TTS大模型与API报价

TTS大模型效果最好的API及报价

1. ElevenLabs

• 效果：业界公认最自然、情感丰富，支持多语种和自定义声音克隆。
• API报价（2024年6月）：
  • 免费额度：每月1万字符
  • Starter：$5/月，10万字符
  • Creator：$22/月，50万字符
  • Independent Publisher：$99/月，200万字符
  • 超额部分约$0.30/10万字符
• 官网

2. OpenAI TTS (Speech API)

• 效果：基于Whisper和自研TTS，语音自然，适合多场景。
• API报价（2024年6月）：
  • $0.015/1000字符（标准）
  • $0.030/1000字符（高质量）
• 官方文档

3. Microsoft Azure Speech

• 效果：多语种、情感、风格丰富，适合企业级应用。
• API报价（2024年6月）：
  • 标准语音：$4/100万字符
  • 神经网络语音：$16/100万字符
• 官方文档

4. Google Cloud Text-to-Speech

• 效果：支持多语种、WaveNet高质量语音。
• API报价（2024年6月）：
  • 标准：$4/100万字符
  • WaveNet：$16/100万字符
• 官方文档

5. 科大讯飞（iFLYTEK）

• 效果：中文语音合成自然度业界领先，支持多种情感、方言和自定义音色。
• API报价（2024年6月）：
  • 免费额度：每月10万字符
  • 标准语音：约￥20/100万字符
  • 智能语音合成（高质量）：约￥50/100万字符
• 官方文档
• 星火大模型-开源

效果最好的开源TTS大模型

1. Bark

• 简介：Suno团队开源，支持多语种、情感、音乐、非语言声音，效果接近ElevenLabs。
• 地址：Bark GitHub

2. XTTS (Coqui)

• 简介：支持多语种、跨语言语音克隆，推理速度快，社区活跃。
• 地址：XTTS GitHub

3. VITS

• 简介：基于端到端神经网络，支持高质量语音合成，适合中文和多语种。
• 地址：VITS GitHub

4. Tortoise TTS

• 简介：以高保真和多样性著称，适合生成长文本和多风格语音。
• 地址：Tortoise TTS GitHub

5. FastSpeech2

• 简介：高效、端到端，适合实时语音合成。
• 地址：FastSpeech2 GitHub

6. 百度（Baidu PaddleSpeech）

• 简介：支持多语种、情感、风格，语音自然，适合多场景。
• 地址：
  • PaddleSpeech TTS（支持多种高质量TTS模型，包括FastSpeech2、VITS等）