用途：Inworld 是文本转语音（TTS）平台，提供语音克隆、音频标记与时间戳对齐能力，适合需要生成语音、克隆音色、做唇形同步或情感化朗读的集成场景。
主要能力：支持 15 种语言（en、zh、ja、ko、ru、it、es、pt、fr、de、pl、nl、hi、he、ar）；即时克隆仅需 5-15 秒音频、无需训练；音频标记如 [happy]、[laughing]、[sigh]（仅英文）；提供词、音素、视素时间戳用于唇形同步；支持 /voice:stream 流式端点；TTS-2 支持自然语言括号指令（如 [say excitedly]、[whisper in a hushed style]）；deliveryMode 提供 STABLE、BALANCED、CREATIVE 三档，在一致性与情感范围间取舍；跨语言合成可复用同一音色，语音本地化提升母语感。
模型：inworld-tts-2-flash（延迟与成本最低）、inworld-tts-2（最新）、inworld-tts-1.5-max 与 inworld-tts-1.5-mini（旧版）。价格资料未给出具体数值。
使用方式：向 https://api.inworld.ai/tts/v1/voice 发送 POST 请求，Authorization 使用 Basic 加 API Key，请求体包含 text、voiceId、modelId，返回的 audioContent 为 base64 音频。流式使用 /voice:stream。
限制：音频标记仅英文可用；情感标记需放在文本开头且只用一种；音色语言需与文本语言匹配；即时克隆对儿童声音或特殊口音可能不适用。Steering 与 Professional Voice Cloning 仅 inworld-tts-2 支持。具体安装步骤、定价与更多 API 细节资料未完整提供。