Cloud Text-to-Speech

透過機器學習技術將文字轉為語音。

高傳真語音合成

Google Cloud Text-to-Speech 可以將文字轉換為超過 180 種擬真語音，當中包含 30 多種語言和方言。這項功能運用了語音合成領域 (WaveNet) 的創新研究和 Google 強大的類神經網路，可提供高傳真音訊。有了這個易於使用的 API，您就能將客戶服務、裝置互動和其他應用情境轉為語音，與使用者進行臨場感十足的互動。

迅速將文字轉換為語音

自由輸入內容，選取語言，然後按一下「Speak It」即可聆聽。

採用 Google 的機器學習技術

利用先進的深度學習類神經網路演算法，將文字合成為各式各樣的語音和語言。類神經網路是以 Google 的語音合成專業技術為基礎。

180 多種語音供您選擇

Google Cloud Text-to-Speech 提供超過 180 種語音選項，包括 30 多種語言和方言，能讓開發人員選擇最適合所需用途的語音。

內含 WaveNet 技術的專屬使用權

DeepMind 在機器學習模型方面的研究已取得突破性成果，生成的語音能夠更自然地模擬出人類的話聲和發音，與人聲的差距已降低了 70%。Cloud Text-to-Speech 提供 90 多種 WaveNet 語音的專屬使用權，我們日後也會持續新增其他語音種類。

輕鬆整合現有應用程式和裝置

Cloud Text-to-Speech 可支援任何能夠傳送 REST 或 gRPC 要求的應用程式或裝置，包括手機、電腦、平板電腦及 IoT 裝置 (例如汽車、電視、喇叭)。

支援多種常見用途

Google Cloud Text-to-Speech 是簡單好用的 API，提供了彈性的解決方案，可為各種不同的用途創造出自然流暢的體驗。常見用途包括客服中心的自動化程序、物聯網裝置的互動式回應，或是將文字內容轉換為可以聆聽的音訊。

Cloud Text-to-Speech 功能

多種語言: 提供 180 個語音選項，包括 30 多種語言和方言，不久後也會推出更多語音種類。
WaveNet 語音: 獨家使用 DeepMind WaveNet 的多語言服務，享受最自然流暢的語音功能。
支援文字與 SSML: 可使用 SSML 標籤自訂語音加入停頓、數字、日期及時間等格式設定，以及其他發音上的指示。
誦讀速度微調: 您可以自訂誦讀速度，調整為比正常速度快或慢 4 倍。

音調微調: 可自訂您所選語音的音調，最多可比預設輸出增加或減少 20 個半音。
音量增益控制: 輸出音量最多可以提高 16db 或降低 96db。
多種音訊格式: 多種音訊格式供您選擇，包括 mp3、Linear16 和 Ogg Opus。
音訊設定檔: 可針對用於播放語音的喇叭類型進行最佳化處理，例如耳罩式耳機或電話線路。