GYIK

Rövid válaszok a gyakori kérdésekre.

Tényleg ingyenes, karakterkorlát nélkül?

Igen. Nincs regisztráció, nincs karakterkorlát, nincs fizetős csomag. Ugyanaz az eszköz, akár egy tweetet, akár egy regényt illesztesz be. Hirdetésekből tartjuk fenn az ingyenességet.

Tárolja a beillesztett szövegemet?

Nem. A Quick TTS teljesen kliensoldalon fut. A beillesztett szöveg a böngésződben dolgozódik fel, és sosem kerül a szervereinkre. Mivel el sem jut hozzánk, napló sem készül róla.

A legutóbbi szöveged a böngésző localStorage-ában marad, hogy egy véletlen fültörés után se vesszen el — ez viszont kizárólag a te eszközödön létezik. A törléshez töröld a böngésző webhelyadatait.

Mi a különbség az alapértelmezett hang és az "AI Voice" között?

Alapértelmezett (Browser TTS): a böngésződbe épített hangmotor (Web Speech API). Azonnal működik, minden eszközön elérhető, és egy megszokott rendszerhangnak hangzik. A pontosan elérhető hangok az operációs rendszertől függenek — Macen Samantha, Windowson Zira és Natasha, Androidon és iOS-en saját hangjaik vannak.

Az AI Voice három neurális motort takar, de a magyar oldalon ezek közül csak egy jelenik meg. Ez a motor egyszeri letöltés után helyben, a te eszközödön fut — a szöveg nem hagyja el a böngészőt.

• Piper — kb. 60MB letöltés, WebAssembly-ben fut. Minden asztali böngészőn és telefonon is működik, de nem beszél magyarul: a Piper felsőfokú hangkatalógusában nincs magyar modell.
• Supertonic HD — az egyetlen minőségi motor, amely magyarul beszél a böngészőben, helyben. 44,1 kHz-es minőségben fut a GPU-n WebGPU-n keresztül, egyszeri ~380 MB letöltés után pedig offline is használható. WebGPU nélkülözhetetlen hozzá, és nincs WebAssembly alternatívája — ha nincs WebGPU, a motorválasztóban meg sem jelenik.
• Kokoro HQ — kb. 80MB, WebGPU-n fut, de kizárólag angolul beszél (a hanglistája és a hangzókonverziója is angolra korlátozódik). Ezért ez a motor nem jelenik meg a magyar oldalon.

Az AI hang elküldi a szöveget a szerverre?

Nem. A Supertonic HD kizárólag a böngészőben fut, WebGPU-n keresztül. Hálózati kérés csak akkor történik, amikor a könyvtárat és a modellt először letöltöd a Hugging Face-ről — utána a szöveg hanggá alakítása teljes egészében az eszközödön zajlik.

Működik mobilon is?

Telefonon a Browser TTS-t tudod használni — az eszközbe épített hangokat használja, így mindenhol működik.

A Supertonic HD és a Kokoro HQ egyelőre csak asztali gépen érhető el — mindkettőhöz WebGPU szükséges, amit a mobil GPU-k még nem támogatnak megbízhatóan.

Kereskedelmi célra is felhasználhatom a generált hangot (YouTube, podcast, termék)?

Igen, egy feltétellel: érdemes feltüntetni a felhasznált hangmodellt a projekted stáblistáján vagy leírásában.

• Browser TTS: az operációs rendszer beépített hangjait használja. A Microsoft, az Apple és a Google saját feltételeket ír elő a rendszerhangok kereskedelmi használatára — kisebb, alkalmi felhasználás jellemzően engedélyezett, nagyobb léptékű terjesztéshez érdemes ellenőrizni a célhang dokumentációját.
• Piper: a motor MIT licencű. A hangmodellek közül a LibriTTS-R és a VCTK CC-BY 4.0 alatt áll (feltüntetéssel kereskedelmi felhasználásra is), a Joe pedig CC0 / közkincs (korlátozás nélkül). A CC-BY hangok feltüntetéséhez elég egy rövid sor a videó vagy podcast leírásában: "Hang: Piper TTS — LibriTTS-R / VCTK, CC-BY 4.0".
• Kokoro HQ: a modell Apache 2.0 licencű — kereskedelmi felhasználásra engedélyezett. Az Apache 2.0 szigorúan nem írja elő a feltüntetést, de jó gyakorlat megemlíteni a Kokoro-82M-et a stáblistán.
• Supertonic HD: ez eltér a többi motortól — a modellsúlyok a BigScience OpenRAIL-M licence alatt állnak, amely nem egy megengedő (permissive) licenc. Kereskedelmi felhasználásra engedélyezett, és nem tart igényt a generált hang jogaira, de az OpenRAIL-M használatalapú korlátozásokat ír elő, amelyeket be kell tartanod, és tovább kell adnod mindenkinek, akivel a modellt vagy annak kimenetét megosztod. A következtető kód MIT licencű.

Nem tartunk igényt az általad generált hang jogaira. A konkrét felhasználási esetedben a licencek betartása a te felelősséged.

Van korlátozás a szöveg hosszára?

Bármilyen hosszú lehet. A bemenetet darabokra bontjuk és folyamatosan lejátsszuk, így egy 50 000 szavas dokumentum ugyanúgy működik, mint egy mondat — csak tovább tart. Az AI Voice útvonal párhuzamosan generálja és játssza le a hangot, így elöl nem kell sokáig várnod.

Miért tart olyan sokáig az első lejátszás AI hanggal?

Amikor először váltasz AI motorra, a böngésződnek le kell töltenie a modellt — a Piper esetében kb. 60MB-ot, a Kokoro HQ esetében kb. 80MB-ot. A kapcsolattól függően ez néhány másodperctől egy percig tarthat. Utána a böngésző gyorsítótárazza, így a következő használat gyors lesz. A Supertonic HD kivétel, mert elsőre kb. 380MB-ot tölt le. Korlátozott adatforgalmú kapcsolaton érdemes ezzel számolni.

Munkahelyi gépen az AI hang beragad a "Letöltés folyamatban..." állapotban

Néhány céges hálózat blokkolja a jsDelivr-t vagy a Hugging Face-t, amelyek a Piper és a Supertonic HD fájljait tárolják. Ha bármelyik AI motor inicializálása soha nem fejeződik be, szinte biztosan ez az oka. A Browser TTS külső letöltés nélkül is működik, ezért korlátozott környezetben jó alternatíva.

Miért látok hirdetéseket?

A domain és a tárhely költségeit, valamint az eszköz karbantartására fordított időt hirdetésekből fedezzük. Ez az ára annak, hogy korlátlanul ingyenes maradjon. Ha nem szeretnél hirdetéseket látni, megértjük — nyugodtan használj hirdetésblokkolót, nem próbálunk lelkiismeret-furdalást kelteni.

Naplózzák a billentyűleütéseimet?

Nem. Nem üzemeltetünk billentyűnaplózást vagy ehhez hasonlót. Részletek az adatvédelmi tájékoztatóban.

Problémám van / visszajelzésem lenne

Írj a hello@quick-tts.com címre. Add meg, milyen böngészőt és operációs rendszert használsz.