Vogent Voicelab

Vogent Voicelab ist eine API, um die besten Open-Source-Text-zu-Sprache-Modelle zu betreiben, also die, die in den Sprach-Rankings immer oben stehen, ohne eigene GPUs aufzustellen. Sie schicken Text an einen Endpunkt, wählen eine Stimme und bekommen Audio zurück. Das ist die ganze Arbeit, und sie richtet sich an Entwickler, die realistische Sprache in einem Produkt wollen statt eines weiteren Abos, das verwaltet werden muss.

Die Modelle sind der Reiz. Sesame CSM-1B meistert natürlichen Dialog hin und her, Dia liest allgemeinen Text und nimmt emotionale Marken wie ein Lachen oder Seufzen an, und Orpheus legt beim Ausdruck noch eine Schippe drauf. Alle paar Wochen kommt eine neue Open-Source-Stimme dazu, und Voicelab hält eine laufende Liste bereit, damit Sie das Neueste testen, ohne Ihren Stack umzubauen.

Die Einschränkung sollten Sie von Anfang an kennen. Manche Modelle sind noch nicht nachtrainiert, deshalb kann die Qualität zwischen Durchläufen schwanken, und fast das ganze Sortiment spricht zuerst Englisch. Voicelab ist zudem im Kern ein Entwicklerwerkzeug, der Nutzen zeigt sich also, wenn Sie Sprache in eine App einbauen, nicht wenn Sie schnell einen gesprochenen Satz brauchen.

Getting Started

1. Melden Sie sich bei app.vogent.ai an und holen Sie sich einen kostenlosen API-Schlüssel im API-Bereich der Seitenleiste.
2. Wählen Sie eine Stimme aus der Bibliothek, oder laden Sie einen Clip von 15 bis 20 Sekunden hoch, um Ihre eigene zu klonen.
3. Schicken Sie eine POST-Anfrage an den TTS-Endpunkt mit Text und voiceId, und speichern Sie die zurückgegebene Audiodatei.
4. Für zwei Sprecher wechseln Sie zum Multispeaker-Endpunkt und übergeben mehrere Zeilen, jede mit eigener Stimme.
5. Für Live-Apps öffnen Sie die WebSocket-Route und streamen den Text, damit Audio läuft, bevor der Satz endet.