Lewati ke isi

Buat Suara (TTS)

Sintesis file subtitle (dengan timing) atau teks sembarang menjadi audio MP3 / WAV. Lima backend TTS: Edge TTS (gratis), ElevenLabs (kualitas tinggi), Google Cloud TTS, Gemini TTS (tier gratis), dan Piper TTS (offline).

Yang kamu butuhkan

  • FFmpeg di PATH — lihat Setup FFmpeg.
  • Backend TTS, salah satu dari:
    • Edge TTS — gratis, tanpa kunci, default. Menggunakan suara cloud Microsoft Edge.
    • ElevenLabs — berbayar, kualitas tertinggi. Lihat Setup ElevenLabs.
    • Google Cloud TTS — berbayar, sangat baik. Lihat Setup Google Cloud.
    • Gemini TTS — tier gratis, suara prebuilt natural. Menggunakan ulang kunci API Gemini kamu yang ada dari tab LLM — tanpa setup tambahan.
    • Piper TTS — TTS neural sepenuhnya offline. Tanpa kunci API, tanpa panggilan jaringan — suara adalah file ONNX ~25–60 MB yang diunduh sekali via Pengaturan → Suara → Piper TTS → Unduh suara sekarang. 32 dari 45 bahasa aplikasi memiliki suara Piper hari ini; bahasa tanpa cakupan Piper diam-diam jatuh kembali ke Edge TTS pada saat sintesis.

Langkah demi langkah

  1. Klik Buat Suara di sidebar.
  2. Drop satu atau lebih file subtitle .srt / .vtt / .ass / .ssa.
  3. Pilih Bahasa (auto-detected dari nama file subtitle bila memungkinkan — misalnya _translated_en_id.srt terdeteksi sebagai Indonesia).
  4. Pilih Gender suara — Perempuan atau Laki-laki.
  5. Pilih Format output — .mp3 (default) atau .wav.
  6. Klik Buat (atau Ctrl+Enter).
  7. Buka baris ketika selesai — ia diputar di aplikasi audio default kamu.

Output

Kamu mendapat satu file audio dengan jalur suara ditempatkan pada timestamp setiap subtitle. Celah hening mengisi waktu antar cue sehingga audio tetap sinkron dengan timing asli.

Memilih backend TTS

Backend Biaya Suara Catatan
Edge TTS Gratis Ratusan, semua bahasa utama Default. Tanpa setup.
ElevenLabs Berbayar (~$5/bln tier entry) Suara neural premium, kloning suara Kualitas tertinggi. ID suara diatur di Pengaturan → Layanan.
Google Cloud TTS Berbayar (~$4/M karakter; 1 M gratis / bulan) Suara WaveNet / Studio dalam 50+ bahasa Suara WaveNet kuat untuk bahasa Eropa. Secara default server memilih suara berdasarkan bahasa + gender.
Gemini TTS Tier gratis (kuota Developer API berlaku) Suara prebuilt natural dalam 24+ bahasa — Kore (perempuan default) / Puck (laki-laki default) Menggunakan ulang kunci API Gemini kamu dari tab LLM. Output per panggilan dibatasi ~30 dtk; teks panjang otomatis dipotong di batas kalimat.
Piper TTS Gratis, offline Suara neural dalam 32 dari 45 bahasa aplikasi Tanpa kunci, tanpa jaringan. Suara per-bahasa diunduh on-demand dari Pengaturan → Suara → Piper TTS → Unduh suara sekarang (~25–60 MB masing-masing). Pre-flight menangkap suara yang hilang sebelum pekerjaan dimulai.

Ganti di Pengaturan → Suara → Metode TTS.

Spesifik Piper TTS

Piper adalah satu-satunya backend TTS yang sepenuhnya offline di aplikasi. Beberapa hal yang perlu diketahui:

  • Dialog perpustakaan suara — buka via Pengaturan → Suara → Piper TTS → Unduh suara sekarang. Setiap baris bahasa menampilkan tombol unduh Suara perempuan dan / atau Suara laki-laki (beberapa bahasa hanya satu gender). Suara berasal dari katalog HuggingFace rhasspy/piper-voices.
  • Cakupan — 32 dari 45 bahasa aplikasi memiliki suara Piper. 13 yang tanpa cakupan (Belarusia, Bengali, Cina (Tradisional), Kroasia, Estonia, Ibrani, Jepang, Khmer, Korea, Lituania, Melayu, Mongolia, Thai) diam-diam jatuh kembali ke Edge TTS pada saat sintesis sehingga sintesis tidak pernah gagal keras pada suara yang hilang.
  • Resolusi gender — saat kamu memilih Perempuan, mesin terlebih dahulu mencoba suara perempuan untuk bahasa tersebut; jika hanya ada suara laki-laki, ia menggunakan itu sebagai gantinya (dan sebaliknya). Dicatat pada level INFO.
  • Gerbang pre-flight — sebelum eksekusi Suara dimulai, halaman memeriksa bahwa suara Piper per-bahasa ada di disk. Jika hilang, kamu mendapatkan dialog modal dengan tombol Buka Pengaturan yang membawa kamu langsung ke perpustakaan suara sehingga kamu bisa mengunduhnya tanpa kehilangan antrian kamu.

Spesifik Gemini TTS

Gemini TTS menggunakan gemini-2.5-flash-preview-tts via Developer API. Beberapa hal yang perlu diketahui:

  • Pemilihan suara saat ini berdasarkan gender — Perempuan memetakan ke Kore, Laki-laki ke Puck. Keduanya adalah suara jelas, netral yang bekerja di seluruh bahasa tanpa terdengar terlalu berkarakter.
  • Batas panjang output — setiap panggilan API Gemini mengembalikan paling banyak ~30 dtk ucapan. Aplikasi memotong teks input di bawah _GEMINI_TTS_MAX_BYTES (~2000 byte ≈ 30 dtk) pada batas kalimat, kemudian menggabungkan potongan via FFmpeg. Kamu tidak akan mengalami pemotongan pada teks subtitle normal.
  • Format audio — Gemini menghasilkan PCM mentah pada 24 kHz mono s16le; aplikasi mentranscoding per potongan ke MP3 (atau WAV jika kamu memilihnya) sehingga file akhir sesuai dengan format output yang kamu pilih.
  • Vertex AI belum didukung untuk TTS — bahkan jika tab LLM kamu dikonfigurasi untuk Vertex, Gemini TTS masih membutuhkan kunci API Developer. Aplikasi menaikkan AUTH_ERROR di muka jika hilang.

Model ElevenLabs

Tiga model terbuka:

Model Latensi Kualitas Digunakan untuk
eleven_multilingual_v2 (default) Sedang Tinggi TTS umum
eleven_v3 Sedang Tertinggi Studio / produksi
eleven_flash_v2_5 Rendah Baik Real-time / mode Live

Konfigurasi di Pengaturan → Suara → Model ElevenLabs.

Tips

Buat ulang

Klik kanan baris → Buat ulang untuk menukar gender suara / metode TTS / format tanpa menjalankan ulang terjemahan.

Pemeriksaan pre-flight

Halaman memvalidasi kunci API ElevenLabs (saat dipilih) dan ketersediaan FFmpeg sebelum mulai. Kamu akan melihat dialog yang ramah jika ada yang hilang.

Stop atomik

Tekan Stop selama sintesis dan kamu tidak akan mendapatkan MP3 setengah-tertulis di direktori output — file ditulis ke lokasi temp dulu, kemudian dipindahkan ke tempat hanya pada keberhasilan.

Pintasan

Pintasan Tindakan
Ctrl+Enter Buat
Ctrl+O Telusuri
Ctrl+F Fokus pencarian riwayat