Unreal Speech

O nástroji

Unreal Speech je textové TTS API zaměřené na nízkou cenu a vysoký výkon. Zvuk začne streamovat do 300 ms od požadavku, přičemž jeden požadavek může vygenerovat až 10 hodin audia. Služba je postavena na modelu Kokoro-82M a podle vlastního srovnání vychází výrazně levněji než konkurenční řešení jako ElevenLabs. API podporuje per-word timestamps – ke každému vygenerovanému slovu vrátí časový údaj začátku a konce, což umožňuje synchronizaci textu se zvukem (například zvýrazňování slov při přehrávání). Timestamps lze získat přes REST endpoint i přes WebSocket spojení pro real-time streaming audia i značek zároveň. Začít lze zdarma s limitem 250 000 znaků. Cena za další provoz klesá s rostoucím objemem využití. Nástroj je určen primárně pro vývojáře, kteří potřebují TTS integrovat do vlastních aplikací, a poskytuje ukázky kódu pro rychlý start.

Klíčové vlastnosti

• Streaming audia s latencí do 300 ms
• Generování audia o délce až 10 hodin v jednom požadavku
• Per-word timestamps pro synchronizaci textu se zvukem
• 48 hlasů v 8 jazycích
• WebSocket endpoint pro simultánní streaming audia i časových značek
• REST API s ukázkami kódu pro rychlou integraci

Časté dotazy

Kategorie