Trang chủ / Hướng dẫn / API chuyển văn bản thành giọng nói miễn phí

API chuyển văn bản thành giọng nói miễn phí

API chuyển văn bản thành giọng nói (TTS) biến văn bản thành âm thanh. Một số nhà cung cấp cho TTS miễn phí, với giới hạn ký tự hoặc số yêu cầu. FreeLLMAPI gửi yêu cầu /v1/audio/speech tới các nhà cung cấp có mô hình giọng nói. Khi một nhà cung cấp thất bại hoặc chạm giới hạn, bộ định tuyến thử nhà cung cấp tiếp theo.

Mã, tên mô hình và nhãn danh mục trực tiếp được hiển thị bằng tiếng Anh.

Nhà cung cấp TTS miễn phí

Bảng liệt kê các nhà cung cấp có hạn mức TTS miễn phí. Chúng tôi đã kiểm tra từng giới hạn trên trang chính thức của nhà cung cấp. Hạn mức giọng nói miễn phí dùng ký tự, yêu cầu hoặc ngân sách tính toán mỗi ngày, vì vậy hãy so sánh cẩn thận.

Hạn mức TTS miễn phí từ trang nhà cung cấp, đã kiểm tra ngày 20 tháng 11 năm 2026
Nhà cung cấpMô hìnhHạn mức miễn phí (chính thức)Đầu raGhi chú
GroqOrpheus English, Orpheus Arabic (Saudi)Gói miễn phí có giới hạn theo ngày. Tối đa 200 ký tự cho mỗi yêu cầuChỉ WAVQuản trị viên tổ chức phải chấp nhận điều khoản mô hình trong bảng điều khiển Groq trước
Google AI StudioGemini 2.5 Flash TTS (preview)Gói miễn phí: đầu vào và đầu ra miễn phí, có giới hạn tốc độWAVNhiều giọng nói. Tốt cho lời nói tự nhiên
Cloudflare Workers AIMeloTTS10.000 neuron mỗi ngày. MeloTTS dùng 18,63 neuron cho mỗi phút âm thanhWAVKhoảng 536 phút âm thanh mỗi ngày nếu không có mô hình nào khác dùng ngân sách. Có bộ chọn ngôn ngữ, không có bộ chọn giọng
Cloudflare Workers AIDeepgram Aura 1Cùng 10.000 neuron. Aura 1 dùng 1.363,64 neuron cho mỗi 1.000 ký tựMP3Khoảng 7.300 ký tự mỗi ngày
SpeechifySimba500.000 ký tự mỗi tháng, không cần thẻMP3Gói miễn phí liệt kê việc sử dụng thương mại. Simba 3.5 giảm xuống 333.000 ký tự từ ngày 21 tháng 11 năm 2026
CartesiaSonic20.000 credit mỗi tháng. 1 credit là 1 ký tựWAVGiấy phép sử dụng thương mại chỉ được liệt kê cho gói trả phí

Các số "khoảng" là phép tính của chúng tôi dựa trên mức giá đã công bố. Ngân sách Cloudflare được dùng chung bởi tất cả mô hình Workers AI trên một tài khoản, bao gồm mô hình chat và mô hình hình ảnh.

Bước 1: Cài đặt FreeLLMAPI và thêm khóa giọng nói

FreeLLMAPI là mã nguồn mở. Nó chạy trên máy tính của bạn trong Docker. Khóa nhà cung cấp của bạn nằm trên máy tính của bạn.

Cài đặt (macOS hoặc Linux)

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

Mở bảng điều khiển tại http://localhost:3001. Thêm khóa của bạn ở trang Keys. Khóa Groq hoặc khóa Google AI Studio cũng bật các mô hình giọng nói của họ. Sau đó mở Models, Audio để xem các mô hình giọng nói và bật hoặc tắt chúng. Sao chép khóa thống nhất của bạn từ trang Keys.

Bước 2: Tạo giọng nói

Endpoint dùng định dạng yêu cầu của OpenAI. Trường input là bắt buộc. Các trường model, voice và response_format là tùy chọn. Nội dung phản hồi là tệp âm thanh.

curl: để bộ định tuyến chọn nhà cung cấp

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: ghim 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 cho biết nhà cung cấp nào đã tạo âm thanh. Header Content-Type cho biết định dạng, ví dụ audio/wav hoặc audio/mpeg.

Giọng nói, định dạng và độ dài văn bản

  • Giọng nói: tên giọng chuẩn của OpenAI, như alloy, được ánh xạ tới một giọng gốc đã kiểm tra trên nhiều nhà cung cấp. Bạn cũng có thể gửi tên giọng gốc, ví dụ troy cho Orpheus English hoặc fahad cho Orpheus Arabic.
  • Định dạng: mỗi nhà cung cấp tạo định dạng riêng. Groq Orpheus và Cloudflare MeloTTS tạo WAV. Cloudflare Aura tạo MP3. Nhà cung cấp từ chối định dạng mà họ không thể tạo. Họ không gửi tệp với nhãn sai.
  • Độ dài văn bản: Groq chấp nhận tối đa 200 ký tự cho mỗi yêu cầu. Chia văn bản dài thành các câu và gửi một yêu cầu cho mỗi câu.
  • Ngôn ngữ: Orpheus có mô hình tiếng Anh và tiếng Ả Rập Saudi. MeloTTS trên Cloudflare dùng tiếng Anh qua bộ điều hợp này.

Python: chia văn bản dài thành các yêu cầu ngắn

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}")

Quy tắc sử dụng và lỗi thường gặp

  • Điều khoản giấy phép: gói miễn phí có thể giới hạn việc sử dụng thương mại. Cartesia chỉ liệt kê giấy phép thương mại cho gói trả phí. Đọc điều khoản của từng nhà cung cấp trước khi xuất bản âm thanh.
  • Hạn mức dùng chung: hạn mức ký tự hàng tháng là của tài khoản. Thêm nhiều giọng hoặc nhiều mô hình không cho thêm ký tự.
  • Điều khoản trong bảng điều khiển Groq: Groq trả về lỗi cho đến khi quản trị viên chấp nhận điều khoản mô hình. FreeLLMAPI không chấp nhận điều khoản thay bạn.
  • Định dạng lẫn lộn: với model: "auto", hai yêu cầu có thể đến từ các nhà cung cấp khác nhau. Kiểm tra Content-Type trước khi ghép tệp, hoặc ghim một mô hình.
  • Ghép các phần: ghép các phần âm thanh bằng công cụ như ffmpeg. Tất cả các phần phải có cùng định dạng và cùng tần số lấy mẫu, vì vậy hãy ghim một mô hình cho một tài liệu.
  • Cắt ngắn: ví dụ chia nhỏ cắt mỗi phần ở 200 ký tự. Giữ câu của bạn ngắn hơn mức đó, nếu không một từ có thể bị mất.

Khắc phục sự cố

Vấn đềNguyên nhânCách khắc phục
Lỗi 400 với một định dạngNhà cung cấp không thể tạo định dạng đóXóa response_format, hoặc yêu cầu wav từ Orpheus
Yêu cầu Groq thất bại với văn bản dàiVăn bản có hơn 200 ký tựChia văn bản thành các phần ngắn
Lỗi Groq về điều khoảnChưa chấp nhận điều khoản mô hìnhChấp nhận điều khoản trong bảng điều khiển Groq
Tệp âm thanh không phát đượcPhần mở rộng tệp không khớp với định dạngDùng header Content-Type để đặt phần mở rộng
Lỗi 503Chưa bật mô hình giọng nói nàoThêm khóa và bật một mô hình ở Models, Audio
Dùng tất cả các mô hình này qua một khóa duy nhất. FreeLLMAPI là bộ định tuyến mã nguồn mở, tự lưu trữ. Nó đặt tất cả các gói miễn phí này sau một endpoint duy nhất tương thích OpenAI, và tự chuyển sang nhà cung cấp khác khi một nhà cung cấp bị giới hạn tốc độ. Xem danh mục hoặc bắt đầu.

Câu hỏi thường gặp

Có API chuyển văn bản thành giọng nói miễn phí không?

Có. Groq, Google AI Studio, Cloudflare Workers AI, Speechify và Cartesia cung cấp chuyển văn bản thành giọng nói miễn phí với giới hạn. FreeLLMAPI gửi yêu cầu /v1/audio/speech tới các nhà cung cấp này qua một khóa duy nhất.

API chuyển văn bản thành giọng nói miễn phí nào có nhiều ký tự nhất?

Trong số các nhà cung cấp trong bảng, Speechify liệt kê 500.000 ký tự mỗi tháng trên gói miễn phí. Cartesia liệt kê 20.000 credit mỗi tháng, với 1 credit cho mỗi ký tự.

Tôi có thể dùng âm thanh TTS miễn phí cho mục đích thương mại không?

Tùy thuộc vào nhà cung cấp. Speechify liệt kê việc sử dụng thương mại trên gói miễn phí của họ. Cartesia chỉ liệt kê giấy phép thương mại cho gói trả phí. Hãy đọc điều khoản của từng nhà cung cấp.

SDK của OpenAI có hoạt động với chuyển văn bản thành giọng nói miễn phí không?

Có. Đặt base_url thành http://localhost:3001/v1 và gọi client.audio.speech.create. Bộ định tuyến chọn một nhà cung cấp và trả về dữ liệu âm thanh.

Hướng dẫn liên quan

Nguồn

Tất cả hướng dẫn · Xem tất cả mô hình miễn phí