Macierz możliwości

Dopasuj język i rodzaj głosu do dostępnej ścieżki przetwarzania.

Poniższy katalog opisuje deklarowaną obsługę, typowe warianty sprzętowe oraz ograniczenia licencji modeli. To pomoc w wyborze, a nie benchmark.

Znajdź zgodny lokalny punkt wyjścia

Filtr opiera się na deklarowanych językach i ścieżkach sprzętowych. Nie jest benchmarkiem ani gwarancją równej jakości głosów.

Wymagany typ głosu Język Ścieżka sprzętowa

Zgodne pozycje katalogu

Kokoro 82M

Lekki punkt wyjścia z gotowymi głosami.

CPU i CUDA to podstawowe warianty; obsługa ROCm i Apple Silicon jest eksperymentalna.

Apache-2.0

Qwen3 TTS

Gotowi mówcy w CustomVoice albo klonowanie próbki w modelach Base.

Dostępne są warianty CPU, CUDA, Vulkan i Metal oraz wybór rozmiaru i kwantyzacji.

Apache-2.0

Silero

Wydajne gotowe głosy, w tym pakiety wschodnioeuropejskie i regionalne.

Działa na CPU w Windows i Linux.

MIT or CC BY-NC-SA 4.0, depending on the voice pack

Magpie 357M

Pięciu gotowych mówców współdzielonych przez dziewięć języków.

Dostępne są warianty CPU i NVIDIA CUDA; pierwsza instalacja NeMo jest stosunkowo duża.

NVIDIA Open Model License

Instalator jest źródłem prawdy dla dostępnych wariantów, rozmiaru modelu, zgodności hosta i licencji pokazywanej przed instalacją.

Lokalne usługi mowy

Na praktyczne wymagania wpływają rozmiar modelu, kwantyzacja, długość wejścia i inne działające usługi.

Service	Typ głosu	Typowa ścieżka sprzętowa	Deklarowane języki	Licencja modelu
Kokoro 82M Lekki punkt wyjścia z gotowymi głosami.	Gotowe	Tylko CPU · GPU NVIDIA · GPU AMD / Intel / zgodne z Vulkan · Apple Silicon	Chinese, English, French, Hindi, Italian, Japanese, Portuguese, Spanish	Apache-2.0 Warunki modelu dopuszczają użycie komercyjne.
Qwen3 TTS Gotowi mówcy w CustomVoice albo klonowanie próbki w modelach Base.	Gotowe · Klonowanie	Tylko CPU · GPU NVIDIA · GPU AMD / Intel / zgodne z Vulkan · Apple Silicon	Chinese, English, French, German, Italian, Japanese, Korean, Portuguese, Russian +1 języków Spanish	Apache-2.0 Warunki modelu dopuszczają użycie komercyjne.
XTTS v2 Dojrzały wielojęzyczny model klonujący z krótkiej próbki.	Klonowanie	Tylko CPU · GPU NVIDIA	Arabic, Chinese, Czech, Dutch, English, French, German, Hungarian, Italian +7 języków Japanese, Korean, Polish, Portuguese, Russian, Spanish, Turkish	Coqui Public Model License 1.0.0 Model i jego wyniki są przeznaczone wyłącznie do użytku niekomercyjnego.
VoxCPM2 Stosunkowo duży model wielojęzyczny korzystający z głosu referencyjnego.	Klonowanie	GPU NVIDIA	Arabic, Burmese, Chinese, Danish, Dutch, English, Finnish, French, German +21 języków Greek, Hebrew, Hindi, Indonesian, Italian, Japanese, Khmer, Korean, Lao, Malay, Norwegian, Polish, Portuguese, Russian, Spanish, Swahili, Swedish, Tagalog, Thai, Turkish, Vietnamese	Apache-2.0 Warunki modelu dopuszczają użycie komercyjne.
Fish S2 Pro Szeroki deklarowany zakres języków, wybór backendu natywnego i kwantyzacji.	Klonowanie	Tylko CPU · GPU NVIDIA · GPU AMD / Intel / zgodne z Vulkan · Apple Silicon	Afrikaans, Albanian, Amharic, Arabic, Armenian, Assamese, Azerbaijani, Basque, Belarusian +74 języków Bengali, Bosnian, Breton, Bulgarian, Burmese, Catalan, Chinese, Croatian, Czech, Danish, Dutch, English, Estonian, Faroese, Finnish, French, Galician, Georgian, German, Greek, Gujarati, Haitian Creole, Hebrew, Hindi, Hungarian, Icelandic, Indonesian, Italian, Japanese, Javanese, Kannada, Kazakh, Khmer, Korean, Latin, Latvian, Lithuanian, Malay, Malayalam, Maori, Marathi, Mongolian, Nepali, Norwegian, Norwegian Nynorsk, Pashto, Persian, Polish, Portuguese, Punjabi, Romanian, Russian, Sanskrit, Serbian, Shona, Sindhi, Sinhala, Slovak, South Slavey, Spanish, Swahili, Swedish, Tagalog, Tamil, Telugu, Thai, Tibetan, Turkish, Ukrainian, Urdu, Vietnamese, Welsh, Yiddish, Yoruba	Fish Audio Research License Badania i użycie niekomercyjne; użycie komercyjne wymaga osobnej licencji.
Voxtral 4B Gotowe głosy przez akcelerator zgodny z WGPU; bez wariantu CPU.	Gotowe	GPU NVIDIA · GPU AMD / Intel / zgodne z Vulkan	Arabic, Dutch, English, French, German, Hindi, Italian, Portuguese, Spanish	CC BY-NC 4.0 Warunki modelu dopuszczają wyłącznie użycie niekomercyjne.
Silero Wydajne gotowe głosy, w tym pakiety wschodnioeuropejskie i regionalne.	Gotowe	Tylko CPU	Armenian, Azerbaijani, Bashkir, Belarusian, Bengali, Chuvash, English, Erzya, French +24 języków Georgian, German, Gujarati, Hindi, Kannada, Kabardian-Cherkess, Kalmyk, Kazakh, Khakas, Kyrgyz, Malayalam, Manipuri, Moksha, Rajasthani, Russian, Spanish, Tajik, Tamil, Tatar, Telugu, Udmurt, Ukrainian, Uzbek, Yakut	MIT or CC BY-NC-SA 4.0, depending on the voice pack Instalator pokazuje licencję właściwego pakietu przed instalacją.
Chatterbox Ekspresyjne klonowanie z wyborem modeli angielskich i wielojęzycznych.	Klonowanie	Tylko CPU · GPU NVIDIA	Arabic, Chinese, Danish, Dutch, English, Finnish, French, German, Greek +14 języków Hebrew, Hindi, Italian, Japanese, Korean, Malay, Norwegian, Polish, Portuguese, Russian, Spanish, Swahili, Swedish, Turkish	MIT Warunki modelu dopuszczają użycie komercyjne.
Magpie 357M Pięciu gotowych mówców współdzielonych przez dziewięć języków.	Gotowe	Tylko CPU · GPU NVIDIA	Chinese, English, French, German, Hindi, Italian, Japanese, Spanish, Vietnamese	NVIDIA Open Model License Karta modelu dopuszcza użycie komercyjne na warunkach NVIDIA.

Przegląd języków mowy

Potrzebujesz tylko jednej zgodnej usługi. Własne i komercyjne endpointy mogą dodawać języki spoza listy.

Deklarowane języki	Gotowe	Klonowanie
English, French, Spanish	Kokoro, Qwen3 CustomVoice, Voxtral, Silero, Magpie	Qwen3 Base, XTTS, VoxCPM2, Fish S2 Pro, Chatterbox
German	Qwen3 CustomVoice, Voxtral, Silero, Magpie	Qwen3 Base, XTTS, VoxCPM2, Fish S2 Pro, Chatterbox
Italian	Kokoro, Qwen3 CustomVoice, Voxtral, Magpie	Qwen3 Base, XTTS, VoxCPM2, Fish S2 Pro, Chatterbox
Portuguese	Kokoro, Qwen3 CustomVoice, Voxtral	Qwen3 Base, XTTS, VoxCPM2, Fish S2 Pro, Chatterbox
Russian	Qwen3 CustomVoice, Silero	Qwen3 Base, XTTS, VoxCPM2, Fish S2 Pro, Chatterbox
Chinese, Japanese	Kokoro, Qwen3 CustomVoice, Magpie	Qwen3 Base, XTTS, VoxCPM2, Fish S2 Pro, Chatterbox
Korean	Qwen3 CustomVoice	Qwen3 Base, XTTS, VoxCPM2, Fish S2 Pro, Chatterbox
Hindi	Kokoro, Voxtral, Silero, Magpie	VoxCPM2, Fish S2 Pro, Chatterbox
Arabic, Dutch	Voxtral	XTTS, VoxCPM2, Fish S2 Pro, Chatterbox
Polish, Turkish	—	XTTS, VoxCPM2, Fish S2 Pro, Chatterbox
Czech, Hungarian	—	XTTS, Fish S2 Pro
Vietnamese	Magpie	VoxCPM2, Fish S2 Pro
Danish, Finnish, Greek, Hebrew, Malay, Norwegian, Swahili, Swedish	—	VoxCPM2, Fish S2 Pro, Chatterbox
Burmese, Indonesian, Khmer, Tagalog, Thai	—	VoxCPM2, Fish S2 Pro
Lao	—	VoxCPM2
Additional regional and low-resource languages	Selected Silero packs	Fish S2 Pro; consult the complete catalogue

Transkrypcja

CrispASR udostępnia oba silniki z czasami słów oraz wyborem VAD, kwantyzacji i backendu obliczeń.

Whisper large-v3

FP16 or Q5_0

100 języków; najszerszy wariant w pakiecie.

Parakeet TDT 0.6B v3

FP16, Q8_0, Q5_0, or Q4_K

25 języków, przede wszystkim europejskich.

Formaty wejścia i wyjścia

Dokumenty: TXT, PDF, EPUB, DOCX, MOBI, pasted text
Napisy: SRT
Źródła audio: AAC, AIFF, FLAC, M4A/MKA, MP3, OGG, Opus, WAV, WMA
Źródła wideo: MP4, MKV, WebM, AVI, MOV
Wyjście audio: M4B, MP3, Opus, FLAC, WAV
Wyjście wideo: MP4 with selectable audio and subtitle tracks

Migawka katalogu sprawdzona 25 lipca 2026. Należy ją aktualizować wraz z katalogiem instalatora Pandratora. 2026-07-25