ہوم / گائیڈز / مفت Text to Speech API

مفت Text to Speech API

text to speech (TTS) API متن کو بولی جانے والی آواز میں بدلتا ہے۔ کچھ فراہم کنندگان TTS مفت دیتے ہیں، جن پر حروف یا درخواستوں کی حد ہوتی ہے۔ FreeLLMAPI /v1/audio/speech درخواستیں ان فراہم کنندگان کو بھیجتا ہے جو speech ماڈلز فراہم کرتے ہیں۔ جب ایک فراہم کنندہ ناکام ہو یا اپنی حد تک پہنچے، تو راؤٹر اگلے کو آزماتا ہے۔

کوڈ، ماڈل کے نام اور براہِ راست کیٹلاگ کے لیبل انگریزی میں دکھائے جاتے ہیں۔

مفت text to speech فراہم کنندگان

جدول ان فراہم کنندگان کو دکھاتا ہے جن کی مفت TTS حد ہے۔ ہم نے ہر حد سرکاری فراہم کنندہ کے صفحے پر جانچی۔ مفت speech حدیں حروف، درخواستوں یا روزانہ compute بجٹ پر ہوتی ہیں، اس لیے انہیں احتیاط سے موازنہ کریں۔

فراہم کنندگان کے صفحات سے مفت TTS حدیں، 20 نومبر 2026 کو جانچی گئیں
فراہم کنندہماڈلمفت حد (سرکاری)آؤٹ پٹنوٹس
GroqOrpheus English، Orpheus Arabic (Saudi)روزانہ حدوں والا مفت پلان۔ ہر درخواست کے لیے زیادہ سے زیادہ 200 حروفصرف WAVتنظیم کے ایڈمن کو پہلے Groq console میں ماڈل کی شرائط قبول کرنی ہوں گی
Google AI StudioGemini 2.5 Flash TTS (preview)مفت ٹائر: ان پٹ اور آؤٹ پٹ مفت ہیں، ریٹ حدوں کے ساتھWAVبہت سی آوازیں۔ قدرتی بولی کے لیے اچھا
Cloudflare Workers AIMeloTTSہر روز 10,000 neurons۔ MeloTTS ہر آڈیو منٹ کے لیے 18.63 neurons استعمال کرتا ہےWAVتقریباً 536 آڈیو منٹ روزانہ، اگر کوئی دوسرا ماڈل بجٹ استعمال نہ کرے۔ زبان کا انتخاب کنندہ ہے، آواز کا انتخاب کنندہ نہیں
Cloudflare Workers AIDeepgram Aura 1وہی 10,000 neurons۔ Aura 1 ہر 1,000 حروف کے لیے 1,363.64 neurons استعمال کرتا ہےMP3تقریباً 7,300 حروف روزانہ
SpeechifySimbaہر ماہ 500,000 حروف، کارڈ کی ضرورت نہیںMP3مفت پلان پر کمرشل استعمال درج ہے۔ Simba 3.5، 21 نومبر 2026 سے 333,000 حروف تک گھٹ جاتا ہے
CartesiaSonicہر ماہ 20,000 credits۔ 1 credit ایک حرف کے برابر ہےWAVکمرشل استعمال کا لائسنس صرف ادا شدہ پلانز پر درج ہے

"تقریباً" والے اعداد ہمارا حساب ہیں، شائع شدہ ریٹس سے۔ Cloudflare کا بجٹ ایک اکاؤنٹ پر تمام Workers AI ماڈلز کے درمیان بانٹا جاتا ہے، جن میں چیٹ اور image ماڈلز بھی شامل ہیں۔

مرحلہ 1: FreeLLMAPI انسٹال کریں اور speech کلیدیں شامل کریں

FreeLLMAPI اوپن سورس ہے۔ یہ Docker میں آپ کے کمپیوٹر پر چلتا ہے۔ آپ کی فراہم کنندہ کلیدیں آپ کے کمپیوٹر پر رہتی ہیں۔

انسٹال کریں (macOS یا Linux)

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

ڈیش بورڈ http://localhost:3001 پر کھولیں۔ Keys صفحے پر اپنی کلیدیں شامل کریں۔ Groq کلید یا Google AI Studio کلید ان کے speech ماڈلز بھی فعال کرتی ہے۔ پھر Models, Audio کھولیں تاکہ speech ماڈلز دیکھیں اور انہیں آن یا آف کریں۔ Keys صفحے سے اپنی متحدہ کلید کاپی کریں۔

مرحلہ 2: speech بنائیں

endpoint OpenAI درخواست کا فارمیٹ استعمال کرتا ہے۔ input فیلڈ لازمی ہے۔ model، voice اور response_format فیلڈز اختیاری ہیں۔ جواب کا باڈی آڈیو فائل ہے۔

curl: راؤٹر کو فراہم کنندہ منتخب کرنے دیں

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 مقرر کریں

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 ہیڈر دکھاتا ہے کہ آڈیو کس فراہم کنندہ نے بنایا۔ Content-Type ہیڈر فارمیٹ دکھاتا ہے، مثلاً audio/wav یا audio/mpeg۔

آوازیں، فارمیٹس اور متن کی لمبائی

  • آوازیں: معیاری OpenAI آواز کے نام، جیسے alloy، بہت سے فراہم کنندگان پر جانچی گئی مقامی آواز سے منسلک ہوتے ہیں۔ آپ مقامی آواز کا نام بھی بھیج سکتے ہیں، مثلاً Orpheus English کے لیے troy یا Orpheus Arabic کے لیے fahad۔
  • فارمیٹس: ہر فراہم کنندہ اپنا فارمیٹ بناتا ہے۔ Groq Orpheus اور Cloudflare MeloTTS WAV بناتے ہیں۔ Cloudflare Aura MP3 بناتا ہے۔ فراہم کنندہ وہ فارمیٹ رد کرتا ہے جو وہ نہیں بنا سکتا۔ وہ غلط لیبل والی فائل نہیں بھیجتا۔
  • متن کی لمبائی: Groq ہر درخواست کے لیے زیادہ سے زیادہ 200 حروف قبول کرتا ہے۔ طویل متن کو جملوں میں تقسیم کریں اور ہر جملے کے لیے ایک درخواست بھیجیں۔
  • زبان: Orpheus کے انگریزی اور سعودی عربی ماڈلز ہیں۔ Cloudflare پر MeloTTS اس adapter کے ذریعے انگریزی استعمال کرتا ہے۔

Python: طویل متن کو چھوٹی درخواستوں میں تقسیم کریں

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}")

استعمال کے اصول اور نقصانات

  • لائسنس کی شرائط: مفت پلانز کمرشل استعمال کو محدود کر سکتے ہیں۔ Cartesia کمرشل لائسنس صرف ادا شدہ پلانز پر درج کرتا ہے۔ آڈیو شائع کرنے سے پہلے ہر فراہم کنندہ کی شرائط پڑھیں۔
  • بانٹی گئی حدیں: ماہانہ حروف کی حد اکاؤنٹ کے لیے ہے۔ زیادہ آوازیں یا زیادہ ماڈلز زیادہ حروف نہیں دیتے۔
  • Groq console کی شرائط: جب تک ایڈمن ماڈل کی شرائط قبول نہ کرے، Groq خرابی واپس کرتا ہے۔ FreeLLMAPI آپ کی طرف سے شرائط قبول نہیں کرتا۔
  • ملے جلے فارمیٹس: model: "auto" کے ساتھ دو درخواستیں مختلف فراہم کنندگان سے آ سکتی ہیں۔ فائلیں جوڑنے سے پہلے Content-Type چیک کریں، یا ایک ماڈل مقرر کریں۔
  • حصے جوڑنا: آڈیو حصوں کو ffmpeg جیسے ٹول سے جوڑیں۔ تمام حصوں کا فارمیٹ اور sample rate ایک ہونا چاہیے، اس لیے ایک دستاویز کے لیے ایک ماڈل مقرر کریں۔
  • کٹنا: تقسیم والی مثال ہر حصے کو 200 حروف پر کاٹتی ہے۔ اپنے جملے اس سے چھوٹے رکھیں، ورنہ کوئی لفظ ضائع ہو سکتا ہے۔

خرابیوں کا حل

مسئلہوجہحل
فارمیٹ پر Error 400فراہم کنندہ وہ فارمیٹ نہیں بنا سکتاresponse_format ہٹائیں، یا Orpheus سے wav مانگیں
طویل متن پر Groq درخواست ناکاممتن میں 200 سے زیادہ حروف ہیںمتن کو چھوٹے حصوں میں تقسیم کریں
شرائط کے بارے میں Groq خرابیماڈل کی شرائط قبول نہیں کی گئیںGroq console میں شرائط قبول کریں
آڈیو فائل نہیں چلتیفائل کی توسیع فارمیٹ سے میل نہیں کھاتیتوسیع طے کرنے کے لیے Content-Type ہیڈر استعمال کریں
Error 503کوئی speech ماڈل فعال نہیںکلید شامل کریں اور Models, Audio پر ایک ماڈل آن کریں
ان سب کو ایک ہی کلید سے استعمال کریں۔ FreeLLMAPI ایک اوپن سورس، خود میزبانی والا راؤٹر ہے۔ یہ ان تمام مفت ٹائرز کو ایک ہی OpenAI سے ہم آہنگ اینڈ پوائنٹ کے پیچھے رکھتا ہے، اور جب کوئی ایک ریٹ لمٹ ہو جائے تو خودکار طور پر دوسرے پر منتقل ہو جاتا ہے۔ کیٹلاگ دیکھیں یا لائیو جائیں.

اکثر پوچھے گئے سوالات

کیا کوئی مفت text to speech API ہے؟

ہاں۔ Groq، Google AI Studio، Cloudflare Workers AI، Speechify اور Cartesia حدوں کے ساتھ مفت text to speech دیتے ہیں۔ FreeLLMAPI ایک کلید کے ذریعے /v1/audio/speech درخواستیں ان فراہم کنندگان کو بھیجتا ہے۔

کون سی مفت text to speech API میں سب سے زیادہ حروف ہیں؟

جدول کے فراہم کنندگان میں سے Speechify اپنے مفت پلان پر ہر ماہ 500,000 حروف دیتا ہے۔ Cartesia ہر ماہ 20,000 credits دیتا ہے، جن میں ہر حرف کے لیے 1 credit ہے۔

کیا میں مفت text to speech آڈیو کو کاروبار کے لیے استعمال کر سکتا ہوں؟

یہ فراہم کنندہ پر منحصر ہے۔ Speechify اپنے مفت پلان پر کمرشل استعمال درج کرتا ہے۔ Cartesia کمرشل لائسنس صرف ادا شدہ پلانز پر درج کرتا ہے۔ ہر فراہم کنندہ کی شرائط پڑھیں۔

کیا OpenAI SDK مفت text to speech کے لیے کام کرتا ہے؟

ہاں۔ base_url کو http://localhost:3001/v1 پر سیٹ کریں اور client.audio.speech.create کال کریں۔ راؤٹر فراہم کنندہ منتخب کرتا ہے اور آڈیو بائٹس واپس کرتا ہے۔

متعلقہ گائیڈز

ماخذ

تمام گائیڈز · تمام مفت ماڈلز دیکھیں