Speechify nabízí několik modelů pro převod textu na řeč. Výběr toho správného znamená najít rovnováhu mezi latencí, jazykovým pokrytím a kvalitou hlasu. Tento průvodce vám ukáže, pro jaké použití se který model hodí, abyste nemuseli testovat všechno.
Příspěvky o modelech na speechify.ai jdou u každého vydání více do hloubky. Oznámení Simba 3.2 vysvětluje, proč je tento model nyní doporučovaný.
Pokud chcete začít s API pro převod textu na řeč od Speechify, podívejte se na náš rychlý úvod.
Chcete si vše postavit sami? API Speechify pro převod textu na řeč a klonování hlasu najdete na speechify.ai, dokumentaci a bezplatný klíč na docs.speechify.ai.
Jaké modely Speechify nabízí?
Tři modelové řady.
- Simba 3.2
- : doporučený model pro angličtinu. Nativní streamování, nejkratší doba do prvního bajtu a vybrané anglické hlasy. Hodí se pro interaktivní použití.
- Simba 3.0
- : aktuální výchozí model v API. Nativní streamování, vícejazyčná podpora – angličtina, němčina, španělština, francouzština, italština a brazilská portugalština. Má o něco vyšší latenci než 3.2, ale širší jazykové pokrytí.
- Starší modely (
- simba-english
- ,
- simba-multilingual
- ): dvojice Simba 1.6. V API budou ukončeny od 21. 9. 2026 a vypnuty 21. 11. 2026. Používejte je jen tehdy, pokud vaše současná integrace závisí na konkrétním starším hlasu nebo jazyku – migraci si naplánujte už teď.
Který model je nejrychlejší?
Simba 3.2. Je navržený pro streamování, takže první audio dorazí nejrychleji. Pro anglické hlasové agenty je to správná volba.
Simba 3.0 je hned za ním, ale nese vícejazyčnou zátěž. Starší dvojice je nejpomalejší a tam, kde to jde, by se měla vyřadit.
Který model pokrývá nejvíce jazyků?
Simba 3.0. Oficiálně podporuje angličtinu, němčinu, španělštinu (Španělsko i Mexiko), francouzštinu, italštinu a brazilskou portugalštinu. Parametr language v požadavku POST /v1/audio/speech vybere konkrétní lokalizaci a zajistí nativní hlas pro daný jazyk. Starší simba-multilingual pokrývá všech více než 30 jazykových variant, ale v API bude ukončen od 21. 9. 2026 a vypnut 21. 11. 2026.
Pokud váš produkt nabízí jen jeden jazyk, Simba 3.2 vede v rychlosti i kvalitě. Pokud jich nabízí více, Simba 3.0 má zatím širší pokrytí.
Více o jazykové podpoře najdete v naší dokumentaci.
Který model zní nejpřirozeněji?
Kvalita odpovídá generaci modelu. Simba 3.2 vede v přirozenosti angličtiny. Simba 3.0 si stále drží velmi vysokou kvalitu napříč podporovanými jazyky. Starší modely jsou nejzastaralejší a znějí nejvíce roboticky.
Pro hlasové výstupy orientované na zákazníky zvolte Simba 3.2 nebo Simba 3.0.
Jak vypsat dostupné hlasy?
Zavolejte GET /v1/voices. Filtrujte podle typu, jazyka, pohlaví a modelu a ještě před syntézou najděte vhodný hlas. Příspěvky o hlasech a modelech na speechify.ai ukazují, jak odpověď vypadá.
Streamování, nebo dávkové zpracování?
Oba modely Simba 3 podporují streamování. Použijte POST /v1/audio/stream pro přehrávání v reálném čase, POST /v1/audio/stream/with-timestamps pro živý zvuk s časovými značkami i zarovnáním slov a POST /v1/audio/speech pro výstup do jednoho souboru. Výběr modelu je na způsobu doručení nezávislý.
Často kladené dotazy
Který model převodu textu na řeč od Speechify je doporučený?
Simba 3.2. Je to výchozí volba pro nové projekty: nativní streamování, nejrychlejší nástup zvuku a nejvyšší kvalita angličtiny.
Simba 3.2 pro angličtinu: nativní streamování, nejrychlejší nástup zvuku a nejvyšší kvalita angličtiny. Výchozí model v API, pokud požadavek neobsahuje model, je Simba 3.0, takže pro tuto volbu nastavte model: "simba-3.2" explicitně.
Ano. Simba 3.0 přijímá parametr jazyka a vrací nativní hlasy pro různé jazykové varianty. Simba 3.2 se zaměřuje na vybrané varianty angličtiny.
Ano. Simba 3.0 přijímá parametr jazyka a vrací nativní hlasy v angličtině a šesti evropských jazycích. Simba 3.2 se zaměřuje na vybrané varianty angličtiny.
Pouze pokud vaše integrace závisí na konkrétním starším hlasu. Ve všech ostatních případech přejděte na Simba 3.2 nebo Simba 3.0.
Pouze pokud vaše stávající integrace potřebuje konkrétní starší hlas. Od verze API 2026-09-21 budou vyřazeny a 21. 11. 2026 se vypnou – přejděte na Simba 3.2 nebo Simba 3.0 včas.
Pro co nejrychlejší doručení zvuku zvolte Simba 3.2. Výstup lze streamovat pro použití v reálném čase.
