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。
新客户可获得最高 $300 赠金，用于试用 Text-to-Speech 和其他 Google Cloud 产品。
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
Gemini-TTS
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。
Chirp 3：高清语音
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说话方式；同时融合了人类说话不连贯的特点、情感范围并具有准确的语调。如需了解详情，请前往 Media Studio 或查看我们的文档。
Chirp 3：即时自定义语音
只需 10 秒钟的音频输入，即可创建个性化语音模型。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。
提示、文本和 SSML 支持
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、传送、发音和情绪。如需了解详情，请前往 Media Studio 或查看我们的文档。
文档
文档
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。
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-Text 和 Natural 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。
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。
所有特性
所有特性
| 流式音频合成 | 利用超低延迟语音为 AI 智能体提供支持，通过流式音频合成实现无缝实时对话。 |
| 长音频合成 | 使用长音频合成异步合成最多 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，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 16 db 或最低调至 -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。