跳转到主要内容
阶跃星辰为开发者提供了语音互动模型,开发者可以使用阶跃星辰的语音互动模型来完成音频生成、音色复刻语音识别的能力,帮助开发者可以在自己的应用中除了实现标准的大模型的理解能力,还可以实现语音交互。

快速开始

快速生成一段音频

复制如下代码,你可以快速生成一段音频文件。

场景与官方音色推荐

阶跃星辰为开发者提供了七大场景数十种官方推荐音色,你可以在这里试听不同的音色,并在 API 当中调用。 但我们强烈建议您通过 音色复刻 的能力,定制您的专属音色。step-tts-2 具备业界领先的复刻性能,且复刻音色可 0 成本支持全部情绪、风格控制。

1. 营销场景

营销场景需要音色具有感染力、说服力和亲和力,能够有效传递产品价值并激发购买欲望。step-tts-2 特色在于能够给出饱满的情绪,给用户以信任感和专业度,让营销内容更具吸引力。

2. 客服场景(电话催收等)

客服场景需要音色亲切、耐心、专业,能够有效安抚用户情绪并提供清晰解决方案。我们提供两种类型的客服音色,step-tts-2 音质突出、情绪饱满、真人感强,前四个推荐音色非常适合电话场景。

3. 有声书场景

有声书需要音色富有表现力、感染力,能够生动展现不同角色和情节氛围。我们的 TTS 特色在于细腻的情感表达和多变的语音风格,让听众沉浸于故事世界。

4. 情感陪伴场景

情感陪伴需要音色温暖、柔和、富有同理心,能够给予用户心理慰藉和支持。我们的 TTS 特色在于细腻的音色温柔动听,情绪感染力强,可为您的用户营造出安全、舒适的交流氛围。

5. 语音助手场景

语音助手需要音色清晰、自然、高效,能够准确理解并响应用户指令。我们的 TTS 特色在于韵律自然,情绪饱满,让您的语音助手既专业又亲切。

6. 视频配音场景

视频配音需要音色富有表现力、节奏感和画面感,能够与视频内容完美融合。我们的 TTS 特色在于精准的情绪表达和语音节奏控制,增强您视频的感染力。

7. 教育与培训场景

教培场景需要音色清晰、准确、有启发性,能够有效传递知识并激发学习兴趣。我们的 TTS 特色在于能把握教师在不同情绪下的声音特点。

官方音色清单

音色标签

音色标签支持语速演绎风格、情绪和语言三种选项;其中情绪类型的标签需要放置在 voice_label.emotion 字段中、语速演绎风格需放置在 voice_label.style 字段中。他们具体的支持情况如下表所示:

输出格式

阶跃星辰 TTS 模型 支持 wav、mp3、flac、opus 和 pcm 格式的音频输出,默认为 mp3格式,你可以根据自己的实际情况选择合适的音频格式进行使用。

输出语言

阶跃星辰 TTS 模型支持输出中文、英文,中英混合和日语音频。

FAQ

我是否拥有创造出来的音频? 是的,你创造出来的音频归你所有。但建议在产品上向用户说明相关音频由 AI 生成,以便于用户感知相关音频为 AI 生成。 如何调整生成的音频的音量? 你可以在调用生成 API 时,传入 volume 参数,可选值为 0.1~2.0 ,代表着将音量缩小至 10% ~ 增大至 200%(两倍音量)。 如何调整生成的音频的语速 你可以在调用生成 API 时,传入 speed 参数,可选值为 0.5-2 ,代表着将语速降速为之前的一半 ~ 提速至两倍。