Railwail
Inloggen

Tekst-naar-spraak

Zet tekst om in natuurlijk klinkende spraak, sommige modellen met stemmenkloonen.

Beschikbaar
14van 27
Providers
6
Prijsklasse
US$ 0,00030 – US$ 0,0972per standaardrun

Snelkeuzes

14 modellen

  • Qwen3 TTS

    Alibaba (Qwen)

    Nieuw

    A unified Text-to-Speech demo featuring three powerful modes: Voice, Clone and Design

    text-to-speech

    Modaliteiten: Tekst, Audio

    US$ 0,024/1.000 tekens

  • AudioLDM 2

    Haohe Liu

    Latent-diffusion model for general-purpose text-to-audio. Generates speech, music, and sound effects with a unified prior.

    audioldmmusic-generationdiffusion

    Modaliteiten: Tekst, Audio

    ≈ US$ 0,0157/uitvoering

  • Chatterbox

    Resemble AI

    Resemble AI's open Chatterbox TTS. Zero-shot voice cloning from a short audio prompt with an exaggeration control for emotion intensity, plus CFG weight to balance pacing and fidelity.

    ttsvoice-cloningexpressive

    Modaliteiten: Tekst, Audio

    US$ 0,030/1.000 tekens

  • Kokoro TTS 82M

    Community

    Open-weights 82M-parameter TTS. Punches above its size class on naturalness benchmarks at a fraction of the inference cost of larger models.

    kokorottsopen-weights

    Modaliteiten: Tekst, Audio

    ≈ US$ 0,00030/uitvoering

  • OpenAI TTS-1

    OpenAI

    OpenAI's text-to-speech model. Six built-in voices with natural intonation.

    fastaffordable

    Modaliteiten: Tekst, Audio

    US$ 0,018/1.000 tekens

  • OpenAI TTS-1 HD

    OpenAI

    OpenAI's high-definition TTS model. Better quality for production use cases.

    high-quality

    Modaliteiten: Tekst, Audio

    US$ 0,036/1.000 tekens

  • OpenVoice v2

    Community

    MyShell OpenVoice v2. Multilingual zero-shot voice cloning with accurate tone-color reproduction and style/emotion control.

    myshellttsvoice-cloning

    Modaliteiten: Tekst, Audio

    ≈ US$ 0,0673/uitvoering

  • Parler-TTS

    Community

    Hugging Face Parler-TTS Mini. Lightweight TTS conditioned on a natural-language style description for fine-grained control over voice characteristics.

    parlerttsopen-source

    Modaliteiten: Tekst, Audio

    ≈ US$ 0,0024/uitvoering

  • Riffusion

    Riffusion

    Stable-Diffusion-based real-time music generator. Operates on spectrogram images then resynthesizes audio, enables seamless transitions and looping.

    music-generationopen-weightsspectrogram

    Modaliteiten: Tekst, Audio

    ≈ US$ 0,0576/uitvoering

  • RVC Voice Conversion

    Community

    Retrieval-based Voice Conversion. Converts a source recording into a target speaker's voice, preserving pitch, prosody and rhythm.

    rvcvoice-conversionvoice-cloning

    Modaliteiten: Tekst, Audio

    ≈ US$ 0,0505/uitvoering

  • Spark TTS

    Community

    Spark efficient TTS with disentangled control over speaker, content and style. Strong cross-lingual zero-shot performance.

    sparkttsvoice-cloning

    Modaliteiten: Tekst, Audio

    ≈ US$ 0,0035/uitvoering

  • StyleTTS 2

    Community

    Style-based TTS using diffusion and adversarial training. Human-level naturalness in zero-shot voice synthesis from a 3-5s reference clip.

    stylettsttsvoice-cloning

    Modaliteiten: Tekst, Audio

    ≈ US$ 0,00040/uitvoering

  • Suno Bark

    Suno

    Suno's text-prompted generative audio model. Speech, music, ambient sound and effects with non-verbal cues like laughter or sighs.

    barkmusic-generationtts

    Modaliteiten: Tekst, Audio

    ≈ US$ 0,0972/uitvoering

  • Tortoise TTS

    Community

    Multi-voice expressive TTS. Slow but high-quality with strong prosody and natural intonation. Trained for long-form narration use cases.

    tortoisettsexpressive

    Modaliteiten: Tekst, Audio

    ≈ US$ 0,0816/uitvoering

13 modellen momenteel niet beschikbaar

Hun pagina's blijven online, maar de modellen kunnen momenteel niet worden uitgevoerd.

Text-to-speech-modellen voor voice apps, audioboeken en IVR

Text-to-speech (TTS) modellen zetten geschreven tekst om in natuurlijk klinkend gesproken geluid. De categorie dekt van vlakke IVR-voiceovers tot expressieve narratie voor audioboeken en realtime conversationele agents die een telefoongesprek kunnen voeren. Je grijpt naar een TTS-model wanneer software een stem moet krijgen — voor toegankelijkheid, contentproductie op schaal of conversationele AI.

Prijzen, afwegingen en valkuilen

Pricing is meestal per teken of per duizend tekens. Op Railwail kost OpenAI TTS-1 0,018 USD en TTS-1 HD 0,036 USD per 1.000 tekens, Chatterbox 0,03 USD; open-weights stemmen zoals Kokoro of OpenVoice v2 worden op GPU-tijd afgerekend. Een typisch kort audioboekhoofdstuk (3.000 woorden, ongeveer 18.000 tekens) kost daarmee ongeveer 0,32 USD met TTS-1 of 0,65 USD met TTS-1 HD. Sommige providers rekenen ook voor voice cloning — een eenmalige fee om een aangepaste stem op te zetten plus het standaardtarief per teken bij synthese.

De afwegingsdriehoek is natuurlijkheid, latency en kosten. Flagshipstemmen zijn nauwelijks van menselijke narratie te onderscheiden maar hebben doorgaans een latency tot eerste byte van 200-600ms, prima voor batchsynthese maar traag in realtime chat. Streaming TTS (Cartesia, OpenAI Realtime, ElevenLabs Turbo) houdt de latency tot eerste byte onder 100ms door audio uit te zenden zodra het eerste foneem is gedecodeerd. Budgettiers draaien op flagship-snelheid maar met hoorbare robotachtige artefacten in lange zinnen.

Pas op met prosodie-besturing: zelfs de beste modellen leggen af en toe een eigennaam verkeerd, spreken een acroniem fout uit of verliezen de emotionele intentie in lange zinnen. Gebruik SSML-tags (waar ondersteund) of breek lange passages op in kortere stukken met expliciete frase-grenzen. Voor meertalige content controleer je de uitspraak op elke taalcombinatie voor je gaat live — sommige stemmen spreken vlekkeloos Engels en met zwaar accent Duits.

De topkeuzes hierboven dekken de meest natuurlijk klinkende stem, het goedkoopste werkpaard, het model dat de langste input ondersteunt en de snelste streaming-optie.

Typische taken

  • Audioboek- en podcastnarratie
  • IVR en telefoonagents
  • Toegankelijkheid (screen readers, captions)
  • Conversationele AI-agents
  • E-learning en explainer videos
  • Voiceovers voor ads en trailers

Gidsen per use case

Modelvergelijkingen

Veelgestelde vragen

Welk TTS-model klinkt het meest menselijk?

ElevenLabs V3 en Cartesia Sonic leiden momenteel de blinde A/B-tests op natuurlijkheid, met OpenAI TTS-HD vlak daarachter. De kloof versmalt bij korte uitingen — onder 30 seconden klinken zelfs budgettiers heel dicht bij menselijk. Longform-narratie is waar flagships uitlopen.

Welk is het goedkoopst?

Op Railwail kost OpenAI TTS-1 0,018 USD per 1.000 tekens; open-weights modellen zoals Kokoro, StyleTTS 2 of OpenVoice v2 worden op GPU-tijd afgerekend, met de prijs van een typische run op elke modelpagina. Sorteer de modelgrid op prijs voor de actuele rangorde.

Kan ik een specifieke stem klonen?

Ja — de meeste flagship-platforms accepteren een referentieclip van 30 seconden tot 3 minuten en produceren een aangepaste stem. Cloning fees verschillen per provider; synthese loopt daarna op het standaardtarief.

Wordt streaming ondersteund?

Op dit moment niet via Railwail: het spraak-endpoint levert het kant-en-klare audiobestand. Providers zoals Cartesia, ElevenLabs en OpenAI (Realtime API) bieden streaming via hun eigen API's; gebruik voor interactieve agents een dienst met streaming.

Welke talen worden ondersteund?

Flagship-platforms dekken 30-100 talen met native stemmen. ElevenLabs V3 levert 70+, OpenAI TTS rond de 50. De kwaliteit varieert — Engels, Spaans, Duits, Frans en Mandarijn zijn universeel uitstekend; minder vertegenwoordigde talen kunnen robotachtig of met accent-artefacten klinken.

Kan ik emotie en nadruk sturen?

Moderne flagships leiden emotie automatisch af uit interpunctie en context. Voor expliciete controle gebruik je SSML-tags (waar ondersteund) voor nadruk, pauzes en snelheid; sommige platforms accepteren emotietags als 'opgewonden' of 'kalm' direct in de prompt.

In welke audioformaten wordt output geleverd?

MP3 en WAV zijn universeel. PCM, Opus en µ-law zijn gangbaar voor telefonie. Samplerates lopen van 16 kHz (telefonie) tot 48 kHz (studio). Kies het formaat dat past bij je leveringskanaal.

Is commercieel gebruik toegestaan?

Bijna altijd ja op commerciële tiers — TTS-output wordt behandeld als een betaalde voiceover. Gekloonde stemmen hebben strengere voorwaarden: je moet doorgaans de bronstem bezitten of in licentie hebben. Lees de modelkaart voor de voorwaarden per provider voordat je in advertenties of betaalde content uitrolt.

Aan de slag met één API

Elk beschikbaar model via één OpenAI-compatibele API. Prepaid credits in USD, geen abonnement.

Account aanmakenAPI-documentatie