Findings24Findings24
Unreal Speech logo

Unreal Speech

认领

Unreal Speech 是面向开发者的文本转语音 API，支持快速语音生成、时间戳和多种 API 流程；另提供免费浏览器演示，可试用 Kokoro TTS 声音并下载音频。

AI语音合成文本转语音
访问网站
Unreal Speech preview

Unreal Speech 是什么

Unreal Speech 是面向开发者的文本转语音 API，旨在将书面文本转换为口语音频，并提供低延迟和灵活的输出选项。网站将其定位为可投入生产的服务，支持流式合成、时间戳功能以及用于快速测试的浏览器演示。

产品网站展示了多种使用平台的方式：快速的 `/stream` 端点、可返回 MP3 和时间戳 URL 的 `/speech` 端点、用于较长文本的异步 `/synthesisTasks` 流程，以及一个可在流式传输音频的同时提供单词级时间戳的 WebSocket 端点。工作室页面还增加了一个基于 Kokoro TTS 的免费在线演示，提供 8 种语言共 48 个声音，可在浏览器中生成并下载音频。

核心能力

快速流式合成

首页和文档展示了一个快速的文本转语音流式路径，`/stream` 端点的音频大约可在 300ms 内可用。

多种 API 工作流

该 API 支持多种输出模式：同步、异步以及基于 WebSocket 的流式传输，因此团队可以按文本长度和延迟需求选择合适的工作流。

时间戳生成

网站记录了单词级或句子级时间戳，包括用于实时计时数据的 `/streamWithTimestamps` WebSocket 流程。

声音与语言选择

工作室演示提供 8 种语言的 48 个声音，为用户提供了广泛的声音和语言选项供测试。

长文本与规模化使用

定价页面说明该服务最多可生成 10 小时音频，并提供按字符量扩展的方案，包括免费套餐和更高用量的付费方案。

在线浏览器演示

浏览器工作室允许访客直接在浏览器中输入文本、生成语音并下载录音，便于快速评估。

Unreal Speech 的常见用法

  • 快速交互式播放

    当你希望语音输出尽快开始时，可使用低延迟的 `/stream` 端点，例如交互式应用响应或实时旁白预览。

  • 批量音频生成

    当你需要为较短片段或较长段落生成音频文件时，可使用 `/speech` 或 `/synthesisTasks`，包括超过同步路径限制的长文本内容。

  • 带时间标记的文本高亮

    当你的应用需要高亮显示、字幕同步或与文本保持对齐的旁白播放时，可使用单词级或句子级时间戳。

  • 声音评估与原型验证

    使用工作室演示在浏览器中测试声音、比较语言选项，并在集成 API 之前下载示例录音。

  • 随时间扩展用量

    使用定价套餐将字符量与使用模式匹配，从免费套餐开始，并在需求增长时升级到更高用量的方案。

Pros and Cons

Pros

  • 通过 `/stream` 端点提供快速流式路径，音频大约可在 300ms 内可用。
  • 通过同步和异步 API 流程同时支持短文本和长文本生成。
  • 提供单词级和句子级时间戳选项，并可通过 WebSocket 流同时传输音频和计时数据。
  • 提供免费的浏览器演示，无需离开网站即可试用声音并生成可下载音频。
  • 展示了从免费套餐开始并可扩展到更高用量方案的定价模式。

Cons

  • 网站未提供完整的集成清单，例如除文档片段中展示的 Python 示例之外的 SDK 覆盖情况。
  • 部分能力细节在所提供页面中仅有部分说明，因此是否适合以及实施工作量可能需要直接查看 API 文档。
  • 浏览器工作室是一个演示环境，网站将商业用途场景引导至 API 文档，而不是让其直接依赖演示本身。

FAQ

Unreal Speech 是否提供免费试用方式？

是。定价页面列出了免费套餐和付费方案，网站还提供了可在浏览器中测试文本转语音生成的在线演示。

它支持哪些 API 工作流？

首页展示的文档包含 `/stream`、`/speech`、`/synthesisTasks` 和 `/streamWithTimestamps`。网站说明 `/stream` 是同步且快速的，`/speech` 返回 MP3 和时间戳 URL，`/synthesisTasks` 用于较长文本的异步处理，而 `/streamWithTimestamps` 会在流式传输音频的同时提供单词级时间信息。

它可以随音频生成时间戳吗？

网站说明可以将 `TimestampType` 设置为 `word` 或 `sentence` 来请求时间戳，同时也提到有一种通过 WebSocket 同时流式传输音频和时间戳的流程。

有多少种声音和语言可用？

工作室页面说明 Kokoro TTS Studio 支持 8 种语言的 48 个声音，包括美式英语、英式英语、法语、印地语、西班牙语、日语、中文、意大利语和葡萄牙语。

浏览器演示和 API 产品是同一个吗？

网站将 Unreal Speech 的商业用途定位为通过其 API 文档进行，而工作室页面则将浏览器演示描述为一个可免费在线体验文本转语音、试用模型并下载音频的方式。

Quick Facts

类别
文本转语音 API
来源域名
unrealspeech.com
主要用户
开发者
演示
基于浏览器的 Kokoro TTS 工作室
声音与语言
8 种语言共 48 个声音
定价
免费套餐加付费方案