SuperAPI AI 工具集

TTS

通用与其它

查看项目

更新于 10-15 19:56

技能介绍

用途:该技能指导使用 z-ai-web-dev-sdk 实现文本转语音(TTS),把文本转换为自然语音音频,适用于有声书、播客、在线教育、无障碍朗读、语音助手、自动播报、IVR 提示音等场景。技能位于项目 {project_path}/skills/TTS,参考脚本见 {Skill Location}/scripts/tts.ts。

主要能力:支持指定音色(如 tongtong、chuichui、xiaochen、jam、kazi、douji、luodo)、语速 0.5–2.0、音量大于 0 且不超过 10;非流式支持 wav、pcm、mp3,流式仅支持 pcm;推荐采样率 24000 Hz。

使用方式:CLI 适合快速转换与测试,例如 z-ai tts --input "Hello, world" --output ./hello.wav,可用 --voice、--speed、--format、--stream 等参数。SDK 适合应用集成,核心调用为 zai.audio.tts.create({ input, voice, speed, response_format, stream }),再通过 await response.arrayBuffer() 取回数据并写入文件。

限制:单次输入文本最多 1024 字符,超长需分块;流式仅支持 pcm;z-ai-web-dev-sdk 必须在后端代码中使用,禁止用于客户端。若出现 response.audio 未定义,应改用 response.arrayBuffer()。

其他:官方未提供收费、价格与平台支持信息,暂未提供。