้บริการแต่ละรายสร้างรูปแบบของตนเอง Groq Orpheus และ Cloudflare MeloTTS สร้าง WAV Cloudflare Aura สร้าง MP3 ผู้ให้บริการจะปฏิเสธรูปแบบที่สร้างไม่ได้ และจะไม่ส่งไฟล์ที่ติดป้ายผิด
- ความยาวข้อความ: Groq รับได้สูงสุด 200 ตัวอักษรต่อคำขอ แบ่งข้อความยาวเป็นประโยค และส่งหนึ่งคำขอต่อหนึ่งประโยค
- ภาษา: Orpheus มีโมเดลภาษาอังกฤษและอาหรับซาอุดีอาระเบีย MeloTTS บน Cloudflare ใช้ภาษาอังกฤษผ่านอแดปเตอร์นี้
Python: แบ่งข้อความยาวเป็นคำขอสั้น
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}")กฎการใช้งานและข้อควรระวัง
- ข้อกำหนดการใช้งาน: แผนฟรีอาจจำกัดการใช้เชิงพาณิชย์ Cartesia ระบุใบอนุญาตใช้เชิงพาณิชย์ไว้เฉพาะแผนที่เสียเงิน อ่านข้อกำหนดของผู้ให้บริการแต่ละรายก่อนเผยแพร่เสียง
- โควตาที่ใช้ร่วมกัน: โควตาตัวอักษรรายเดือนเป็นของบัญชี เสียงที่มากขึ้นหรือโมเดลที่มากขึ้นไม่ได้ให้ตัวอักษรเพิ่ม
- ข้อกำหนดใน Groq console: Groq ส่งข้อผิดพลาดจนกว่าผู้ดูแลจะยอมรับข้อกำหนดของโมเดล FreeLLMAPI ไม่ยอมรับข้อกำหนดแทนคุณ
- รูปแบบปนกัน: เมื่อใช้
model: "auto"คำขอสองรายการอาจมาจากผู้ให้บริการต่างกัน ตรวจContent-Typeก่อนรวมไฟล์ หรือกำหนดโมเดลเดียว - การรวมส่วนของเสียง: รวมส่วนของเสียงด้วยเครื่องมือ เช่น ffmpeg ทุกส่วนต้องมีรูปแบบเดียวกันและอัตราสุ่มตัวอย่างเดียวกัน ดังนั้นให้กำหนดโมเดลเดียวสำหรับเอกสารหนึ่งฉบับ
- การตัดข้อความ: ตัวอย่างการแบ่งจะตัดแต่ละส่วนที่ 200 ตัวอักษร ให้ประโยคของคุณสั้นกว่านั้น มิฉะนั้นอาจสูญเสียคำ
การแก้ปัญหา
| ปัญหา | สาเหตุ | วิธีแก้ |
|---|---|---|
| ข้อผิดพลาด 400 กับรูปแบบไฟล์ | ผู้ให้บริการสร้างรูปแบบนั้นไม่ได้ | ลบ response_format หรือขอ wav จาก Orpheus |
| คำขอ Groq ล้มเหลวกับข้อความยาว | ข้อความมีมากกว่า 200 ตัวอักษร | แบ่งข้อความเป็นส่วนสั้น |
| ข้อผิดพลาดของ Groq เกี่ยวกับข้อกำหนด | ยังไม่ได้ยอมรับข้อกำหนดของโมเดล | ยอมรับข้อกำหนดใน Groq console |
| ไฟล์เสียงเล่นไม่ได้ | นามสกุลไฟล์ไม่ตรงกับรูปแบบ | ใช้ header Content-Type เพื่อกำหนดนามสกุล |
| ข้อผิดพลาด 503 | ไม่ได้เปิดใช้โมเดลเสียงพูดใด ๆ | เพิ่มคีย์และเปิดโมเดลใน Models, Audio |
คำถามที่พบบ่อย
มี text to speech API ฟรีหรือไม่
มี Groq, Google AI Studio, Cloudflare Workers AI, Speechify และ Cartesia ให้ text to speech ฟรีพร้อมขีดจำกัด FreeLLMAPI ส่งคำขอ /v1/audio/speech ไปยังผู้ให้บริการเหล่านี้ผ่านคีย์เดียว
text to speech API ฟรีรายใดให้ตัวอักษรมากที่สุด
ในบรรดาผู้ให้บริการในตาราง Speechify ระบุ 500,000 ตัวอักษรต่อเดือนในแผนฟรี Cartesia ระบุ 20,000 credits ต่อเดือน โดย 1 credit เท่ากับ 1 ตัวอักษร
ฉันใช้เสียง text to speech ฟรีเชิงพาณิชย์ได้หรือไม่
ขึ้นอยู่กับผู้ให้บริการ Speechify ระบุการใช้เชิงพาณิชย์ในแผนฟรี Cartesia ระบุใบอนุญาตใช้เชิงพาณิชย์ไว้เฉพาะแผนที่เสียเงิน อ่านข้อกำหนดของผู้ให้บริการแต่ละราย
OpenAI SDK ใช้กับ text to speech ฟรีได้หรือไม่
ได้ ตั้ง base_url เป็น http://localhost:3001/v1 แล้วเรียก client.audio.speech.create เราเตอร์จะเลือกผู้ให้บริการและส่งไบต์ของเสียงกลับมา
คู่มือที่เกี่ยวข้อง
แหล่งข้อมูล
- FreeLLMAPI docs: Images, video and text-to-speech (ตรวจสอบเมื่อ 20 November 2026)
- FreeLLMAPI docs: Groq Orpheus speech (ตรวจสอบเมื่อ 20 November 2026)
- Groq docs: Orpheus text to speech (ตรวจสอบเมื่อ 20 November 2026)
- Gemini Developer API pricing (ตรวจสอบเมื่อ 20 November 2026)
- Cloudflare Workers AI pricing (ตรวจสอบเมื่อ 20 November 2026)
- Speechify API pricing (ตรวจสอบเมื่อ 20 November 2026)
- Cartesia pricing (ตรวจสอบเมื่อ 20 November 2026)