Speechify oferuje niewielki zestaw modeli syntezy mowy (Text-to-Speech). Wybór odpowiedniego modelu to kompromis między opóźnieniem, obsługą języków i jakością głosu. Ten przewodnik pomoże Ci dopasować model do konkretnego zastosowania, bez testowania ich wszystkich.
Artykuły o modelach na speechify.ai szczegółowo opisują każde wydanie. Ogłoszenie Simba 3.2 wyjaśnia, dlaczego ten model jest obecnie rekomendowany.
Tworzysz to samodzielnie? API syntezy mowy i klonowania głosu Speechify znajdziesz na speechify.ai, a dokumentację i darmowy klucz na docs.speechify.ai.
Jakie modele oferuje Speechify?
Są trzy linie modeli.
- Simba 3.2
- : rekomendowany model do angielskiego. Natychmiastowy streaming, najniższe opóźnienie, wyselekcjonowane głosy angielskie. Idealny do zastosowań interaktywnych.
- Simba 3.0
- : domyślny model API. Natychmiastowy streaming, obsługa wielu języków: angielski oraz niemiecki, hiszpański, francuski, włoski i brazylijski portugalski. Nieco wyższe opóźnienie niż w 3.2, ale szerszy zakres językowy.
- Modele starsze (
- simba-english
- ,
- simba-multilingual
- ): duet Simba 1.6. Wycofywane od wersji API 2026-09-21 i wyłączane 2026-11-21. Korzystaj z nich tylko wtedy, gdy obecna integracja wymaga starszego głosu lub języka, i już teraz zaplanuj migrację.
Który model jest najszybszy?
Simba 3.2. Został stworzony z myślą o streamingu, więc pierwsze audio pojawia się najszybciej. To domyślny wybór do anglojęzycznych asystentów głosowych.
Simba 3.0 jest niemal tak samo szybki, ale obsługuje więcej języków, co nieznacznie zwiększa opóźnienie. Modele starsze działają najwolniej i warto odchodzić od nich wszędzie tam, gdzie to możliwe.
Który model obsługuje najwięcej języków?
Simba 3.0. Oficjalnie obsługuje angielski, niemiecki, hiszpański (Hiszpania i Meksyk), francuski, włoski oraz brazylijski portugalski. Przekaż parametr language w POST /v1/audio/speech, aby wybrać język i otrzymać natywny głos. Starszy simba-multilingual obejmuje ponad 30 lokalizacji, ale jest wycofywany od wersji API 2026-09-21 i wyłączany 2026-11-21.
Jeśli Twój produkt działa w jednym języku, Simba 3.2 wygrywa szybkością i jakością. Jeśli jest wielojęzyczny, lepszym wyborem pod względem obsługi języków będzie Simba 3.0.
Więcej informacji o obsłudze języków znajdziesz w naszej dokumentacji.
Który model brzmi najlepiej?
Jakość zależy od generacji modelu. Simba 3.2 oferuje najbardziej naturalnie brzmiącą mowę po angielsku. Simba 3.0 dobrze sprawdza się we wszystkich obsługiwanych językach. Modele starsze brzmią najbardziej syntetycznie.
Do zastosowań skierowanych do klientów wybierz Simba 3.2 lub Simba 3.0.
Jak wyświetlić dostępne głosy?
Wywołaj GET /v1/voices. Filtrowanie po typie, języku, płci i modelu pozwala znaleźć odpowiedni głos przed syntezą. Artykuły o głosach i modelach na speechify.ai pokazują strukturę odpowiedzi.
Streaming czy plik?
Oba modele Simba 3 obsługują streaming. Użyj POST /v1/audio/stream do odtwarzania na żywo, POST /v1/audio/stream/with-timestamps do znaczników czasowych i synchronizacji z tekstem, a POST /v1/audio/speech, aby uzyskać pojedynczy plik. Wybór modelu nie zależy od sposobu dostarczania audio.
Najczęstsze pytania
Jaki jest rekomendowany model TTS Speechify?
Simba 3.2. Domyślny wybór do nowych projektów: streaming, najszybszy start i najwyższa jakość dla angielskiego.
Simba 3.2 do angielskiego: streaming, najszybszy start i najwyższa jakość. Jeśli nie podasz w żądaniu model, API domyślnie wybierze Simba 3.0, więc dodaj jawnie model: "simba-3.2".
Tak. Simba 3.0 przyjmuje parametr języka i zwraca natywne głosy w wielu regionach. Simba 3.2 koncentruje się na starannie dobranych głosach angielskich.
Tak. Simba 3.0 przyjmuje parametr języka i obsługuje głosy po angielsku oraz w sześciu językach europejskich. Simba 3.2 obsługuje tylko angielski i oferuje starannie dobrane głosy.
Tylko wtedy, gdy obecna integracja wymaga konkretnego starszego głosu. W pozostałych przypadkach wybierz Simba 3.2 lub Simba 3.0.
Tylko do czasu, gdy obecna integracja korzysta ze starszego głosu. Wsparcie kończy się wraz z wersją API 2026-09-21, a wyłączenie nastąpi 2026-11-21. Przejdź na Simba 3.2 lub Simba 3.0 przed tą datą.
Wybierz Simba 3.2, jeśli zależy Ci na najkrótszym czasie do pierwszego bajtu. Do pracy na żywo streamuj wynik.
