अंग्रेज़ी से अनुवादित। मूल पेज देखें
लोकल TTS · डिवाइस पर ही
लोकल TTS, आपके iPhone पर चलता हुआ
लोकल टेक्स्ट टू स्पीच (लोकल TTS) के लिए Sandbook iPhone और iPad का मुफ़्त ऐप है: Kokoro टेक्स्ट-टू-स्पीच मॉडल डिवाइस पर ही चलता है, इसलिए आपका टेक्स्ट किसी सर्वर पर भेजे बिना आवाज़ में बदलता है। छह भाषाओं में 41 आवाज़ें, एयरप्लेन मोड में भी, बिना अकाउंट और बिना किसी मीटर के।
iOS 18.2 या बाद का वर्शन · iPhone XS / XR या बाद का मॉडल · A12 या बाद की चिप वाला iPad · M1 या बाद की चिप वाला Mac (macOS 15.2) · बिना अकाउंट
संक्षेप में
iPhone के लिए अच्छा लोकल TTS ऐप कौन-सा है?
Sandbook ख़ुद iPhone पर Kokoro-82M टेक्स्ट-टू-स्पीच मॉडल चलाता है, इसलिए किताबें, PDF, वेब पेज, कैमरा स्कैन और पेस्ट किया टेक्स्ट बिना कोई टेक्स्ट सर्वर पर भेजे पढ़कर सुनाए जाते हैं। इसमें छह भाषाओं में 41 आवाज़ें हैं, बोलते समय हर शब्द हाइलाइट होता है, और यह एयरप्लेन मोड में चलता है। यह मुफ़्त है, बिना इन-ऐप खरीदारी, बिना अकाउंट और बिना अक्षरों की सीमा के, और इसके लिए iPhone XS, iPhone XR या बाद के मॉडल, या A12 या बाद की चिप वाले iPad पर iOS 18.2 चाहिए।
आख़िरी जाँच: 26 अक्टूबर 2026
“लोकल TTS” का मतलब क्या है
TTS यानी टेक्स्ट टू स्पीच: ऐसा सॉफ़्टवेयर जो लिखे हुए शब्दों को बोली जाने वाली आवाज़ में बदलता है। लोकल TTS का मतलब है कि यह बदलने वाला मॉडल आपके अपने डिवाइस पर चलता है। क्लाउड TTS का मतलब है कि वह किसी और के कंप्यूटर पर चलता है: आपका टेक्स्ट नेटवर्क पर भेजा जाता है, सर्वर ऑडियो बनाता है, और ऑडियो वापस भेजा जाता है।
काम कहाँ होता है, इससे तीन बातें निकलती हैं। क्लाउड TTS में टेक्स्ट को सफ़र करना पड़ता है, आवाज़ बनते समय इंटरनेट ज़रूरी है, और हर वाक्य पर सेवा देने वाले का सर्वर-समय ख़र्च होता है — इसीलिए क्लाउड रीडर अक्षर, मिनट या घंटे गिनते हैं। लोकल TTS में टेक्स्ट जहाँ है वहीं रहता है, इंटरनेट से कोई फ़र्क नहीं पड़ता, और वसूलने को कोई चलता बिल नहीं है।
लोकल का मतलब अब सपाट, रोबोट जैसी सिस्टम आवाज़ें नहीं रहा: न्यूरल स्पीच मॉडल अब इतने छोटे हैं कि फ़ोन में समा सकें, और इतने तेज़ कि वहाँ रियल-टाइम में चल सकें।
फ़ोन पर लोकल TTS क्यों मायने रखता है
- बनावट से ही निजता। आपकी किताबें, PDF और स्कैन किए पेज अपलोड नहीं होते, क्योंकि कहीं और उनकी ज़रूरत ही नहीं है, और कोई अकाउंट नहीं है। पूरी बात निजी टेक्स्ट टू स्पीच वाले पेज पर है।
- एयरप्लेन मोड, सुरंगें, कमज़ोर सिग्नल। डिवाइस पर बनी आवाज़ को पता ही नहीं चलता कि नेटवर्क चला गया। और जानकारी ऑफ़लाइन टेक्स्ट टू स्पीच में है।
- प्रति अक्षर कोई मीटर नहीं। जब आवाज़ बनाने में कुछ ख़र्च नहीं होता, तो उसे गिन-गिनकर देने की कोई वजह नहीं: न रोज़ का कोटा, न महीने के घंटे, न प्रीमियम आवाज़ों का अलग दर्जा।
- कोई कतार नहीं। न अपलोड, न रेंडरिंग का काम: प्ले दबाइए, और पहला वाक्य बनते ही सुनाई देने लगता है।
Sandbook लोकल TTS कैसे करता है
- इंजन Kokoro-82M है, 82 मिलियन पैरामीटर वाला ओपन-वेट न्यूरल टेक्स्ट-टू-स्पीच मॉडल, जो डिवाइस पर ही चलता है, Apple के Core ML से CPU पर; iPhone, iPad और Mac पर एक ही इंजन (पहले यह Apple MLX के ज़रिए GPU पर चलता था)।
- लाने को कुछ नहीं। मॉडल और सभी 41 आवाज़ें ऐप के डाउनलोड में ही आती हैं, और न कोई API key है, न एक्टिवेशन।
- वाक्य-दर-वाक्य। आपके सुनते समय हर वाक्य 24 kHz पर बनता है, इसलिए प्लेबैक पूरे अध्याय के बाद नहीं, पहले वाक्य के बाद ही शुरू हो जाता है। गति 0.5× से 2.5× तक है, और बोलते समय हर शब्द हाइलाइट होता है।
- छह भाषाओं में 41 आवाज़ें: 28 अंग्रेज़ी में (20 अमेरिकी, 8 ब्रिटिश), 3 स्पेनिश में, 1 फ़्रेंच में, 2 इतालवी में, 3 ब्राज़ीलियाई पुर्तगाली में और 4 हिन्दी में।
- यह क्या पढ़ता है: EPUB, PDF, Word (.docx), TXT, RTF, Markdown और HTML फ़ाइलें, वेब पेज, कैमरा स्कैन और फ़ोटो (जिनकी पहचान डिवाइस पर होती है), और टाइप या पेस्ट किया टेक्स्ट। कोई अध्याय या पूरी किताब अध्याय-चिह्नों के साथ एक M4A फ़ाइल के रूप में एक्सपोर्ट की जा सकती है।
- डेस्कटॉप ब्राउज़र में भी: Kokoro TTS को ब्राउज़र टैब में आज़माएँ, जहाँ आवाज़ आपके कंप्यूटर पर ही बनती है और कुछ भी अपलोड नहीं होता।
लोकल TTS की क़ीमत, ईमानदारी से
- बड़ा डाउनलोड। मॉडल और सभी 41 आवाज़ें ऐप के डाउनलोड में ही आती हैं। क्लाउड ऐप इससे छोटे हो सकते हैं क्योंकि उनकी आवाज़ें कहीं और रहती हैं।
- नया डिवाइस। Sandbook के लिए iPhone XS, iPhone XR या बाद के मॉडल, या A12 या बाद की चिप वाले iPad पर iOS 18.2 चाहिए। अगर आपका iPhone इससे पुराना है, तो पुराने iPhone पर टेक्स्ट टू स्पीच देखें।
- क्लाउड सेवाओं से कम भाषाएँ। आवाज़ों की छह भाषाएँ, दर्जनों नहीं। सर्वर ऐसा कैटलॉग रख सकता है जिसके लिए किसी फ़ोन में जगह नहीं।
कैसे जाँचें कि यह सच में लोकल है
कोई भी ऐप कह सकता है कि वह डिवाइस पर चलता है। जाँच में एक मिनट लगता है:
- ऐप में कोई किताब, PDF या पेस्ट किया टेक्स्ट खोलें।
- एयरप्लेन मोड चालू करें, और Wi-Fi भी बंद रखें।
- प्ले दबाएँ और पूरा एक अध्याय सुनें, फिर कोई ऐसी आवाज़ आज़माएँ जो आपने अब तक इस्तेमाल नहीं की।
सर्वर पर बनी आवाज़ यह जाँच पार नहीं कर सकती। Sandbook में सिर्फ़ नया वेब पेज जोड़ना ही इंटरनेट का इंतज़ार करता है। कैमरे से छपा पेज स्कैन करना भी एयरप्लेन मोड में चलता है, क्योंकि टेक्स्ट पहचान भी डिवाइस पर ही होती है।
लोकल TTS के बारे में सवाल
क्या लोकल TTS क्लाउड TTS जितना अच्छा है?
किताब पढ़कर सुनाने के लिए, यह फ़ासला पहले से कहीं कम रह गया है। Sandbook ख़ुद iPhone पर 24 kHz पर Kokoro-82M चलाता है, जो एक न्यूरल टेक्स्ट-टू-स्पीच मॉडल है, और यह उन पुरानी रोबोट जैसी सिस्टम आवाज़ों से बिल्कुल अलग दर्जे की आवाज़ है जिन्हें कभी डिवाइस पर बनी आवाज़ समझा जाता था। क्लाउड TTS अब भी विविधता में आगे है: सर्वर दर्जनों भाषाओं में हज़ारों आवाज़ें रख सकता है, फ़ोन नहीं। गुणवत्ता आप ख़ुद परख सकते हैं, क्योंकि Sandbook की सभी 41 आवाज़ों का नमूना आवाज़ों वाले पेज पर है।
क्या लोकल TTS ऑफ़लाइन काम करता है?
हाँ, यही तो इसे लोकल बनाता है। Sandbook में मॉडल और सभी 41 आवाज़ें ऐप के अंदर आती हैं, इसलिए EPUB, PDF, Word (.docx), TXT, RTF, Markdown और HTML फ़ाइलें, कैमरा स्कैन और फ़ोटो, और टाइप या पेस्ट किया टेक्स्ट, सब एयरप्लेन मोड में पढ़कर सुनाए जाते हैं। इंटरनेट की ज़रूरत सिर्फ़ नया वेब पेज जोड़ने में है, क्योंकि पढ़ने से पहले पेज को लाना पड़ता है; सेव होने के बाद वह भी ऑफ़लाइन पढ़ा जाता है।
कौन-से iPhone लोकल TTS चला सकते हैं?
Sandbook के लिए iPhone XS, iPhone XR या उसके बाद का मॉडल, या A12 या उसके बाद की चिप वाला iPad, और iOS 18.2 या बाद का वर्शन ज़रूरी है। जो iPhone iOS 18.2 नहीं चला सकते, जैसे iPhone X या 8, वे अब भी iOS में बना टेक्स्ट टू स्पीच इस्तेमाल कर सकते हैं, जो हर सपोर्टेड डिवाइस पर चलता है।
क्या Sandbook का लोकल TTS मुफ़्त है?
हाँ, पूरी तरह। न कोई इन-ऐप खरीदारी, न सब्सक्रिप्शन, न विज्ञापन, न अकाउंट, और न अक्षरों या मिनटों की कोई सीमा। क्योंकि आवाज़ आपके अपने डिवाइस पर बनती है, एक अध्याय पढ़वाने में किसी का कोई ख़र्च नहीं होता, इसलिए गिनने को कुछ है ही नहीं। छह भाषाओं की सभी 41 आवाज़ें पहली बार खोलते ही उपलब्ध हैं।
स्रोत
- Kokoro-82M का मॉडल कार्ड (hexgrad), आवाज़ों की सूची के साथ — Hugging Face · 11 नवंबर 2026 को देखा गया
- Apache License 2.0, जिसके तहत Kokoro-82M प्रकाशित है — apache.org · 11 नवंबर 2026 को देखा गया
लोकल TTS, जिसे आप एयरप्लेन मोड में परख सकते हैं
इंस्टॉल करें, सारे रेडियो बंद करें, और पूरा एक अध्याय पढ़वाएँ। आप जो पढ़ते हैं वह कभी आपके डिवाइस से बाहर नहीं जाता। मुफ़्त, बिना अकाउंट, आपके iPhone पर बनने वाली 41 आवाज़ें।
iOS 18.2 या बाद का वर्शन · iPhone XS / XR या बाद का मॉडल · A12 या बाद की चिप वाला iPad · M1 या बाद की चिप वाला Mac (macOS 15.2)