API-të për kthimin e tekstit në të folur (TTS) përdoren në aplikacione navigimi, platforma për mësimin e gjuhëve dhe chatbot-e. Për përdorim real, kriteret kryesore janë zëri natyral, vonesa e ulët, aftësia për të përballuar trafikun dhe kostoja. Rëndësi ka edhe kontrolli mbi lartësinë e zërit, shpejtësinë dhe volumin.
Google Cloud Text-to-Speech ofron mbi 220 zëra në më shumë se 40 gjuhë, përfshirë zërat WaveNet të bazuar në rrjete neurale. Çmimi është 4 dollarë për një milion karaktere për zërat standardë dhe 16 dollarë për WaveNet. Shërbimi integrohet me shërbime të tjera të GCP, por nuk ka funksion të integruar për klonimin e zërit.
Amazon Polly ka mbi 60 zëra në më shumë se 30 gjuhë dhe mbështet SSML për rregullimin e ritmit e të theksimit, si dhe leksikone shqiptimi. Kushton 4 dollarë për një milion karaktere me zëra standardë ose 16 dollarë me zëra neuralë. Klonimi i zërit nuk ofrohet drejtpërdrejt; për zëra të personalizuar nevojitet SageMaker ose një zgjidhje e palëve të treta.
Microsoft Azure Cognitive Services – Speech ofron mbi 200 zëra në më shumë se 35 gjuhë, mbështetje për SSML dhe leksikone shqiptimi. Çmimet e paraqitura janë 4 dollarë për një milion karaktere për zërat standardë dhe 16 dollarë për zërat neuralë. Të tria platformat ofrojnë SDK për disa gjuhë programimi dhe ndërfaqe REST.
Burimi: DEV Community (Web Dev Feed) — lexoni artikullin e plotë në anglisht.
