Chuyển văn bản thành giọng nói miễn phí, không đăng ký

Không. Không có gói trả phí, không có bản nâng cấp, không có thẻ tín dụng. Giới hạn là 500 từ mỗi lượt, mỗi lượt cách nhau 5 giây, và một số lượt nhất định mỗi ngày cho một địa chỉ IP — đủ rộng cho người dùng thật, chỉ để một GPU phục vụ được nhiều người cùng lúc.

Không cần. Mở trang là dùng được ngay, không có bước đăng ký hay xác minh email.

Vì giọng được sinh bằng GPU thật chứ không phải giọng máy ghép sẵn. Một đoạn 500 từ tốn khoảng 17 giây máy. Khoảng nghỉ 5 giây giữ cho một người bấm liên tục không chiếm hết chỗ của những người còn lại. Bấm dồn nhiều lượt trong ít phút thì trang sẽ giãn khoảng nghỉ ra, và luôn báo rõ còn bao nhiêu giây.

Không. enhsa dùng đúng mô hình và đúng mức chất lượng đang phục vụ khách trả tiền của cùng hệ thống, không có bản rút gọn cho người dùng miễn phí.

Được. Tệp tải về không có watermark và không bị giới hạn mục đích sử dụng. Riêng giọng do bạn tự tải mẫu lên thì trách nhiệm về quyền sử dụng giọng đó thuộc về bạn.

Từ 3 đến 8 giây là đủ. Mẫu nên nói rõ ràng, một người nói, không nhạc nền và không tiếng ồn. Mẫu dài hơn không cho kết quả tốt hơn.

Không. enhsa không có kho giọng chung và không có nút nào để chia sẻ giọng ra công khai — chúng tôi đã bỏ hẳn tính năng đó. Mỗi giọng bạn tạo mang một mã ngẫu nhiên chỉ được lưu trong trình duyệt của bạn; không trang nào và không cửa nào của enhsa liệt kê mã đó ra, kể cả cho chính bạn. Đổi lại, nếu bạn xoá dữ liệu duyệt web hoặc sang máy khác thì sẽ không thấy giọng đã tạo nữa.

Vì muốn có kho chung thì phải có người kiểm từng mẫu giọng người lạ tải lên, mà enhsa không có người trực. Một câu như "giọng sẽ được kiểm trước khi hiện công khai" là lời hứa không ai giữ được: hoặc là một mẫu bậy hiện dưới tên miền này, hoặc là chẳng giọng nào từng được duyệt và ô tích chỉ để làm cảnh. Chúng tôi chọn bỏ hẳn đường công khai thay vì hứa một việc mình không làm nổi.

Vì 13 giọng này là giọng thu phòng thu, không phải giọng đọc thu bằng micro bất kỳ. Kho cũ có 60 giọng nhưng đo ra sàn nhiễu cao hơn 17 decibel, nghe rõ tiếng ù. Cần thêm giọng thì bạn tự tạo giọng riêng, số lượng không giới hạn.

Tiếng Việt là thứ enhsa làm tốt nhất, với 13 giọng studio. Ngoài ra 48 ngôn ngữ có giọng do người bản ngữ đọc, dựng từ bộ mẫu FLEURS của Google. Mô hình nhận tổng cộng 646 mã ngôn ngữ, nhưng những mã ngoài 48 tiếng kia phải đọc bằng giọng clone từ mẫu tiếng Việt nên mang chất giọng Việt. Xem bản kê đầy đủ kèm giới hạn từng ngôn ngữ ở trang Ngôn ngữ.

Với 48 ngôn ngữ thì có: giọng của chúng dựng từ mẫu do chính người bản ngữ đọc, và mỗi giọng phải qua thẩm định bằng máy nhận dạng tiếng nói — máy phải nghe ra đúng ngôn ngữ đó VÀ đọc lại đúng trên 55% số chữ thì giọng mới được đưa lên. Với các ngôn ngữ còn lại thì chưa: chúng đọc bằng giọng clone từ mẫu tiếng Việt, nói đúng chữ nhưng vẫn nghe ra chất giọng người Việt. Đo trên máy: tiếng Đức đọc đúng tới 95% số chữ mà máy nhận dạng vẫn xếp giọng đó vào nhóm tiếng Việt. Công cụ báo trước ngay khi bạn chọn một ngôn ngữ thuộc nhóm này.

MP3. Đây là định dạng mở được trên mọi máy và mọi phần mềm dựng video.

Tệp âm thanh được giữ tạm để bạn tải lại nếu bấm nhầm, và bị xoá tự động sau 24 giờ. Trang không có tài khoản, không hỏi email và không lưu đoạn văn bạn nhập kèm danh tính nào. Nói cho đủ: enhsa có dùng Google Analytics để đếm lượt truy cập, nên Google đặt cookie và ghi nhận những thứ thường lệ của một lượt xem trang — trang nào, thiết bị gì, đến từ vùng nào. Nội dung bạn gõ và tệp âm thanh bạn tạo KHÔNG được gửi sang đó.

Vì cả trang chạy trên một GPU duy nhất. Khi có quá nhiều người tạo cùng lúc, trang từ chối ngay và báo số giây nên chờ, thay vì để bạn chờ vô ích rồi lỗi.

Tiếng Việt thì có — đã đo 6/6 lượt đọc đúng trên giọng mặc định. Các ngôn ngữ khác chưa được đo đủ để dám hứa, nên khi bạn chọn một ngôn ngữ chưa đo thì công cụ báo trước rằng chữ số có thể bị đọc sai. Cách chắc chắn nhất là viết số thành chữ trong văn bản trước khi tạo.