Synteza mowy z tekstu: API TTS dla TikToka

Przez Zespół redakcyjny TikSpeech · Zaktualizowano 2026-11-19

Na tej stronie znajdziesz opis API Syntezy Mowy TikSpeech, stworzonego specjalnie dla twórców TikToka, Reels i Shorts. Dzięki prostemu interfejsowi możesz zamieniać tekst na mowę, co przy krótkich frazach trwa kilka sekund, a przy dłuższych tekstach generuje się w czasie zbliżonym do rzeczywistego., co pozwala na szybkie tworzenie lektorów bez konieczności nagrywania własnego głosu. System obsługuje kluczowe języki, w tym polski, angielski i niemiecki, zapewniając spójny brzmienie dla Twoich treści.

Wykorzystaj nasze narzędzie, aby automatyzować generowanie audio dla tysięcy filmów. Znajdziesz tutaj konkretne informacje o dostępnych głosach, cenniku opartym na znakach oraz sposobie integracji z Twoim workflow. Strona zawiera praktyczne wskazówki, jak szybko zacząć korzystać z API, aby zaoszczędzić czas i zwiększyć częstotliwość publikacji.

Synteza mowy z tekstu: API TTS dla TikToka

Najczęściej zadawane pytania

Czy syntezator mowy jest darmowy?

Po rejestracji przez Google otrzymujesz darmową próbę z kredytem $0.50 (ok. 50 000 znaków), ważną przez 7 dni. Konto założone e-małem nie ma tej puli. Dalsze użycie wymaga doładowania. Nie ma stałych opłat miesięcznych ani subskrypcji. Płatność odbywa się wyłącznie kryptowalutą USDT w sieci TRON.

Jakie języki są obsługiwane?

API obsługuje 23 języki: arabski, chiński, duński, niderlandzki, angielski, fiński, francuski, niemiecki, grecki, hebrajski, hindi, włoski, japoński, koreański, malajski, norweski, polski, portugalski, rosyjski, hiszpański, suahili, szwedzki i turecki. Każdy głos może mówić każdym z tych języków. Nieobsługiwane są m.in. wietnamski, indonezyjski czy ukraiński.

Jakie głosy są dostępne?

Dostępnych jest 8 presetów: żeńskie (Aria, Nova, Luna, Sage) i męskie (Felix, Milo, Atlas, Orion). Głosy pochodzą z licencji LibriTTS-R i nagrań LibriVox. Każdy wygenerowany plik zawiera niewidoczny znak wodny sygnalizujący syntetyczne pochodzenie głosu. Możesz wybrać odpowiedni ton do treści krótkich filmów.

Jakie formaty plików są wspierane?

Możesz wybrać format wyjściowy: mp3, wav, opus, flac lub pcm. Wybór zależy od potrzeb edycji i kompatybilności z platformami takimi jak TikTok czy Reels. Formaty te są standardowe i zapewniają dobrą jakość dźwięku przy minimalnym rozmiarze pliku, co ułatwia szybkie przesyłanie materiałów w API.

Ile wynosi limit zapytań?

Limit to 60 zapytań na minutę na klucz API. Przed pierwszym doładowaniem konta limit wynosi 10 zapytań na minutę. Zapytania są przetwarzane sekwencyjnie, więc przy dużym obciążeniu mogą czekać w kolejce. Limit dotyczy liczby żądań POST do endpointu /v1/audio/speech, a nie liczby znaków.

Czy mogę używać głosu w TikToku?

Tak, wygenerowane pliki audio są przeznaczone do publikacji w mediach społecznościowych. Głosy bazują na materiałach licencyjnych i publicznych, więc nie ma ograniczeń w użyciu w filmach. Wygenerowane pliki zawierają jednak niewidoczny znak wodny informujący, że są to syntetyczne nagrania, co warto mieć na uwadze przy weryfikacji treści.

Jak dodawać środki na konto?

Doładowania przyjmujemy wyłącznie w USDT w sieci TRON (TRC-20). Minimalna kwota to $5. Środki są automatycznie dodawane do konta w ciągu kilku minut po potwierdzeniu transakcji. Nie obsługujemy kart, PayPal ani faktur. Saldo nie wygasa. Transakcje są anonimowe i nie wymagają dodatkowych uzgodnień.

Czy dane są przechowywane?

Tekst wejściowy jest przetwarzany tylko w celu wygenerowania dźwięku i nie jest używany do trenowania modeli. Wygenerowane pliki audio są zwracane w odpowiedzi i nie są przechowywane na naszych serwerach. Metadane zapytań (czas, liczba znaków, status) są zapisywane wyłącznie w celu rozliczeń i prowadzenia historii użycia.

Jakie są limity znaków?

Jedno zapytanie może zawierać do 4096 znaków. Dłutsze teksty należy podzielić na fragmenty o tej długości, a następnie połączyć wygenerowane pliki audio. Liczone są wszystkie znaki, w tym spacje i interpunkcja. Limit ten dotyczy pojedynczego żądania API, a nie całkowitej długości całego materiału.

Czy jest dostępna wersja mobilna?

Nie mamy oficjalnej aplikacji mobilnej ani SDK dedykowanego dla telefonów. API działa przez protokół HTTP, więc możesz go używać z dowolnego urządzenia z przeglądarką lub aplikacją obsługującą zapytania sieciowe. Wystarczy skonfigurować podstawowy URL API w dowolnym narzędziu do wysyłania żądań HTTP na smartfonie.

Jakie jest wsparcie techniczne?

Wsparcie odbywa się wyłącznie za pomocą poczty e-mail. Nie oferujemy numeru telefonu ani czatu na żywo. Odpowiadamy na zgłoszenia w miarę możliwości. Nie posiadamy również certyfikatów jakości ani gwarancji dostępności systemu. Wszystkie pytania techniczne kieruj na nasz adres e-mail.

Czy mogę zmienić klucz API?

Tak, możesz wygenerować nowy klucz API w dowolnym momencie. Po wydaniu nowego klucza stary przestaje działać natychmiast. Możesz mieć tylko jeden aktywny klucz na konto. Zmiana klucza jest bezpieczna i nie wpływa na stan konta ani historię rozliczeń. Nowy klucz znajdziesz w panelu użytkownika po zalogowaniu.

Jak szybko generowany jest dźwięk?

Długie teksty generowane są w czasie zbliżonym do rzeczywistego (ok. 25 znaków na sekundę). Krótkie frazy mogą generować się przez kilka sekund. Zapytania są przetwarzane jedno po drugim, więc przy dużym ruchu mogą pojawić się opóźnienia wynikające z kolejki. Szybkość zależy od aktualnego obciążenia serwera API.

Czy potrzebne jest oprogramowanie?

Nie potrzebujesz dedykowanego oprogramowania. Wystarczy znać się na podstawowym wysyłaniu zapytań HTTP lub użyć oficjalnych bibliotek OpenAI, zmieniając tylko URL bazowy. Możesz użyć narzędzi takich jak Postman, cURL lub własnych skryptów. Nie ma potrzeby instalowania żadnych dodatkowych programów ani wtyczek do przeglądarek czy systemów.

Pierwsze żądanie

curl

curl https://api.18g.info/v1/audio/speech \
  -H "Authorization: Bearer $TTS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"tts-1","voice":"aria","input":"Hello from the API.","response_format":"mp3"}' \
  --output hello.mp3

Dlaczego warto wybrać nasze API?

Ilustracja fali dźwiękowej dla: Dlaczego warto wybrać nasze API?

API TikSpeech zostało zaprojektowane z myślą o twórcach treści krótkich, którzy potrzebują spójnego głosu do TikToka, Reels i Shorts. System generuje audio z tekstu w sposób zautomatyzowany, eliminując konieczność nagrywania głosu przy każdym filmie.

Nasze rozwiązanie zapewnia wysoką jakość dźwięku dzięki głośnikom opartym na licencjonowanych nagraniach i publikacjom domeny publicznej. Każdy wygenerowany plik jest oznaczony niewidzialnym znakiem wodnym sygnalizującym syntetyczne pochodzenie głosu.

Szybkość generowania

Szybkość generowania

Generowanie trwa około czasu rzeczywistego: około 25 znaków tekstu generuje się na sekundę. Krótkie frazy mogą wymagać kilku sekund, a dłuższe teksty przetwarzane są jeden po drugim, co może powodować oczekiwania w kolejce pod obciążeniem.

Wysoka jakość dźwięku

Dostępne są dwa modele: tts-1 i tts-1-hd, oferujące ten sam silnik i cenę. Dźwięk jest czysty, bez szumów tła, idealny do montażu wideo.

Łatwa integracja

API działa na zasadzie wysłania tekstu i otrzymania pliku audio. Wystarczy zmienić base_url na https://api.18g.info/v1, aby skorzystać z oficjalnych SDK OpenAI lub wysłać zwykłe żądanie HTTP POST.

Jak to działa?

Ilustracja fali dźwiękowej dla: Jak to działa?

Generowanie audio w TikSpeech to prosty proces składający się z trzech kroków. Wyślij tekst przez API, a system zwróci gotowy plik dźwiękowy. Nie musisz martwić się o konfigurację serwerów ani skomplikowane workflow.

Cały proces opiera się na standardowym żądaniu HTTP POST. Wystarczy znać swój klucz API i zrozumieć podstawowy format żądania, aby rozpocząć pracę z syntezą mowy w swoich projektach.

Wklej tekst

Wprowadź tekst, który ma zostać zamieniony na mowę. Maksymalna długość jednego żądania to 4096 znaków, co obejmuje spacje i interpunkcję. Jeśli Twój scenariusz jest dłuższy, podziel go na części i wyślij osobne żądania, łącząc wyniki na końcu.

Wybierz głos

Wybierz jeden z ośmiu dostępnych głosów, takich jak Aria, Nova czy Luna, które oferują naturalne brzmienie. Możesz również określić język (np. 'pl' dla polskiego) lub pozwolić systemowi na jego automatyczne wykrycie, pamiętając, że domyślnie tekst w alfabecie łacińskim jest interpretowany jako angielski.

Pobierz audio

Po wysłaniu żądania otrzymasz plik audio w wybranym formacie (mp3, wav, opus, flac lub pcm). Czas generowania wynosi około 25 znaków na sekundę dla dłuższych tekstów, a krótkie frazy generowane są w ciągu kilku sekund.

Dostępne głosy

Ilustracja fali dźwiękowej dla: Dostępne głosy

Wybór głosu wpływa na odbiór Twoich filmów. Mamy do dyspozycji trzy żeńskie głosy: Aria, Nova i Luna. Każdy z nich ma inny charakter, ale wszystkie działają w tym samym API.

Aria

Aria to ciepły, klarowny głos narracyjny. Sprawdza się w relacjach i opowieściach. Daje poczucie bliskości z widzem.

Nova

Nova jest jasna i pełna energii. Pasuje do dynamicznych treści i szybkich przejść. Podkreśla optymistyczny ton.

Luna

Luna to miękki głos do opowiadania historii. Działa spokojnie i angażująco. Idealny do dłuższych tekstów.

Obsługiwane języki

Ilustracja fali dźwiękowej dla: Obsługiwane języki

API obsługuje 23 języki, w tym polski, angielski i niemiecki. Każdy głos potrafi mówić każdym z obsługiwanych języków, co pozwala na spójną narrację w różnych formatach wideo bez konieczności zmiany silnika syntezatora.

Polski

Teksty w języku polskim są generowane z wysoką dokładnością. System automatycznie wykrywa język na podstawie znaków, ale dla pewności warto jawnie ustawić parametr language na pl. Dzięki temu unikniesz błędnej interpretacji tekstów mieszanych.

  • Pełne wsparcie dla znaków diakrytycznych
  • Automatyczne wykrywanie języka
  • Możliwość wymuszenia języka

Angielski

Angielski jest domyślnym językiem dla tekstów zapisanych alfabetem łacińskim, jeśli nie podasz innego kodu. API obsługuje naturalne akcenty i intonacje, co czyni je idealnym do narracji w formacie Shorts lub Reels.

  • Domyślny język dla tekstu łacińskiego
  • Naturalna intonacja
  • Wsparcie dla 8 głosów

Niemiecki

Generowanie tekstu w języku niemieckim jest szybkie i precyzyjne. Dostępne są głosy zarówno żeńskie, jak i męskie, co pozwala na wybór tonu dopasowanego do charakteru Twojego kanału. Teksty są przetwarzane zgodnie z zasadami wymowy standardowej.

  • Wsparcie dla złożonych słów złożonych
  • Wybór głosu męskiego i żeńskiego
  • Stabilna jakość syntezatora

Cennik i limity

Ilustracja fali dźwiękowej dla: Cennik i limity

Synteza mowy kosztuje $10 za milion znaków, co daje $0,01 za 1000 znaków. Liczone są także spacje i interpunkcja. Jeśli synteza się nie powiedzie, kwota jest zwracana w całości.

Środki darmowe

Rejestracja przez Google daje 0,50 USD kredytu (ok. 50 000 znaków) na 7 dni. Tworząc konto e-mail, nie otrzymujesz kredytu startowego.

Opłaty za użycie

Standardowa stawka to $10 za 1 mln znaków. Limit to 60 żądań na minutę na klucz (10 przed pierwszą wpłatą). Żądania są przetwarzane sekwencyjnie.

Dodawanie środków

Doładuj tylko USDT (TRC-20) na sieci TRON. Minimalna kwota to $5. Środki są widoczne w ciągu kilku minut. Saldo nie wygasa.

Cennik i limity

Formaty plików

Ilustracja fali dźwiękowej dla: Formaty plików

API zwraca pliki audio w formatach MP3, WAV, OPUS, FLAC lub PCM. Wybór formatu zależy od tego, gdzie końcowo trafi nagranie — czy do edycji wideo, czy do bezpośredniego uploadu na platformy społecznościowe.

Wszystkie formaty zachowują ustawioną szybkość i jakość głosu. Możesz wybrać najlżejszy plik do szybkiego podglądu lub najwyższą jakość bez strat dla precyzyjnej montażu.

MP3

Kompresja z utratą danych zapewnia mały rozmiar pliku przy dobrej jakości. Idealny do szybkiego uploadu na TikToka, Reels lub Shorts, gdzie liczy się czas ładowania i zgodność z limitami platform.

  • Mały rozmiar pliku
  • Szybki upload
  • Odtwarzanie w przeglądarce

WAV

Format bezstratny, zachowujący pełną szczegółowość sygnału dźwiękowego. Zalecany, jeśli planujesz dalszą obróbkę audio w programach do montażu, np. dodawanie efektów dźwiękowych czy korekcję EQ.

  • Bez strat jakości
  • Większy rozmiar pliku

OPUS

Nowoczesny kodek zapewniający bardzo wysoką jakość przy minimalnym rozmiarze. Dostępny jako alternatywa dla MP3, gdy potrzebujesz oszczędności miejsca bez znaczącej utraty słyszalności.

  • Wysoka efektywność
  • Niskie zużycie pasma
  • Nowoczesne wsparcie

Prywatność i dane

Ilustracja fali dźwiękowej dla: Prywatność i dane

Tekst wprowadzony do API jest używany wyłącznie do wygenerowania pliku audio i nie jest wykorzystywany do trenowania modeli. Po wygenerowaniu plik nie jest przechowywany na naszych serwerach.

Przechowujemy tylko metadane żądań (czas, liczba znaków, status) niezbędne do rozliczeń. Nie zbieramy dodatkowych danych o Twoich twórcach.

Bez śledzenia

Nie używamy plików cookie do śledzenia użytkowników ani nie agregujemy danych behawioralnych poza fakt użycia.

Bez przechowywania

Generowane audio jest zwracane w odpowiedzi i nie jest archiwizowane. Twoje pliki nie pozostają na naszym serwerze dłużej niż to konieczne do dostarczenia.

Bez zgody

Ponieważ tekst jest przetwarzany ad-hoc i nie jest przechowywany, nie wymagamy zgody na przetwarzanie danych osobowych w rozumieniu RODO dla celów treningowych.

Zacznij teraz

Ilustracja fali dźwiękowej dla: Zacznij teraz

Zacznij używać API w trzy proste kroki. Najpierw utwórz konto na stronie rejestracji, wybierając logowanie przez Google lub tradycyjny email. To jedyny krok wymagający rejestracji w systemie.

Po założeniu konta uzyskasz dostęp do panelu, gdzie znajdziesz swój unikalny klucz API oraz saldo. Dzięki temu możesz od razu przetestować generowanie głosu w swoich filmach.

Zarejestruj się

Rejestracja trwa chwilę. Możesz użyć konta Google lub podać adres e-mail i hasło. Konto jest tworzone automatycznie i od razu pozwala na generowanie pierwszych plików dźwiękowych.

  • Logowanie przez Google lub email
  • Automatyczne tworzenie konta
  • Bez zbędnych formularzy

Pobierz klucz API

Po zalogowaniu przejdź do sekcji z kluczami. Zobaczysz tam swój aktywny klucz zaczynający się od 'tts-'. Jest on niezbędny do autoryzacji żądań w Twoich skryptach.

  • Klucz widoczny od razu po rejestracji
  • Możliwość wygenerowania nowego klucza
  • Stary klucz przestaje działać natychmiast

Dokumentacja

Pełna dokumentacja techniczna znajduje się na podstronie /docs/. Znajdziesz tam przykłady żądań HTTP, listę dostępnych głosów oraz wyjaśnienie parametrów takich jak format pliku czy prędkość.

  • Przykłady kodu
  • Lista endpointów
  • Opis parametrów

Podsumowanie

Ilustracja fali dźwiękowej dla: Podsumowanie

TikSpeech to prosty i niezawodny interfejs API, zaprojektowany specjalnie dla twórców treści krótkich form wideo, którzy cenią czas i spójność. Dzięki jasnej strukturze i darmowemu startowi, integracja z Twoimi workflowami jest szybka i bez zbędnych komplikacji.

Nie musisz znać się na audioinżynierii ani płacić abonamentów. Generujesz mowę w kluczowych językach, a my zajmujemy się infrastrukturą, licencjami i limitem 60 zapytań na minutę.

Dla kogo

System został stworzony dla freelancerów i twórców TikToka, Reels oraz Shorts, którzy potrzebują szybkich, gotowych plików audio do nagrań bez konieczności nagrywania własnego głosu przed kamerą.

  • Twórcy kont edukacyjnych i informacyjnych
  • Freelancerzy realizujący zlecenia dla klientów zagranicznych
  • Osoby prowadzące kanały narracyjne w języku polskim i angielskim

Korzyści

Główne zalety to niski koszt (0,01 USD za tysiąc znaków), brak opłat za utrzymanie konta i możliwość natychmiastowego pobrania klucza po rejestracji. Każdy plik jest oznaczony niewidocznym znakiem wodnym, co ułatwia zarządzanie prawami.

  • Generowanie audio trwa kilka sekund dla krótkich tekstów
  • Brak ukrytych opłat miesięcznych i minimum wydatku
  • Możliwość top-upu środkami USDT (TRC-20) bez czekania na przelew bankowy

Wsparcie

Kontakt z zespołem odbywa się wyłącznie drogą mailową. Nie oferujemy czatu na żywo ani numeru telefonu, co pozwala nam skupić się na stabilności serwera i szybkości przetwarzania zapytań.

Posłuchaj 8 głosów

Każdą z poniższych próbek wygenerowano za pomocą tego API z tego samego zdania. Idealnie sprawdza się w formacie storytellingu, gdy chcesz zbudować intymną atmosferę wokół prezentowanej treści.

Awatar głosu aria
ariażeński
Awatar głosu nova
novażeński
Awatar głosu luna
lunażeński
Awatar głosu sage
sageżeński
Awatar głosu felix
felixmęski
Awatar głosu milo
milomęski
Awatar głosu atlas
atlasmęski
Awatar głosu orion
orionmęski

23 języki

Każdy głos potrafi mówić w którymś z tych języków.

Źródła i dalsze lektury

  1. Wikipedia
  2. ISO 639 language codes
  3. TRON developer hub: TRC-20
  4. Tether (USDT)
  5. LibriTTS-R paper (arXiv 2305.18802)
  6. curl documentation
  7. LibriVox public-domain audiobooks
  8. openai-node on GitHub
  9. OpenAI API reference: create speech
  10. MDN: Web Speech API
  11. Node.js documentation
  12. W3C WAI: making audio and video accessible

Więcej na tej stronie