文本转语音 (Text-to-Speech)
SenseAudio 文本转语音（TTS）服务基于千亿参数大模型，将文字瞬间转化为自然流畅、情感丰富的语音。支持多种专业音色、精细化控制及流式输出，适用于各类智能交互与内容生产场景。
核心特性
极致拟真的语音合成
基于深度学习技术，提供接近真人的语音合成体验：
- 情感丰富：支持开心、悲伤、生气、撒娇等 10+ 种情感表达。
- 风格多样：覆盖客服、广告、播客、有声书、新闻资讯等专业场景。
- 多语言支持：原生支持中文及英文。
智能多音字与上下文理解（目前仅适用于克隆音色）
面向中文场景深度优化，确保发音准确自然：
- 语境判别：结合上下文自动识别多音字读音，避免机械式误读
- 专业词汇支持：针对人名、地名、行业术语进行专项优化
- 自然连读：多音字在句中发音与语调自然衔接，更贴近真人表达
毫秒级流式响应
专为实时交互设计的高性能架构：
- 超低延迟：首包延迟 < 500ms，满足实时对话需求。
- 流式输出：支持 Server-Sent Events (SSE)，边合成边播放。
- 高并发：万卡集群支撑，轻松应对亿级调用。
精细化语音控制
提供丰富的参数调节，满足个性化需求：
| 参数 | 说明 | 范围 | 步进值 | 典型应用 |
|---|---|---|---|---|
| speed | 语速调节 | 0.5 - 2.0 | 0.01 | 0.8 (抒情) / 1.5 (快讯) |
| vol | 音量调节 | 0.01 - 10 | 0.01 | 环境适配 / 重点强调 |
| pitch | 声调调节 | -12 - 12 | 1 | 角色变声 / 情绪微调 |
音频规格
支持多种主流音频格式与采样率，适配不同终端设备：
- 格式：mp3 (推荐), wav, pcm, flac
- 采样率：
- 32kHz (推荐)：平衡音质与带宽，适合大多数场景。
- 48kHz：影院级高保真音质，适合内容制作。
- 16kHz：电话/IoT 设备标准音质。
应用场景
智能交互
- 语音助手：为 AI 助手赋予自然、有温度的声音。
- 智能客服：替代机械的 IVR，提供 24/7 拟人化服务。
- 数字人：驱动虚拟形象，实现唇音同步的实时交互。
内容生产
- 有声阅读：批量将小说、文章转化为高质量有声书。
- 短视频配音：一键生成旁白，降低制作成本，提升效率。
- 新闻播报：自动化生成新闻音频，时效性更强。
教育培训
- 在线教育：课件自动配音，支持多语种教学。
- 儿童故事：使用生动可爱的童声讲述睡前故事。
快速体验
基础合成
最简单的调用方式，快速体验 TTS 能力：
json
复制
{
"model": "senseaudio-tts-1.5-260319-260319",
"text": "欢迎体验 SenseAudio 极致语音服务。",
"voice_setting": {
"voice_id": "male_0004_a" // 温柔御姐音色
}
}流式合成
适用于实时对话场景，大幅降低等待时间：
json
复制
{
"model": "senseaudio-tts-1.5-260319-260319",
"text": "这是一个流式输出的示例文本...",
"stream": true,
"voice_setting": {
"voice_id": "male_0004_a"
}
}