BUJ

Īsas atbildes uz biežāk uzdotajiem jautājumiem.

Vai tas tiešām ir bezmaksas un bez rakstzīmju limita?

Jā. Nav reģistrēšanās, nav rakstzīmju limita, nav maksas līmeņu. Vienalga, vai ielīmējat tvītu vai romānu, rīks ir tas pats. Bezmaksas to uztur reklāmas.

Vai jūs saglabājat manu ielīmēto tekstu?

Nē. Quick TTS darbojas pilnībā klienta pusē. Ielīmētais teksts tiek apstrādāts pārlūkā un netiek nosūtīts uz mūsu serveriem. Tas pat nesasniedz mūs, tāpēc žurnālu nav.

Pēdējais teksts tiek saglabāts pārlūka localStorage, lai tas nepazustu, ja tabulu netīšām aizverat, taču tas paliek tikai jūsu ierīcē. Lai to izdzēstu, notīriet pārlūka vietnes datus.

Kāda ir atšķirība starp noklusējuma balsi un "AI balsi"?

Noklusējuma (Browser TTS): pārlūkā iebūvēts balss dzinis (Web Speech API). Darbojas uzreiz jebkurā ierīcē un izklausās kā parasta sistēmas balss. Pieejamā balss ir atkarīga no OS — Mac ir sava, Windows sava, Android un iOS sava.

AI balss ir trīs iespējamie neironu dzinēji, no kuriem latviešu lapā redzams tikai viens. Tas darbojas lokāli jūsu ierīcē pēc vienreizējas lejupielādes — teksts neiziet ārpus pārlūka.

• Piper — apmēram 60MB lejupielāde, darbojas ar WebAssembly. Darbojas jebkurā datora pārlūkā un tagad arī tālrunī, taču latviešu balsi nepiedāvā.
• Supertonic HD — vienīgais augstas kvalitātes dzinis, kas latviešu valodu sintezē lokāli pārlūkā. Darbojas 44,1 kHz, izmantojot GPU ar WebGPU, ar vienreizēju apmēram 380 MB lejupielādi, pēc kuras tas darbojas bezsaistē. Nepieciešams WebGPU bez WebAssembly alternatīvas, tāpēc bez WebGPU tas izvēlnē vispār neparādās.
• Kokoro HQ — apmēram 80MB, darbojas ar WebGPU, taču ir tikai angļu valodai (gan balsu saraksts, gan fonēmu pārveide). Tāpēc latviešu lapā šis dzinis netiek rādīts.

Vai AI balss sūta manu tekstu uz serveri?

Nē. Supertonic HD darbojas tikai pārlūkā, izmantojot WebGPU. Tīkla pieprasījumi notiek vienīgi tad, kad no jsDelivr un Hugging Face pirmoreiz tiek lejupielādēta bibliotēka un modelis, un pēc tam teksta pārvēršana runā notiek pilnībā jūsu ierīcē.

Vai tas darbojas mobilajā ierīcē?

Tālrunī var izmantot Browser TTS — tas izmanto ierīcē iebūvēto balsi, tāpēc darbojas visur.

Kokoro HQ un Supertonic HD paliek tikai datoram — abiem nepieciešams WebGPU, ko mobilo ierīču GPU vēl droši neatbalsta.

Vai ģenerēto audio drīkst izmantot komerciāli (YouTube, aplādes, produkts)?

Var, ar vienu ieteikumu: ir labi projekta aprakstā vai kredītos norādīt, kurš balss modelis tika izmantots.

• Browser TTS: izmanto OS iebūvētās balsis. Microsoft, Apple un Google katrs publicē savus noteikumus sistēmas balsu komerciālai izmantošanai; parasti neliela vai gadījuma lietošana ir atļauta, taču plašai izplatīšanai pārbaudiet konkrētās balss dokumentāciju.
• Piper: dzinis ar MIT licenci, ar izvēlētu balsu kopu. LibriTTS-R un VCTK ir CC-BY 4.0 (komerciāla lietošana atļauta, norādot autorību), Joe ir CC0 / sabiedriskais domēns (bez ierobežojumiem). CC-BY balsīm autorības norāde parasti nozīmē vienu rindiņu video vai aplādes aprakstā, piemēram: "Voice by Piper TTS — LibriTTS-R / VCTK, CC-BY 4.0".
• Kokoro HQ: modelim ir Apache 2.0 licence — komerciāla lietošana atļauta. Apache 2.0 formāli autorības norādi neprasa, taču labas prakses labad ieteicams Kokoro-82M pieminēt projekta kredītos.
• Supertonic HD: atšķiras no pārējiem — modeļa svari izmanto BigScience OpenRAIL-M licenci, kas nav brīvi izplatāma (permissive) licence. Komerciāla lietošana ir atļauta, un mēs neattiecinām tiesības uz ģenerēto audio, taču OpenRAIL-M nosaka lietošanas ierobežojumus, kas jāievēro un jāattiecina uz ikvienu, kam nododat modeli vai tā izvadi. Secinājumu kods ir MIT.

Mēs neattiecinām tiesības uz jūsu ģenerēto audio. Atbildība par katras modeļa licences ievērošanu konkrētā lietošanas gadījumā ir jūsu ziņā.

Vai ir teksta garuma ierobežojums?

Var būt tik garš, cik vēlaties. Ievade tiek sadalīta daļās un straumēta, tāpēc 50 000 vārdu dokuments darbojas tāpat kā viens teikums — tas vienkārši aizņem ilgāku laiku. AI balss ceļā ģenerēšana un atskaņošana notiek paralēli, tāpēc sākumā nav ilgi jāgaida.

Kāpēc pirmajai AI balss atskaņošanai vajag tik ilgi?

Pirmoreiz pārslēdzoties uz AI dzini, pārlūkam jālejupielādē modelis — Supertonic HD apmēram 380MB. Atkarībā no interneta ātruma tas var aizņemt no dažām sekundēm līdz minūtei. Pēc tam modelis tiek kešatmiņā pārlūkā, un turpmākā izmantošana ir ātra. Ja jums ir maksas dati, ņemiet to vērā.

Darba datorā AI balss iestrēgst pie "Lejupielādē..."

Dažos uzņēmumu tīklos ir bloķēts jsDelivr vai Hugging Face — CDN, kas mitina Supertonic HD. Ja AI dzinis nekad nepabeidz inicializāciju, tas gandrīz vienmēr ir šis iemesls. Browser TTS darbojas bez ārējām lejupielādēm, tāpēc ierobežotā vidē tas ir laba alternatīva.

Kāpēc redzu reklāmas?

Lai segtu domēna izmaksas, mitināšanu un rīka uzturēšanas laiku. Tā ir apmaiņa, kas ļauj rīku turēt neierobežoti bezmaksas. Ja reklāmas jums tiešām traucē, to saprotam — droši izmantojiet pārlūka reklāmu bloķētāju. Vainas apziņu neizraisīsim.

Vai tiek izsekoti mani taustiņsitieni?

Nē. Mēs neveicam ne analītiku, ne taustiņu reģistrēšanu šajā nozīmē. Sīkāku informāciju skatiet privātuma politikā.

Man ir problēma / ir atsauksme

Rakstiet uz hello@quick-tts.com. Norādiet arī pārlūku un OS.