SpeechifyAI

Freemium

面向开发者的富有表现力的文本转语音与语音克隆 API，支持流式 Simba 模型、目录音色和克隆音色、SSML，以及免费起步额度，帮助将语音集成到应用中。

什么是 SpeechifyAI？

SpeechifyAI 是一款面向开发者的富有表现力的文本转语音与语音克隆 API。应用可以通过 HTTP 端点，使用目录音色或在付费方案中基于经授权的参考录音创建的克隆音色，将文本生成音频。

该平台围绕流式 Simba 模型构建，适用于需要在内容生成过程中获取语音的应用。它提供标准和流式语音端点、SSML 与语音标记、多种音频格式，以及浏览器试听实验室，可用于比较预设音色并在集成前试用文本。SpeechifyAI 与 Speechify Reader 应用及其订阅服务相互独立。

开发者可以使用 API 密钥开始使用，无需添加信用卡即可获得每月免费额度。用量按实际播报的字符数计算。付费方案增加语音克隆功能，并允许通过购买充值余额继续使用；不同方案还提供批量合成、额外席位和不同级别的支持等选项。

使用 Simba 模型，通过标准或流式 API 端点生成语音。该网站报告称，其 Simba 3.2 生产环境美国东部路径的首个音频字节中位时间为 56 毫秒，p90 为 102 毫秒；这些是首字节测量值，并不代表可听到的端到端延迟保证。

使用 SpeechifyAI 的目录音色，或在付费方案中使用可重复使用的克隆音色。语音克隆从参考录音开始，产品要求用户只能克隆获得使用许可的音色。

使用 SSML 控制合成，并可在普通文本输入之外请求语音标记。SSML 标签不会计入用量计算中的播报字符数。

文本转语音 API 返回生成的语音，并支持五种音频格式，其中包括 MP3。文档中的请求使用文本、一个 Simba 模型、一个音色 ID 和一种音频格式。

Simba 3.2 列出的支持语言为英语；Simba 3.0 则显示支持英语、德语、西班牙语、法语、意大利语和葡萄牙语等七个区域设置。预设示例还展示了中性、平静、愉快、活力和悲伤等表达选择；可用控制项因模型和音色而异。

通过向 API 发送不断变化的文本，并以受支持的格式接收音频，为阅读、出版或内容类应用添加生成式旁白。

将支持消息或准备好的回复文本转换为语音输出，用于需要可听客户服务体验的界面。该网站将客户支持列为示例场景之一。

当应用需要在完整回复生成之前就开始接收音频时，使用流式合成，例如用于包含动态生成文本的交互式界面。

使用获得许可的参考录音创建可重复使用的音色，为需要在生成脚本中保持一致说话者身份的产品提供支持。源录音必须经过授权，且语音克隆仅在付费方案中提供。

如何开始使用 SpeechifyAI？

创建 API 密钥，并使用授权标头、文本输入、模型、音色 ID 和音频格式调用文本转语音端点。SpeechifyAI 提供每月 500,000 个字符的免费层级，且无需信用卡。

SpeechifyAI 与 Speechify Reader 应用是同一个产品吗？

不是。SpeechifyAI 是开发者 API，与 Speechify Reader 应用分开计费。Reader 订阅不包含 API 用量。

文本转语音的用量如何计算？

用量按实际播报的文本字符数计费。SSML 标签以及输入开头或结尾处的空白字符不计入；单词之间的空格会计入。

有哪些语言和音色可用？

自助服务列表显示，Simba 3.2 支持英语，Simba 3.0 支持六种语言和七个区域设置：英语、德语、西班牙语、法语、意大利语和葡萄牙语。音色与模型的兼容性各不相同，更广泛的语言覆盖可通过销售渠道获取。

语音克隆有哪些要求？

语音克隆使用参考录音来创建可重复使用的音色。你必须获得被克隆音色的使用许可。来源资料称语音克隆在付费方案中提供，但未在所提供材料中给出完整的录音规格。

流量数据仅供参考。