了解如何构建新一代 AI 应用。欢迎参加将于 12 月 13 日举办的应用 AI 峰会
跳转到
Text-to-Speech

Text-to-Speech AI

使用由 Google 的精华 AI 技术提供支持的 API,将文字转换为自然而逼真的语音。

新客户可获得 $300 赠金,用于抵扣 Text-to-Speech 的相关费用。

  • 通过自然逼真的智能回复改善客户互动

  • 让用户与您的设备和应用中的语音界面进行互动

  • 根据用户首选的语音和语言对沟通方式进行个性化设置

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。

最广泛的语音选择

您可以从涵盖 50 多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。

独特的语音

打造一种独特的语音来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

实际试用 Text-to-Speech

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

主要特性

Neural2 语音

借助以推进自定义语音功能的最新研究成果打造的即用型语音,实现国际化的语音体验。

录音室语音(预览版)

在录音室级环境中录制专业解说内容,让您的听众耳目一新。务必要戴上耳机!

自定义语音

用您自己录制的音频来训练一个自定义语音模型,为组织制作听起来更加自然的独特语音。您可以定义和选择适合组织的语音配置文件,根据语音需求的变化来快速调整,而不必录制新的语句。

语音调整

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。调整您的语音讲话速度,最多可加快至正常语速的 4 倍,或减慢至四分之一。

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,实现语音自定义。

查看所有功能

文档

文档

Google Cloud 基础知识

Text-to-Speech 基础知识

Text-to-Speech API 使用方面的基本概念指南。
快速入门

快速入门:使用命令行

设置您的 Google Cloud 项目和授权,并向 Text-to-Speech 发出文字转音频请求。
Google Cloud 基础知识

支持的语音和语言

浏览此产品的指南和资源。
Google Cloud 基础知识

自定义语音(Beta 版)概览

了解如何使用自己的录音室级品质的录音,通过自定义语音功能制作听起来更为自然的独特语音。
教程

WaveNet 和其他合成语音

了解可用于 Text-to-Speech 的各种合成语音,包括高级 WaveNet 语音。
教程

使用 SSML 读出地址

本教程演示如何使用语音合成标记语言 (SSML) 读出地址的文本文件。

没有看到您需要的内容?

使用场景

使用场景

使用场景
联络中心内的语音聊天机器人

基于 Dialogflow 的语音聊天机器人可动态生成语音,而非播放预先录制的静态音频,从而帮助您提供更好的客服语音体验。用更加亲切和个性化的高品质合成语音与来电者互动。

“联络中心内的语音聊天机器人”参考架构
使用场景
在设备中生成语音

让您的设备作为文字阅读器发出类似真人的语音,为用户带来自然而逼真的交流体验。结合 Speech-to-TextNatural Language 打造端到端语音界面,并通过轻松且富有吸引力的互动提升用户体验。

“在设备中生成语音”参考架构
使用场景
无障碍 EPG(电子节目单)

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。

展示 TTS API 如何创建无障碍电子节目单的参考架构

所有特性

所有特性

自定义语音
使用您自己的录音来训练自定义语音合成模型,为组织制作听起来更加自然的独特语音。您可以定义和选择适合组织的语音配置文件,根据语音需求的变化来快速调整,而不必录制新的语句。了解详情
长音频合成
通过长音频合成功能异步合成最高 100 万字节的输入。
语音和语言选择
从涵盖 40 多种语言和语言变体的 220 多种丰富语音中进行选择;近期还将推出更多语音。
WaveNet 语音
利用基于 DeepMind 突破性研究成果而打造的 90 多种 WaveNet 语音,生成极其接近真人音质的声音。
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,实现语音自定义。
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
调整您的语音讲话速度,最多可加快至正常语速的 4 倍,或减慢至四分之一。
音量增益控制
将输出音量最高调至 16db 或最低调至 -96db。
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、音响设备)。
音频格式灵活性
将文字转换为 MP3、Linear16、OGG Opus 和一些其他的音频格式
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

价格

Text-to-Speech 的价格取决于每月发送给服务并合成为音频的字符数量。 对于 WaveNet 语音,每月前 100 万字符免费。对于标准(非 WaveNet)语音,每月前 400 万字符免费。免费层级配额用尽后,系统会以处理 100 万个文本字符为单位收取 Speech-to-Text 的文本转换费用。

如果您使用非美元货币付费,请参阅 Google Cloud SKU 上以您的币种列出的价格。

更进一步

获享 $300 赠金以及 20 多种提供“始终免费”用量的产品,开始在 Google Cloud 上构建项目。

Google Cloud
  • ‪English‬
  • ‪Deutsch‬
  • ‪Español‬
  • ‪Español (Latinoamérica)‬
  • ‪Français‬
  • ‪Indonesia‬
  • ‪Italiano‬
  • ‪Português (Brasil)‬
  • ‪简体中文‬
  • ‪繁體中文‬
  • ‪日本語‬
  • ‪한국어‬
控制台
  • 利用我们透明的定价方法节省资金
  • Google Cloud 的随用随付价格方案会根据预付费资源的每月用量和折扣费率自动为您节省费用。请立即联系我们,获取报价。
Google Cloud