Darmowe API TTS: Co obejmuje próba za $0,50 (tylko tekst)

Krótka odpowiedź

Jeśli Twoim celem jest darmowe API tts, które zamienia tekst na mowę, to nie jest to ta usługa. Endpoint pod https://api.xtts.cc/v1 obsługuje format czatu OpenAI i zwraca tekst z jednego modelu, uncensored. Nie ma żadnego wyjścia audio w ogóle.

Co oferuje za darmo, to okres próbny. Po rejestracji za pomocą Google lub adresu e-mail i hasła, na stronie klucza API znajduje się przycisk, który dodaje $0,50 kredytu do Twojego konta. Możesz go aktywować raz na osobę, jest ważny przez 7 dni i nie wymaga podania karty. Ten kredyt pokrywa stronę tekstową potoku mowy: pisanie scenariuszy, ich adaptacja do ucha, dzielenie na linie dla każdej postaci oraz sprawdzanie przed wydaniem pieniędzy na syntezę w innym miejscu.

Poniższa tabela zestawia fakty.

Pozycja	Szczegóły
Darmowy kredyt	$0,50, jedno kliknięcie na stronie klucza
Ważność	7 dni od odbioru
Wymagana karta	Nie
Limity klucza próbnego	2 równoległe zapytania, 60 zapytań na minutę
Wyjście	Tylko tekst
Cena po okresie próbnym	$0,15 za 1M tokenów wejściowych, $0,50 za 1M tokenów wyjściowych

Jak daleko starczy $0,50

Tokeny są jednostką rozliczeniową. Tokeny wejściowe to to, co wysyłasz, a wyjściowe to to, co model zwraca. Wyjście kosztuje więcej na token, więc długie skrypty dominują w rachunku, podczas gdy długie prompty z krótką odpowiedzią są tanie.

Dwa skrajne przypadki pokazują zakres. Gdybyś zużył cały kredyt próbny tylko na dane wejściowe, $0,50 / 0,15 USD za milion dałoby około 3,33 miliona tokenów wejściowych. Gdybyś zużył go tylko na dane wyjściowe, $0,50 / $0,50 za milion da dokładnie 1 milion tokenów wyjściowych. Rzeczywiste zapytania mieszają oba rodzaje, więc praktyczna liczba mieści się między tymi dwiema wartościami.

Trzy realistyczne zadania

Każde zadanie poniżej jest wyceniane na podstawie dwóch stawek. Wzór to: tokeny wejściowe x $0,15 / 1 000 000 plus tokeny wyjściowe x $0,50 / 1 000 000.

Zadanie	Tokeny wejściowe / wyjściowe	Koszt na wywołanie	Zapytania w okresie próbnym za $0,50
Krótka przeróbka linii do mowy	200 / 300	$0.00018	około 2 777
Odczytanie na głos streszczenia długiego dokumentu	3000 / 1500	$0.0012	około 416
Pełny tekst narracji	800 / 4000	$0.00212	około 235

Sprawdź pierwszy wiersz: 200 x 0,15 / 1 000 000 = $0,00003, a 300 x 0,50 / 1 000 000 = $0,00015, co daje łącznie $0,00018. W ostatnim wierszu 800 tokenów wejściowych kosztuje $0,00012, a 4 000 tokenów wyjściowych $0,002, więc jeden skrypt kosztuje $0,00212. Podziel $0,50 przez tę wartość i otrzymasz 235,8, czyli 235 pełnych skryptów.

Liczby tokenów są szacunkowe i służą tylko do ilustracji. Skrypt liczący około 3000 słów ma zwykle kilka tysięcy tokenów w języku angielskim, ale dokładna liczba zależy od treści. Wykonaj jedno prawdziwe zapytanie i odczytaj pole usage w odpowiedzi, aby skalibrować.

Odbierz próbę w czterech krokach

1. Otwórz stronę klucza API i zarejestruj się przez Google lub za pomocą e-maila i hasła.
2. Utwórz klucz i skopiuj go w bezpieczne miejsce. Traktuj go jak hasło.
3. Naciśnij przycisk próby na tej samej stronie. Kwota $0,50 pojawi się jako saldo.
4. Wyślij pierwsze zapytanie i potwierdź zmianę salda.

Oto zapytanie, które możesz wkleić do terminala. Zastąp wartość zastępczą swoim kluczem:

Copycurl https://api.xtts.cc/v1/chat/completions \
  -H "Authorization: Bearer YOUR_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [
      {"role": "user", "content": "Rewrite for reading aloud: The Q3 report shows a 12% rise."}
    ]
  }' -i

Flaga -i wypisuje nagłówki odpowiedzi. Szukaj X-Balance-USD, który raportuje, co zostało na Twoim koncie, oraz X-Request-Id, który jest przydatny, jeśli kiedykolwiek skontaktujesz się z pomocą techniczną. W poradniku szybkiego startu pokazano to samo zapytanie w Pythonie i Node.

Ponieważ klucz próbny jest ograniczony do 2 równoległych zapytań i 60 na minutę, trzymaj skrypty małe i sekwencyjne podczas testów. Przekroczenie limitu zwraca HTTP 429 z kodem rate_limited lub concurrency, a nieudane zapytanie nie jest rozliczane.

Gdzie najlepiej wydać darmowy kredyt

Próba to test, więc wydaj ją na pytania, na które nie odpowie dokumentacja. Trzy są warte pieniędzy.

Czy model pisze głosem, którego potrzebujesz?

Narracja bajki na dobranoc, dramatu noir i opisu produktu brzmią inaczej. Wyślij ten sam brief z trzema promptami systemowymi i porównaj. Ponieważ model jest dostrojony do odpowiadania bez odrzuceń treści dla legalnego użytku przez dorosłych, fikcja z ciemnymi wątkami nie jest przerywana w połowie, co jest częstym problemem przy bardziej rygorystycznych modelach. Granicą jest dowolna treść seksualna z udziałem nieletnich, która nigdy nie jest generowana.

Czy twój prompt do czyszczenia działa?

Weź dwadzieścia nieporządnych próbek z prawdziwych danych: skróty, liczby, nazwy produktów, markdown. Przepuść je przez prompt normalizujący i przeczytaj wyniki na głos. Popraw prompt, aż błędy znikną, a dopiero potem zaczynaj płacić za syntezę gdzie indziej. Ta tania pętla oszczędza drogie ponagrania później.

Czy strumieniowanie pasuje do Twojej architektury?

Strumieniowanie przez zdarzenia wysyłane przez serwer pozwala etapowi głosu zacząć się od pierwszego zdania. Kilka strumieniowych zapytań wystarczy, by potwierdzić, że wzór działa z Twoim silnikiem. Pamiętaj, że zapytanie strumieniowe zajmuje slot równoległości do końca strumienia, co ma znaczenie, gdy klucz próbny pozwala tylko na 2 na raz.

Błędy marnujące kredyt próbny

Siedem dni i pięćdziesiąt centów łatwo spalić bez niczego się ucząc. Pomogą cztery nawyki.

• Nie wklejaj całego rękopisu na raz. Tokeny wyjściowe są najdroższe. Przetestuj na jednym rozdziale lub nawet jednej stronie, aż prompt będzie działać poprawnie.
• Ustaw max_tokens podczas eksperymentów. Jest to opcjonalne, ale limit kilkuset tokenów zapobiega niekontrolowanemu generowaniu odpowiedzi, które mogłoby kosztować kilka centów za tekst, który i tak odrzucisz.
• Utrzymuj prompt systemowy krótkim. Jest on rozliczany jako dane wejściowe przy każdym wywołaniu. Prompt systemowy o długości 1000 tokenów wysłany 500 razy to 500 000 tokenów wejściowych, czyli $0,075. To mała kwota, ale sumuje się przy wielu eksperymentach, a krótsze prompty łatwiej debugować.
• Sprawdzaj pole użycia. Każda odpowiedź raportuje liczbę tokenów promptu i uzupełnienia. Zapisuj je od pierwszego wywołania, aby szacunki opierały się na pomiarach, a nie na zgadywaniu.

Okres próbny trwa stałe 7 dni od momentu zgłoszenia, więc zgłoś go, gdy będziesz gotowy do testów, a nie w momencie logowania. Jeśli chcesz się najpierw przygotować, przeczytaj szybki start i przygotuj swoje prompty z wyprzedzeniem.

Ile to kosztuje po okresie próbnym

Nie ma subskrypcji. Doładowujesz przedpłacony kredyt dowolną kwotą całkowitą od $20 do $500, a kredyt nigdy nie wygasa. Większe doładowania dają bonus: +5% od $50, +10% od $100 i +15% od $200. Doładowanie $100 daje więc $110 kredytu, a $200 daje $230.

Możesz zapłacić kryptowalutami (USDT w sieci TRC20 lub USDC na Base). Aktualna tabela cen znajduje się na stronie z cenami.

Dla konkretu załóżmy, że generujesz 100 pełnych skryptów narracji dziennie przez miesiąc. To 3000 skryptów po $0,00212 każdy, czyli $6,36. Doładowanie $20 pokryje około 9400 takich skryptów. Twoja objętość będzie inna, ale skala jest przydatna: generowanie tekstu to mała pozycja w rachunkach za syntezę mowy, więc rozsądnym miejscem na oszczędzanie jest zwykle strona głosu.

Nieudane lub odrzucone zapytania nie są rozliczane, a prompty nie są używane do trenowania.

Darmowe opcje dla warstwy audio

Ponieważ ta usługa nie oferuje darmowego audio, oto jak ludzie uzyskują je bez rozliczenia hostowanego. Niektóre modele mowy są open source i można je uruchomić na własnym komputerze lub serwerze, co kosztuje czas sprzętowy zamiast opłat za znak. Systemy operacyjne dostarczają również podstawowe wbudowane głosy. Hostowane usługi mowy od innych firm czasami oferują darmowe poziomy lub miesięczne limity.

Wszystkie mają limity i warunki, które się zmieniają, w tym warunki licencji do użytku komercyjnego i limity zużycia, więc przeczytaj aktualne strony każdego dostawcy przed zbudowaniem czegoś na jego bazie. Ta strona nie podaje dla nich żadnych liczb. W praktyce dobrze sprawdza się czysty podział: użyj darmowego lub hostowanego lokalnie silnika do audio, a tutaj płatnego za zużycie API tekstowego do skryptów. Jeśli rozważasz oba, zacznij od trial, aby strona tekstowa nic nie kosztowała, podczas gdy testujesz stronę audio.

Więcej przewodników

• API TTS Python: Przygotuj tekst do mowy za pomocą SDK
• Demo API TTS: Przykłady żywych zapytań i odpowiedzi
• API Klonowania Głosu: TTS kompatybilny z OpenAI