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 کنندہ | ماڈل | مفت حد (سرکاری) | آؤٹ پٹ | نوٹس |
|---|---|---|---|---|
| Groq | Orpheus English، Orpheus Arabic (Saudi) | روزانہ حدوں والا مفت پلان۔ ہر درخواست کے لیے زیادہ سے زیادہ 200 حروف | صرف WAV | تنظیم کے ایڈمن کو پہلے Groq console میں ماڈل کی شرائط قبول کرنی ہوں گی |
| Google AI Studio | Gemini 2.5 Flash TTS (preview) | مفت ٹائر: ان پٹ اور آؤٹ پٹ مفت ہیں، ریٹ حدوں کے ساتھ | WAV | بہت سی آوازیں۔ قدرتی بولی کے لیے اچھا |
| Cloudflare Workers AI | MeloTTS | ہر روز 10,000 neurons۔ MeloTTS ہر آڈیو منٹ کے لیے 18.63 neurons استعمال کرتا ہے | WAV | تقریباً 536 آڈیو منٹ روزانہ، اگر کوئی دوسرا ماڈل بجٹ استعمال نہ کرے۔ زبان کا انتخاب کنندہ ہے، آواز کا انتخاب کنندہ نہیں |
| Cloudflare Workers AI | Deepgram Aura 1 | وہی 10,000 neurons۔ Aura 1 ہر 1,000 حروف کے لیے 1,363.64 neurons استعمال کرتا ہے | MP3 | تقریباً 7,300 حروف روزانہ |
| Speechify | Simba | ہر ماہ 500,000 حروف، کارڈ کی ضرورت نہیں | MP3 | مفت پلان پر کمرشل استعمال درج ہے۔ Simba 3.5، 21 نومبر 2026 سے 333,000 حروف تک گھٹ جاتا ہے |
| Cartesia | Sonic | ہر ماہ 20,000 credits۔ 1 credit ایک حرف کے برابر ہے | WAV | کمرشل 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 | bashڈیش 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.txtPython: 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 لیےtroyیا Orpheus Arabic کے لیےfahad۔ - 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 پہلےContent-Typeچیک 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
| مسئلہ | وجہ | حل |
|---|---|---|
| فارمیٹ پر Error 400 | فراہم کنندہ وہ فارمیٹ نہیں بنا سکتا | response_format ہٹائیں، یا Orpheus سے wav مانگیں |
| طویل متن پر Groq درخواست ناکام | متن میں 200 سے زیادہ حروف ہیں | متن کو چھوٹے حصوں میں تقسیم کریں |
| شرائط کے بارے میں Groq خرابی | ماڈل کی شرائط قبول نہیں کی گئیں | Groq console میں شرائط قبول کریں |
| آڈیو فائل نہیں چلتی | فائل کی توسیع فارمیٹ سے میل نہیں کھاتی | توسیع طے کرنے کے لیے Content-Type ہیڈر استعمال کریں |
| Error 503 | کوئی speech ماڈل فعال نہیں | کلید شامل کریں اور Models, Audio پر ایک ماڈل آن کریں |
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
- FreeLLMAPI docs: Images, video and text-to-speech (20 November 2026 کو جانچا گیا)
- FreeLLMAPI docs: Groq Orpheus speech (20 November 2026 کو جانچا گیا)
- Groq docs: Orpheus text to speech (20 November 2026 کو جانچا گیا)
- Gemini Developer API pricing (20 November 2026 کو جانچا گیا)
- Cloudflare Workers AI pricing (20 November 2026 کو جانچا گیا)
- Speechify API pricing (20 November 2026 کو جانچا گیا)
- Cartesia pricing (20 November 2026 کو جانچا گیا)