Audio8 TTS

Ihr Text

0 / 500
Das Modell ist auf diesem Gerät noch nicht geladen.

Sprachmodell

Audio8 TTS Preview Läuft auf Ihrem Gerät

Open-Source-Modell mit DualAR-Architektur und 0,6 Mrd. Parametern, Ausgabe in 44,1 kHz. Die Erzeugung läuft lokal, Ihr Text verlässt diese Seite nicht.

Audio8 richtet sich nach dem geschriebenen Text; das Modell erhält keine versteckte Sprachkennung. Ihre Auswahl bestimmt nur die Schreibhinweise und die Metadaten für die Barrierefreiheit.

0.7

Niedrige Werte klingen gleichmäßiger, höhere bringen mehr Variation. 0.7 entspricht dem offiziellen Standardwert.

Modellgewichte: Audio8/Audio8-TTS-Preview-0.6B-ONNX-INT4, Apache 2.0. Die Gewichte werden direkt vom Hugging Face CDN in den Cache Ihres Browsers gestreamt.
Die kurze Antwort

Audio8 TTS ist ein Open-Source-Sprachmodell mit 0,6 Mrd. Parametern, 11 empfohlenen Sprachen und 44,1-kHz-Ausgabe. Diese Seite speichert rund 572 MiB Modelldateien im Cache, versucht zuerst natives WebGPU und weicht sonst auf die CPU mit mehreren Threads aus. Ihr Text und das erzeugte Audio bleiben auf Ihrem Gerät.

Vier Schritte

So nutzen Sie Audio8 TTS im Browser

  1. 01

    Seite auf einem Desktop-Rechner öffnen

    Das Tool lädt direkt im Browser. Sie brauchen kein Konto, keine Installation und keinen API-Schlüssel. Auf Smartphones und Tablets funktioniert es nicht, denn das Modell braucht PC- oder Mac-Hardware.

  2. 02

    Modellgewichte einmalig herunterladen

    Beim ersten Klick auf „Modell auf diesem Gerät laden“ holt Ihr Browser rund 572 MiB INT4-Modelldateien vom Hugging Face CDN. Er speichert sie im Cache, sodass bei späteren Besuchen kein erneuter Download nötig ist.

  3. 03

    Sprache und Stimme wählen

    Wählen Sie eine der 11 empfohlenen Sprachen. Audio8 richtet sich nach dem geschriebenen Text, nicht nach einer Sprachkennung. Fügen Sie den Text also in der Sprache ein, die Sie hören möchten.

  4. 04

    Anhören und herunterladen

    Warten Sie auf das flüssige Endergebnis oder aktivieren Sie die optionale Live-Vorschau für vorläufige Abschnitte. Speichern Sie eine verlustfreie WAV-Datei mit 44,1 kHz oder wandeln Sie sie direkt im Browser in MP3 um.

Bewährte Praxis

So gelingen gute Ergebnisse mit der Audio8-Vorschau

Oft entscheiden kleine Gewohnheiten, ob ein Clip nach Demo klingt oder veröffentlichungsreif ist. Bei einem autoregressiven Modell zählen diese sechs am meisten.

  • 01

    Kurze Texte eingeben, solange Sie das Modell kennenlernen

    Die offizielle Laufzeitumgebung empfiehlt für die beste Qualität etwa 150 Zeichen. Erzeugen Sie jeweils einen Satz und fügen Sie die WAV-Dateien bei längeren Skripten anschließend zusammen.

  • 02

    Satzzeichen passend zur Sprechweise setzen

    Kommas sorgen für eine kurze Pause, Punkte für eine längere, Auslassungspunkte für eine ausgehaltene Pause. Das DualAR-Modell liest diese Zeichen als Hinweise für die Sprechweise. Klingt eine Zeile flach, fehlt oft nur ein Komma.

  • 03

    Kreativität senken, wenn die Ausgabe abdriftet

    Der Kreativitätsregler steuert die Sampling-Temperatur. Bei 0.7 gilt die offizielle, ausgewogene Standardeinstellung. Klingt ein langes Wort zittrig oder wiederholt sich eine Silbe, ziehen Sie den Regler in Richtung 0.5 und erzeugen Sie das Audio erneut.

  • 04

    Sprache abstimmen, Sonderfälle ausschreiben

    Akronyme klingen mit Punkten zwischen den Buchstaben besser, etwa N.A.S.A. Ungewöhnliche Namen klingen besser, wenn Sie sie lautgetreu schreiben. Testen Sie das schwierige Wort einzeln, korrigieren Sie die Schreibweise und erzeugen Sie dann den ganzen Abschnitt.

  • 05

    Chrome oder Edge können die GPU nutzen

    In aktuellen Versionen von Chrome und Edge prüft das Tool, ob natives WebGPU mit FP16-Unterstützung verfügbar ist. Bestehen die drei Modelltests nicht, baut das Tool die Engine automatisch mit dem WebAssembly-CPU-Backend mit mehreren Threads neu auf.

  • 06

    WAV sichern, später umwandeln

    Die WAV-Datei behält das vollständige 44,1-kHz-Signal für Schnittprogramme und DAWs. Greifen Sie nur zur MP3-Schaltfläche, wenn Ihnen die Dateigröße wichtiger ist als Reserven für die Nachbearbeitung.

Ehrlicher Vergleich

Audio8 TTS vs. Kokoro

Auf allen anderen Seiten dieser Website nutzen wir Kokoro. Deshalb hier der ehrliche interne Vergleich: wo welches Modell vorne liegt und warum beide ihren Platz verdienen.

Ausführungsumgebung

FreeTextoSpeech

Natives WebGPU auf kompatiblen Geräten mit Chrome oder Edge, sonst CPU/WebAssembly mit mehreren Threads als Ausweichlösung.

Kokoro (unser Haupt-Tool)

Ebenfalls eine Engine im Browser, der Download ist rund 300 MB kleiner.

Klangqualität

FreeTextoSpeech

Ausgabe mit 44,1 kHz über einen neuronalen Codec, mit ausdrucksstarker Prosodie.

Kokoro (unser Haupt-Tool)

Ausgabe mit 24 kHz, für seine Größe eine sehr natürliche Erzählstimme.

Sprachunterstützung

FreeTextoSpeech

11 Sprachen, darunter Koreanisch, Deutsch, Niederländisch, Polnisch und Kantonesisch.

Kokoro (unser Haupt-Tool)

9 Sprachen mit Schwerpunkt auf Englisch, europäischen Sprachen, Hindi, Japanisch, Mandarin und Portugiesisch.

Geschwindigkeit auf einem typischen Laptop

FreeTextoSpeech

Rechenintensiver: Das AR-Modell erzeugt etwa 21,5 Audioframes pro Sekunde.

Kokoro (unser Haupt-Tool)

Deutlich schneller und auf den meisten Rechnern nahezu in Echtzeit.

Download bei der ersten Nutzung

FreeTextoSpeech

Etwa 572 MiB, dazu optional 396 MiB für den Stimm-Encoder.

Kokoro (unser Haupt-Tool)

Einige hundert MB bei voller Präzision.

Entwicklungsstand

FreeTextoSpeech

Vorschauversion mit eingeschränkter Dialektabdeckung.

Kokoro (unser Haupt-Tool)

Stabiles v1.0-Modell, das wir auf der gesamten Website einsetzen.

Beide Modelle sind Open Source und stehen unter der Apache-2.0-Lizenz. Die Zahlen beziehen sich auf die aktuell veröffentlichten Versionen: Audio8-TTS-Preview-0.6b und Kokoro-82M-v1.0.

Fragen und Antworten

Häufige Fragen

01

Was ist Audio8 TTS?

Audio8 TTS ist eine Open-Source-Modellfamilie für Text-to-Speech vom Audio8-Team. Die aktuelle Vorschauversion, Audio8-TTS-Preview-0.6b, bündelt 601 Millionen Parameter in einer DualAR-Architektur nach dem Vorbild von Fish Audio S2 Pro. Das Modell spricht 11 Sprachen. Quellcode und Modellgewichte stehen unter der Apache-2.0-Lizenz.
02

Ist Audio8-TTS-Preview-0.6b kostenlos nutzbar?

Ja. Das Modell steht unter der Apache-2.0-Lizenz, die kommerzielle Nutzung ohne Lizenzgebühren erlaubt. Diese Seite führt es auf Ihrem eigenen Gerät aus, daher gibt es auch von unserer Seite kein Nutzungskontingent. Hinweise zur Namensnennung finden Sie in der NOTICE-Datei im offiziellen Repository.
03

Wird mein Text irgendwohin hochgeladen?

Nein. Die Erzeugung läuft in Ihrem Browser über WebGPU oder WebAssembly. Die Audio8-Engine lädt ihre Laufzeit- und Modelldateien von den CDNs von Hugging Face und jsDelivr. Ihr Text und das erzeugte Audio erreichen unsere Server nie. Die Website kann trotzdem übliche Nutzungsdaten (Telemetrie) senden, jedoch ohne diese Inhalte.
04

Warum dauert die erste Erzeugung so lange?

Dafür gibt es zwei Gründe. Erstens lädt der Browser einmalig rund 572 MiB an Synthesedateien herunter. Zweitens führt dieses autoregressive Modell für jeden Audioframe einen Slow-AR-Aufruf und zehn Fast-AR-Aufrufe aus. Kompatible Geräte mit Chrome oder Edge versuchen es zuerst mit nativem WebGPU, andere Systeme nutzen die CPU mit mehreren Threads als Ausweichlösung.
05

Welche Sprachen unterstützt Audio8 TTS?

Die Vorschauversion ist auf elf Sprachen ausgelegt: Englisch, Spanisch, Französisch, Deutsch, Italienisch, Niederländisch, Polnisch, Japanisch, Koreanisch, Chinesisch und Kantonesisch. Nach Angaben des Teams sollen künftige Versionen weitere Sprachen und chinesische Dialekte unterstützen.
06

Audio8 oder Kokoro: Welches Modell sollte ich nutzen?

Nutzen Sie Kokoro, unser Haupt-Tool, wenn Sie schnelle Erzeugung, 54 fertige Stimmen, Unterstützung für Smartphones und bewährte Stabilität wollen. Wählen Sie Audio8, wenn Sie das neueste offene Modell ausprobieren möchten, Ausgabe mit 44,1 kHz brauchen oder auf Deutsch, Koreanisch, Niederländisch, Polnisch oder Kantonesisch arbeiten. Viele haben beide als Lesezeichen gespeichert.
07

Funktioniert Audio8 TTS offline?

Modellgewichte und Stimmprofile werden lokal zwischengespeichert, sodass sie bei weiteren Erzeugungen nicht erneut heruntergeladen werden. Ob sich die Seite komplett offline neu laden lässt, hängt davon ab, ob Ihr Browser diese Seite und ihre Laufzeitmodule behält. Wenn Sie die Website-Daten löschen, verschwinden auch der Cache und die lokalen Stimmen.

Noch eine Frage? Kontakt aufnehmen →

Weiterführend

Das neueste offene TTS-Modell ausprobieren

Hauptgenerator ↗

Kostenloses Text-to-Speech

54 Kokoro-Stimmen in 9 Sprachen, sofortige Erzeugung in der Cloud, Download als WAV.

Stimmqualität ↗

Natürliche Sprachausgabe

Warum moderne neuronale Stimmen menschlich klingen und wie Sie die passende auswählen.

Audioformat ↗

Text in MP3

Wandeln Sie Text in MP3-Dateien mit 128 bis 320 kbps um, bereit zum Teilen.

Lokale Option ↗

Text online vorlesen lassen

Lassen Sie eingefügten Text mit den Stimmen vorlesen, die bereits auf Ihrem Gerät installiert sind.

Jetzt ausprobieren

Das neueste offene TTS-Modell ausprobieren

Läuft in Ihrem Browser: kostenlos und privat.

Tool öffnen Alle Stimmen ansehen