Röviden a lényeg (BLUF): Szöveg felolvasó a beírt szöveget hanggá alakítja közvetlenül a böngészőben: írja be a szöveget, válasszon nyelvet és hangot, és kérjen hangfájlt. A szöveg és a hang soha nem hagyja el az eszközt, a tokenekért nem kell fizetni, és itt nincs fizetett API. A modell 600+ nyelvet ismer, és a hang klónozható saját hanganyagából – feltöltött fájlból vagy mikrofonfelvételből. Az eredmény lejátszásra kerül a lejátszóban, és WAV fájlként töltődik le.
Ez beszédszintézis: szöveg bemegy, hang kijön. Használja a videó megszólaltatására a saját vagy egy választott hangjával, készítsen hangfelvétel-vázlatot, ellenőrizze, hogyan hangzik egy szöveg más nyelven, vagy egyszerűen hallgasson meg egy hosszú cikket ahelyett, hogy elolvasná.
A kézbesítést szöveges utasítással irányítjuk: nyugodt olvasás, suttogás, öröm vagy szomorúság. Az érzelem a szöveggel, nem pedig a csúszkákkal együtt van beállítva, így az eredmény természetesebbnek tűnik.
Az eszközt kész hangok könyvtárával szállítjuk – férfi és női, különböző hangszínekkel. Válasszon ki egy nyelvet és egy hangot, és kezdje el a hangosítást.
Ha saját hangra van szüksége, klónozza azt egy rövid mintából: töltsön fel egy hangfájlt, vagy rögzítsen 15–30 másodpercet a mikrofonból. Az eszköz elemzi a mintát, és hozzáadja a hangot a listához – ezt követően kiválasztja, mint bármelyik másikat. A létrehozott hangok a böngészőben maradnak, és túlélik az oldal újratöltését.
A szöveg és a hang soha nem hagyja el a számítógépét: egy sor sem megy a mi szerverünkhöz vagy máshoz. A modell egyszer betöltődik a böngészőbe (körülbelül 3 GB súly), majd a gyorsítótárból veszi ki, miközben a számítás a grafikus kártyán fut WebGPU-ig. Ha a grafikus kártya nem elérhető, a motor őszintén visszaesik a processzorhoz, és elmondja ezt – ez észrevehetően lassabb.
A beszédért nem kell tokeneket fizetni: ez egy ingyenes eszköz, amely az Ön hardverén fut, nem a miénken.
A beviteli mező legfeljebb 20 000 karaktert tartalmazhat. A hosszú szöveget a mondathatároknál részekre osztják, és rövid szünetekkel egymás után szólalnak meg – a tempó hosszától függetlenül egyenletes marad, és semmi sem vész el a végén. A folyamatjelző sáv mutatja, hogy melyik részt olvassák el.
Bármelyik lépésben lemondhatja: a törlést követően azonnal új futás kezdődik, oldal újratöltés nélkül.
Az eszköz a legjobban a Chrome vagy a Edge nyelven működik asztali számítógépen, ahol a WebGPU elérhető. A WebGPU nélküli böngészőkben a hang a processzoron generálódik (WASM): továbbra is működik, de észrevehetően lassabban, különösen hosszú szövegeknél.
Az első futtatás tovább tart: a súlyok letöltése és a hang felmelegítése, így a legelső eredmény már tisztán hangzik. A későbbi futások sokkal gyorsabbak.
Igen. A modell és súlyai betöltődnek a böngészőbe, és a számítás lefut az eszközön. A szöveg, a mikrofonfelvétel és az eredményül kapott hang soha nem töltődik fel – az eszköznek egyáltalán nincs fizetős API.
Semmi. A tokeneket nem kell fizetni: ez egy ingyenes eszköz, amely a számítógépen számol.
Igen. A beviteli mező legfeljebb 20 000 karaktert tartalmazhat, és a hosszú szöveg egymást követő részekben szólal meg, így semmi sem vész el.
Töltsön fel egy hangfájlt hangmintával, vagy rögzítsen 15–30 másodpercet a mikrofonból. Az eszköz elemzi a mintát, és a hang megjelenik a listában – bármilyen szöveget megszólaltathat vele.
Ez azt jelenti, hogy a böngésző nem tudta használni a grafikus kártyát (WebGPU), és a motor a processzorra vált – lassabb, de ugyanaz az eredmény. Újratöltheti az oldalt, és megpróbálhatja újra: a grafikus kártya addigra gyakran szabaddá válik.
600+ nyelven. Kiválaszthatja manuálisan a nyelvet, vagy bekapcsolva hagyhatja az automatikus felismerést.
A 2026.10.08.–2026.11.07. (30 napos) időszakban a NeuralSpace platform összesen 19 617 generációt hajtott végre sikeresen: 16 254 képet, 2 265 videót és 1 098 zenés számot. Forrás: a NeuralSpace belső adatbázisa, csak anonimizált összesítések (promptok, nevek és azonosítók nélkül), számítás 2026.11.07. N = 19 617.