FAQ

Szybkie odpowiedzi na najczęstsze pytania.

Czy to naprawdę za darmo i bez limitu słów?

Tak. Bez rejestracji, bez limitu znaków, bez płatnej wersji. Wklej tweet albo wklej powieść — to samo narzędzie. Utrzymujemy je za darmo dzięki reklamom.

Czy zapisujecie tekst, który wklejam?

Nie. Quick TTS działa w całości po stronie klienta. Tekst, który wklejasz, jest przetwarzany przez twoją przeglądarkę i nigdy nie trafia na nasze serwery. Nie mamy z niego logów, bo do nas nie dociera.

Twój ostatni wklejony tekst jest zapisywany w localStorage przeglądarki, żeby był na miejscu, gdy przypadkiem zamkniesz kartę, ale to siedzi tylko na twoim urządzeniu. Wyczyść dane witryny, żeby się go pozbyć.

Jaka jest różnica między domyślnym głosem a „AI Voice"?

Domyślny (Browser TTS): wbudowany silnik mowy przeglądarki (Web Speech API). Dostępny od razu, działa na każdym urządzeniu i brzmi jak typowy głos TTS. Konkretne dostępne głosy zależą od systemu — Mac ma Samanthę, Windows ma Zirę i Natashę, Android i iOS mają własne zestawy.

AI Voice to trzy neuronowe silniki, które możesz włączyć; na polskich stronach widoczne są dwa z nich. Oba działają lokalnie na twoim urządzeniu po jednorazowym pobraniu — twój tekst nigdy nie opuszcza przeglądarki.

• Piper — ~60MB do pobrania, działa w WebAssembly. Działa w każdej desktopowej przeglądarce, a teraz także na telefonie. Brzmi znacznie naturalniej niż Browser TTS. Polski model: pl_PL-gosia-medium.
• Supertonic HD — najlepsza lokalna jakość dla polskiego: 44,1 kHz, działa na twojej karcie graficznej przez WebGPU. Jednorazowo około 380 MB, potem działa offline. Wymaga WebGPU — nie ma wariantu awaryjnego na WebAssembly, więc bez WebGPU ta opcja po prostu nie pojawia się w menu.
• Kokoro HQ — ~80MB, działa przez WebGPU, ale wyłącznie po angielsku (zarówno katalog głosów, jak i fonemizacja). Dlatego na polskich stronach ten silnik w ogóle się nie pokazuje.

Czy głos AI wysyła mój tekst na serwer?

Nie. Zarówno Piper, jak i Supertonic HD działają w całości w twojej przeglądarce — Piper przez WebAssembly, Supertonic HD przez WebGPU. Jedyne zapytania sieciowe to wstępne pobrania biblioteki i modelu z jsDelivr i Hugging Face. Potem cała synteza tekstu na audio dzieje się na twoim urządzeniu.

Czy działa na telefonie?

Na telefonie masz Browser TTS — działa wszędzie i używa wbudowanych głosów twojego telefonu. Piper działa teraz także na telefonie: wcześniejsze problemy Piper-WASM na iOS zniknęły wraz z aktualizacjami Safari i Chrome.

Kokoro HQ i Supertonic HD pozostają tylko na desktopie — oba wymagają WebGPU, którego mobilne GPU wciąż nie obsługują niezawodnie.

Czy mogę używać audio komercyjnie (YouTube, podcasty, produkty)?

Tak, z jednym zastrzeżeniem: warto wymienić użyty model głosu w napisach albo opisie projektu.

• Browser TTS: używa wbudowanych głosów twojego systemu. Microsoft, Apple i Google publikują własne warunki komercyjnego użycia głosów systemowych — ogólnie dopuszczalne dla incydentalnego i drobnego użytku, ale sprawdź dokumentację dla docelowego głosu, jeśli skalujesz.
• Piper: silnik na licencji MIT. Dostarczamy wybrany zestaw głosów: LibriTTS-R i VCTK na CC-BY 4.0 (komercyjne OK z atrybucją), Joe na CC0 / domena publiczna (bez ograniczeń). Atrybucję dla głosów CC-BY zwykle załatwia linijka w opisie wideo lub podcastu, np. „Głos: Piper TTS — LibriTTS-R / VCTK, CC-BY 4.0".
• Kokoro HQ: model na licencji Apache 2.0 — komercyjne użycie dozwolone. Apache 2.0 nie wymaga ścisłej atrybucji, ale w dobrym tonie jest wymienić Kokoro-82M w napisach projektu.
• Supertonic HD: różni się od pozostałych — wagi modelu są na licencji OpenRAIL-M od BigScience, która nie jest licencją permisywną. Użycie komercyjne jest dozwolone i nikt nie rości sobie praw do wygenerowanego przez Ciebie dźwięku, ale OpenRAIL-M dodaje ograniczenia dotyczące sposobu użycia, których musisz przestrzegać i które musisz przekazać każdemu, komu udostępniasz model lub jego wynik. Kod inferencyjny jest na licencji MIT.

Nie roszczymy sobie praw do audio, które generujesz. To ty odpowiadasz za zgodność z licencjami modeli źródłowych w swoim konkretnym przypadku.

Jak długi może być mój tekst?

Tak długi, jak chcesz. Dzielimy wejście na kawałki i strumieniujemy odtwarzanie, więc wklejenie dokumentu na 50 000 słów działa tak samo jak zdania — po prostu trwa dłużej. W trybie AI Voice generujemy równolegle z odtwarzaniem, żeby nie czekać długo na początek.

Dlaczego pierwsze odtworzenie AI Voice tak długo startuje?

Przy pierwszym przełączeniu na silnik AI przeglądarka musi pobrać model — ~60MB dla Pipera, ~80MB dla Kokoro HQ. Zajmuje to kilka sekund do minuty, zależnie od łącza. Potem siedzi w cache przeglądarki i kolejne użycia są szybkie. Supertonic HD to wyjątek: około 380 MB przy pierwszym uruchomieniu — weź to pod uwagę na łączu limitowanym.

Jestem na komputerze służbowym i AI Voice utknął na „Downloading..."

Niektóre sieci firmowe blokują jsDelivr lub Hugging Face — to CDN-y, które hostują Pipera i Supertonic HD. Jeśli żaden z silników AI nie kończy inicjalizacji, to prawie zawsze tego rodzaju powód. Browser TTS działa bez żadnych zewnętrznych pobrań, więc to dobre wyjście awaryjne w zamkniętych środowiskach.

Dlaczego widzę reklamy?

Reklamy płacą za domenę, hosting i czas na utrzymanie narzędzia. To umowa, dzięki której zostaje za darmo i bez limitów. Jak nie znosisz reklam, masz nasz szacunek — i adblockera w przeglądarce — do dyspozycji. Nie będziemy ci wyrzutów robić.

Czy moje wciśnięcia klawiszy są śledzone?

Nie. Nie zbieramy analityki klawiszy ani keystroke loggingu. Pełen opis w Polityce prywatności.

Coś się zepsuło / mam uwagi

Napisz na hello@quick-tts.com. Podaj przeglądarkę i system.