文本转语音 API

文本转语音 API 根据文字生成语音，让应用无需逐条录音即可制作旁白与朗读内容。音色、语言、表达方式和格式以所选模型为准。

使用真实脚本测试人名、数字和长句，比较自然度、发音、情绪控制、音色稳定和成本。确认语言、格式及请求流程，响应时间重要时尤其应实测。

不同模型可能提供预设音色、语速、稳定性、风格指令或音频标签。只使用文档支持的字段和取值，不应通过未提供的参数假定模型具备某项控制。

语言覆盖和发音效果取决于模型与音色。查看语言设置或自动检测方式，再测试母语文字和混合语言；多语言标签不保证所有口音与专有名词表现一致。

将文本改写为更适合口语的形式，展开有歧义的缩写，并先测试短句。有发音或文本规范化设置时按文档使用；展示文字不一定适合直接作为配音脚本。

先查文本限制与输出规则，按自然段或句子拆分长文，复用音色设置并检查拼接。模型支持上下文参数时可用于保持连续性。

不会。选择合成音色与根据录音创建声音克隆是不同能力。克隆需要明确支持的工作流与适当授权，不能仅凭语音合成接口设计自定义声音功能。

部分模型提供时间戳或多说话人控制，其他模型不提供。先核对输入与输出字段，再用实际脚本验证对齐，之后用于字幕或同步高亮。

使用所选模型支持的编码与质量设置。网页播放、电话和编辑可能需要不同格式或采样率，完成后检查输出；接口不支持的格式可通过独立媒体步骤转换。

按模型生成接口提交请求，保存 task_id，通过状态查询或支持的 callback_url 获取音频。低延迟模型不等于 PoYo 一定提供流式接口，应核对实际文档。

可能按字符、token、生成次数或其他模型单位计费。核对统计方式与可选设置，按完整脚本和重试次数估算，不能直接比较不同单位的数字。

先生成并检查语音，确认格式和时长符合数字人要求，再与人像一同提交，并单独跟踪视频任务。保留文字与音色设置，方便后续修改。