Krótko o najważniejszym (BLUF): Funkcja zamiany tekstu na mowę zamienia pisany tekst na głos bezpośrednio w przeglądarce: wprowadź tekst, wybierz język i głos, a następnie uzyskaj plik audio. Tekst i dźwięk nigdy nie opuszczają Twojego urządzenia, nie są pobierane żadne tokeny i nie ma tutaj płatnego API. Modelka zna 600+ języków, a głos można sklonować z własnego dźwięku — przesłanego pliku lub nagrania z mikrofonu. Wynik jest odtwarzany w odtwarzaczu i pobierany jako plik WAV.
To synteza mowy: tekst wchodzi, dźwięk wychodzi. Użyj go, aby nagłośnić film własnym lub wybranym głosem, zbudować wersję roboczą ścieżki lektorskiej, sprawdzić, jak brzmi tekst w innym języku lub po prostu wysłuchać długiego artykułu zamiast go czytać.
Dostawa kontrolowana jest za pomocą instrukcji tekstowej: spokojna lektura, szept, radość lub smutek. Emocje są ustawiane razem z tekstem, a nie za pomocą suwaków, dzięki czemu wynik brzmi bardziej naturalnie.
Narzędzie jest dostarczane z biblioteką gotowych głosów – męskich i żeńskich, o różnych barwach. Wybierz język i głos i zacznij wypowiadać głos.
Jeśli potrzebujesz własnego głosu, sklonuj go z krótkiej próbki: prześlij plik audio lub nagraj 15–30 sekund z mikrofonu. Narzędzie analizuje próbkę i dodaje głos do Twojej listy — po czym jest on wybierany jak każdy inny. Utworzone głosy są przechowywane w przeglądarce i przetrwają ponowne załadowanie strony.
Tekst i dźwięk nigdy nie opuszczają Twojego komputera: żadna linia nie przechodzi do naszego serwera ani do nikogo innego. Model jest ładowany do przeglądarki raz (około 3 GB wag), a następnie pobierany z pamięci podręcznej, podczas gdy obliczenia na karcie graficznej trwają do WebGPU. Jeśli karta graficzna jest niedostępna, silnik szczerze zwraca się do procesora i informuje o tym – czyli jest zauważalnie wolniejszy.
Za mowę nie są pobierane żadne tokeny: jest to bezpłatne narzędzie, które działa na Twoim sprzęcie, a nie na naszym.
Pole wejściowe może pomieścić do 20 000 znaków. Długi tekst jest dzielony na części na granicach zdań i wypowiadany jedna po drugiej z krótkimi przerwami – tempo pozostaje równe niezależnie od długości i nic nie ginie na końcu. Pasek postępu pokazuje, która część jest czytana.
Możesz anulować na dowolnym etapie: po anulowaniu rozpoczyna się od razu nowe uruchomienie, bez konieczności ponownego ładowania strony.
Narzędzie najlepiej sprawdza się w wersji Chrome lub Edge na komputerze stacjonarnym, gdzie dostępna jest wersja WebGPU. W przeglądarkach bez WebGPU głos generowany jest na procesorze (WASM): nadal działa, ale zauważalnie wolniej, szczególnie w przypadku długich tekstów.
Pierwszy bieg trwa dłużej: pobierane są obciążniki, a głos jest podgrzewany, dzięki czemu już pierwszy wynik brzmi czysto. Późniejsze biegi są znacznie szybsze.
Tak. Model i jego wagi zostaną załadowane do przeglądarki, a obliczenia zostaną uruchomione na Twoim urządzeniu. Tekst, nagranie mikrofonowe i powstały dźwięk nigdy nie są przesyłane — narzędzie nie ma w ogóle płatnego API.
Nic. Żadne tokeny nie są pobierane: jest to bezpłatne narzędzie, które wykonuje obliczenia na Twoim komputerze.
Tak. Pole wejściowe może pomieścić do 20 000 znaków, a długi tekst jest wyrażany w kolejnych częściach, więc nic nie zostaje utracone.
Prześlij plik audio z próbką głosu lub nagraj 15–30 sekund z mikrofonu. Narzędzie przeanalizuje próbkę i głos pojawi się na Twojej liście – możesz za jego pomocą wypowiedzieć dowolny tekst.
Oznacza to, że przeglądarka nie mogła korzystać z karty graficznej (WebGPU) i silnik przełączył się na procesor — wolniej, ale efekt ten sam. Możesz załadować stronę ponownie i spróbować jeszcze raz: karta graficzna jest często już wtedy wolna.
600+ języków. Możesz wybrać język ręcznie lub pozostawić włączone automatyczne wykrywanie.