Cloud-TTS is verleidelijk: je stuurt tekst op, en binnen een paar seconden komt er een stem terug. Voor een demo werkt dat prima. Voor iets wat elke dag nieuwsartikelen moet voorlezen — in het Nederlands, met een herkenbare stem, zonder dat je per minuut betaalt — begint die cloud al snel te knellen.
Daarom draait bij mij de zware spraaksynthese niet in een datacenter ver weg, maar op lokale Apple Silicon-hardware: Macs die ik ken, die ik kan herstarten, en die gewoon thuis of op kantoor staan.
Van artikel naar stem
Het begon bij Blindelinks: een luisterapp waarmee je Nederlandse nieuwsartikelen kunt beluisteren in plaats van lezen. De belofte is eenvoudig — open een artikel, druk op play — maar achter die knop zit een hele keten: tekst ophalen, opschonen, in spreekbare stukken knippen, synthesizen, en daarna netjes afspelen met ondertiteling en toegankelijkheid voor VoiceOver.
Die keten wil je niet volledig afhankelijk maken van één externe API. Niet alleen vanwege kosten, maar ook omdat je controle wilt over stem, tempo, pauzes en wat er met de tekst gebeurt.
Voicebox-bridges op de Mac
In plaats van één monoliet bouw ik kleine HTTP-bridges op de Mac. Ze spreken hetzelfde protocol als Voicebox: een job aanmaken, status pollen, audio ophalen. Daarachter kan ik wisselen van model zonder de rest van de stack om te gooien.
- Higgs Audio v3 via MLX — voice cloning op Apple Silicon, met prosody-markers en chunking voor langere artikelen
- Supertonic — snellere routes wanneer “goed genoeg en snel” belangrijker is dan maximale stemkwaliteit
- Piper — lichtgewicht, handig als je iets betrouwbaars wilt dat niet je hele machine voltrekt
De bridges draaien achter Tailscale, met launchd-agents die voorkomen dat de Mac in slaap valt, en een keepalive die een vastgelopen generate-job hard kan herstarten. Klinkt saai — tot je ’s nachts merkt dat de nieuwsqueue stilstaat omdat iemand de klep van de MacBook heeft dichtgeklapt.
Waarom lokale hardware wint
Privacy en eigenaarschap. Artikelen en stemreferenties blijven op machines die jij beheert. Je stuurt geen hele nieuwsfeed naar een derde partij om hem “even” te laten uitspreken.
Kosten die voorspelbaar zijn. Cloud-TTS rekent per teken of per seconde. Lokale hardware is een vaste investering: stroom, schijf, af en toe een model-update.
Controle over de stem. Met een eigen clone en eigen normalisatie voor Nederlands (pauzes, bedragen, namen, ademhaling tussen alinea’s) klinkt het minder als een generieke assistent en meer als iets wat je bewust hebt afgesteld.
Offline of half-offline. De Mac hoeft geen perfecte uplink te hebben om te blijven synthesizen. De app praat met je bridge; de bridge praat met het model op schijf.
Wat ik onderweg leerde
Lokale TTS is geen “zet het model erop en klaar”. De harde problemen zitten vaak tussen de regels:
- Tempo — een model kan technisch correct klinken en toch twee keer te snel zijn voor artikelnarratie
- Chunking — te grote stukken maken seams; te kleine stukken klinken hakkerig
- Idle work — een tweede Mac (livecast-mini) kan in de wachttijd headlines scrapen en alvast speech-jobs klaarzetten
- Operations — zonder prevent-sleep, daily restart en logging voelt “lokaal” al snel als “persoonlijk babysitten”
Dat laatste is onderschat. Cloud-TTS verbergt die ops in iemand anders’ dashboard. Op je eigen hardware word jij de ops.
Niet anti-cloud, wel pro-keuze
Ik gebruik nog steeds clouddiensten waar het past — snelle experimenten, vergelijkingen, of een model dat lokaal nog niet lekker loopt. Maar voor iets wat dagelijks nieuws moet voorlezen, wil ik de stemfabriek dichterbij: op een Mac die ik ken, met bridges die ik zelf geschreven heb, en hardware die ik kan aanraken als het misgaat.
TTS op lokale hardware is minder magie, meer ambacht. En juist daarom werkt het.