KKK

Lühikesed vastused levinud küsimustele.

Kas see on tõesti tasuta ja ilma tähemärgipiiranguta?

Jah. Registreerimist, tähemärgipiirangut ega tasulist taset ei ole. Sama tööriist, olgu tegu säutsu või romaaniga. Reklaamid hoiavad selle tasuta.

Kas hoiate teksti, mille kleebin?

Ei. Quick TTS töötab täielikult kliendipoolel. Kleebitud tekst töödeldakse brauseris ega saadeta meie serveritesse. Kuna see ei jõuagi meieni, ei ole ka logisid.

Sinu viimane tekst salvestatakse brauseri localStorage'is, et see säiliks kogemata suletud vahekaardi puhul, kuid see jääb ainult sinu seadmesse. Kustutamiseks tühjenda oma brauseri saidiandmed.

Mis vahe on vaikehäälel ja "tehisintellekti häälel"?

Vaikimisi (Brauseri TTS): sinu brauserisse sisseehitatud kõnemootor (Web Speech API). Töötab koheselt ja kõikidel seadmetel ning kõlab nagu tavaline süsteemihääl. Täpsed saadaolevad hääled sõltuvad operatsioonisüsteemist.

Tehisintellekti hääl on kolm valikulist tehisnärvivõrgu mootorit, millest eestikeelsel lehel kuvatakse üks. Mõlemad töötavad ühekordse allalaadimise järel kohapeal sinu seadmes — tekst ei lahku kunagi brauserist.

• Piper — umbes 60 MB allalaadimine, töötab WebAssembly kaudu. Töötab igas lauaarvuti brauseris ja nüüd ka telefonis, kuid ei paku eestikeelset häält.
• Supertonic HD — ainus kõrgkvaliteetne mootor, mis genereerib eesti keelt kohapeal brauseris. Töötab 44,1 kHz sagedusel GPU-l WebGPU kaudu, ühekordse umbes 380 MB allalaadimisega, misjärel töötab võrguühenduseta. See vajab WebGPU-d ja WebAssembly-varianti pole, seega ilma WebGPU-ta ei kuvata seda menüüs üldse.
• Kokoro HQ — umbes 80 MB, töötab WebGPU kaudu, kuid on ainult ingliskeelne (nii häälte loend kui foneemimuundur). Seetõttu ei kuvata seda mootorit eestikeelsel lehel.

Kas tehisintellekti hääl saadab minu teksti serverisse?

Ei. Nii Piper kui ka Supertonic HD töötavad täielikult brauseris — Piper WebAssembly kaudu, Supertonic HD WebGPU kaudu. Ainsad võrgupäringud on teegi ja mudeli ühekordsed allalaadimised jsDelivrist ja Hugging Face'ist; pärast seda toimub kogu teksti kõneks muutmine sinu enda seadmes.

Kas see töötab mobiilis?

Telefonis saab kasutada Brauseri TTS-i — see kasutab seadmesse sisseehitatud hääli ja töötab kõikjal. Piper töötab nüüd samuti telefonis, ent Piperil pole eestikeelset häält. Varasemad probleemid iOS-is lahenesid Safari ja Chrome'i uuendustega.

Kokoro HQ ja Supertonic HD jäävad lauaarvutipõhiseks — mõlemad vajavad WebGPU-d, mida mobiilsed GPU-d veel usaldusväärselt ei toeta.

Kas võin genereeritud heli kasutada kommertseesmärgil (YouTube, taskuhäälingud, tooted)?

Jah, ühe tingimusega: tasub kasutatud häälemudel oma projekti tänuavaldustesse või kirjeldusse märkida.

• Brauseri TTS: kasutab operatsioonisüsteemi sisseehitatud hääli. Microsoft, Apple ja Google avaldavad oma tingimused süsteemihäälte kommertskasutuse kohta; üldjuhul on juhuslik või väikesemahuline kasutus lubatud, kuid suuremahulise levitamise korral kontrolli häälte dokumentatsiooni.
• Piper: mootor on MIT-litsentsiga. Kaasas on kureeritud hääled — LibriTTS-R ja VCTK on CC-BY 4.0 (kommertskasutus lubatud, kui viidatakse autorile), Joe on CC0 / avalik omand (piiranguteta). CC-BY hääle puhul piisab tavaliselt ühest reast video- või taskuhäälingu kirjelduses, näiteks "Hääl: Piper TTS — LibriTTS-R / VCTK, CC-BY 4.0".
• Kokoro HQ: mudel on Apache 2.0 litsentsiga — kommertskasutus lubatud. Apache 2.0 ei nõua rangelt autorile viitamist, kuid hea tava kohaselt soovitame mainida Kokoro-82M-i oma projekti tänuavaldustes.
• Supertonic HD: erineb teistest mootoritest — mudeli kaalud on litsentseeritud BigScience'i OpenRAIL-M litsentsiga, mis ei ole vabakäeline litsents. Kommertskasutus on lubatud ja genereeritud heli suhtes õigusi ei nõuta, kuid OpenRAIL-M lisab kasutuspõhiseid piiranguid, mida tuleb järgida ja edasi anda kõigile, kellega mudelit või selle väljundit jagad. Järeldusmiskood on MIT-litsentsiga.

Me ei nõua õigusi genereeritud heli suhtes. Konkreetse kasutusjuhu puhul iga mudeli litsentsi järgimine on sinu vastutus.

Kas teksti pikkusele on piirang?

Nii pikk kui soovid. Sisend jagatakse osadeks ja voogesitatakse, seega 50 000-sõnaline dokument töötab samamoodi nagu üks lause — see lihtsalt võtab kauem aega. Tehisintellekti hääle puhul toimub genereerimine ja esitamine paralleelselt, nii et alguses pole pikka ootamist.

Miks võtab tehisintellekti hääle esimene esitus nii kaua aega?

Esimest korda tehisintellekti mootorile lülitudes peab brauser mudeli alla laadima — Piper on umbes 60 MB, Kokoro HQ umbes 80 MB. Sõltuvalt ühendusest võtab see mõnest sekundist kuni minutini. Pärast seda on mudel brauseris vahemällu salvestatud ja järgmised kasutuskorrad on kiired. Supertonic HD on erand — see laeb esimest korda alla umbes 380 MB. Mahupõhise ühenduse korral arvesta sellega.

Töökohas jääb tehisintellekti hääl "Laadimine..." juurde kinni

Mõned ettevõtete võrgud blokeerivad jsDelivri või Hugging Face'i — CDN-e, mis hostivad tehisintellekti mudeleid. Kui kumbki tehisintellekti mootor ei lõpeta käivitumist, on see peaaegu alati põhjuseks. Brauseri TTS ei tee väliseid päringuid, seega on see piiratud keskkondades hea alternatiiv.

Miks ma näen reklaame?

Reklaamid katavad domeeni, hostimise ja hoolduse kulud. See on hind, mida tuleb maksta, et hoida tööriist tasuta ja piiranguteta. Kui reklaamid tõesti häirivad, mõistame — brauseri reklaamiblokeerija on täiesti sobiv lahendus. Süümepiina me ei tekita.

Kas klahvivajutusi jälgitakse?

Ei. Me ei kasuta analüütikat ega klahvivajutuste logimist. Täpsemalt vaata privaatsuspoliitikast.

Midagi läks katki / mul on tagasisidet

Kirjuta hello@quick-tts.com. Lisa palun oma brauser ja operatsioonisüsteem.