SpeechGen 文本转语音与音频转写

什么是 SpeechGen？

SpeechGen 是一款基于浏览器的 AI 文本转语音服务，可将输入或上传的文本转换为可下载的音频。用户可以选择不同的语音和语言、调整朗读设置，并导出完成的旁白。编辑器既支持长篇脚本，也支持短文本，并提供语音时序、发音和背景音混音控制。它还支持音频转文字，因此同一信用额度可用于语音生成或转写。

SpeechGen 能做什么？

语音和语言选择

可从 150 种语言的 5,000 多种语音中选择，涵盖 Standard、HD 和 PRO 质量等级及地区变体。

语音和导出控制

可调整语速、音高、音量、停顿、重音和发音。可下载 MP3、WAV、OGG 和 FLAC 等格式的音频。

长篇内容和文档输入

可粘贴最多 1,000,000 个字符的脚本，或上传 DOCX、PDF 和 SRT 文件。可转换基于文本的 PDF；扫描文档需先进行 OCR 处理。

多说话人和分段输出

使用说话人标签为不同段落分配不同语音，或单独一行插入 <cut>，以导出独立的音频片段。

音频制作工具

可从内置曲库添加背景音乐或上传音轨，然后在编辑器中与旁白混音。

转写和 API 访问

可使用信用额度进行音频转文字转写。所列功能还包括说话人区分、词级时间戳、字幕导出、批量导出和 API 访问。

使用场景

“视频和营销旁白”

为讲解视频、产品发布和其他视频脚本制作配音，并控制语音和语速。

“课程和培训材料”

制作课程旁白或语言练习音频，包括在说话人或语言之间切换的脚本。

“电话系统和 IVR”

生成企业电话提示录音，并在服务信息变更时进行更新。

“书籍、论文和报告”

将基于文本的 PDF 或长篇脚本转换为音频，方便离屏收听；分段输出可用于区分章节或部分内容。

“本地化和无障碍访问”

制作多种语言的语音版本，并使用转写工具从音频生成带时间戳的字幕。

常见问题

不创建账户也可以试用 SpeechGen 吗？

主页提供无需账户即可转换的前 1,000 个字符。PDF 转换页面列出的免注册额度为 3,000 个字符。

可以下载哪些文件格式？

网站列出的音频导出格式包括 MP3、WAV、OGG 和 FLAC。编辑器还提供 OPUS、M4A 和 WebM OPUS 等其他格式。

它可以朗读扫描版 PDF 吗？

PDF 转换支持基于文本的 PDF。扫描文件需先使用 OCR 处理，然后再上传。

信用额度如何扣除，有效期多久？

信用额度按字符数扣除，不同语音等级的费率不同：Standard 每两个字符扣 1 个额度，PRO 每个字符扣 1 个额度，HD 每个字符扣 2 个额度。购买的额度最长有效期为一年；充值会重置有效期。

信用额度也可用于转写吗？

可以。价格页面说明，文本转语音和音频转文字转写共用一个信用额度余额。

SpeechGen