使用依托 Google 旗下最强大 AI 技术的 API,将文字转换为自然而逼真的语音。
新客户可获得最高 $300 赠金,用于试用 Text-to-Speech 和其他 Google Cloud 产品。
用自然的 AI 语音,为用户提供逼真的智能回复
为应用构建集成了文字转语音功能的语音界面
根据用户的语音和语言偏好,打造个性化的沟通和音频体验
优势
高保真度语音
部署 Google 的突破性技术,生成宛如真人发声的语音。该 API 基于 DeepMind 的语音合成专业技术打造而成,可提供接近真人音质的语音。
海量语音任你选
您可以从涵盖超过 75 种语言和语言变体的 380 多种语音中进行选择,包括中文普通话、印地语、西班牙语、阿拉伯语、俄语等。挑选最适合您的用户和应用的语音。
独一无二的语音
打造一种独特的语音,用于在所有客户接触点代表您的品牌,而不是与其他组织使用相同的语音。
演示
输入所需内容,选择一种语言,然后点击“Speak It”即可听到相应语音。
主要特性
无论是简短片段还是长篇叙述,我们的技术都能合成单人或多人语音,并保持上下文的连贯性。您可以通过简单的自然语言提示,精准设定语音的风格、口音、语速、语调和情感表达,所有这些元素均可灵活调控。我们支持超过 75 个语言区域。如需了解详情,请前往 Media Studio 或查看我们的文档。
使用基于 AudioML 的最新自发式对话语音构建富有吸引力的客服。这些语音具有以下优势:高品质的音频、低延迟流式传输和自然流畅的人声表现;同时融合了人类说话不连贯的特点、丰富的情感跨度和精准的语调。如需了解详情,请前往 Media Studio 或查看我们的文档。
只需输入 10 秒钟音频,即可创建个性化的语音模型。非常适合电子游戏、有声读物、播客等。支持 30 多个语言区域。如需了解详情,请前往 Media Studio 或查看我们的文档。
根据模型支持情况,使用简单的纯文本脚本、SSML 标记甚至强大的自然语言提示,控制数字和时间格式、演绎方式、发音和情感表达。如需了解详情,请前往 Media Studio 或查看我们的文档。
文档
使用场景
让您的设备化身文字阅读器,以类似真人的语音与用户自然交流。再搭配使用 Speech-to-Text 和 Natural Language,打造端到端语音界面,以轻松且富有吸引力的互动提升用户体验。
轻松让设备读出 EPG 的文字内容,为您的客户提供更好的用户体验,并满足您的服务和应用的无障碍功能要求。试用 EPG 演示版。
在 EPG 中轻松实现文字转语音功能,为您的客户提供更好的用户体验,并满足您的服务和应用的无障碍功能要求。
所有特性
| 流式音频合成 | 通过流式音频合成技术提供极速语音响应,助您构建具备超低延迟、可实时无缝对话的 AI 智能体。 |
| 长音频合成 | 使用长音频合成功能可异步合成多达 100 万字节的输入。 |
| 语音和语言选择 | 从涵盖超过 75 种语言和语言变体的 380 多种丰富语音中进行选择;近期还将推出更多语音。 |
| 文本和 SSML 支持 | 使用 SSML 标记添加停顿、数字、日期和时间格式以及其他发音规则,按需自定义语音。 |
| 音高调节 | 对所选语音的音高进行个性化设置,最多可比默认输出升高或降低 20 个半音。 |
| 讲话速度调整 | 调整讲话语速,最多可加快至正常语速的 4 倍,或减慢至正常语速的四分之一。 |
| 音量增益控制 | 输出音量最高可调至 16 db,最低则可调至 -96 db。 |
| 集成式 REST API 和 gRPC API | 轻松集成到可发送 REST 或 gRPC 请求的任何应用或设备,包括手机、PC、平板电脑和物联网设备(例如汽车、电视机、音箱)。 |
| 音频格式灵活性 | 可将文字转换为 MP3、Linear16、OGG Opus 及众多其他音频格式。 |
| 音频配置文件 | 根据播放语音的音响设备类型(如耳机或电话线路)进行优化。 |
价格
Text-to-Speech 的价格取决于每月向这项服务发送的要合成为音频的字符数量。对于 WaveNet 语音,每月前 100 万个字符免费。对于标准(非 WaveNet)语音,每月前 400 万个字符免费。免费层级配额用尽后,Speech-to-Text 会以 100 万个文本字符的处理量为单位收取使用费用。
如果您使用非美元币种付费,请参阅 Google Cloud SKU 上以您的币种列出的价格。