SuperAPI AI 工具集

text-to-speech

智能体与模型

查看项目

更新于 11-08 16:04

技能介绍

用途:该技能面向在 HeyGen 平台上完成文本转语音(TTS)及相关语音处理任务,提供对原生模型与目录音色的统一调用入口。资料提示应使用已注册的工具,而不是已停用的 /v1/audio 语音端点。

主要能力:

  1. heygen_tts:使用 HeyGen 原生 Voice1 / Turbo / Turbo Free 进行语音合成。原生 ACTIVE 公开音色、即时音色或专业音色来自 /v3/models/audio/voices。专业音色需要 Voice1(不支持 Turbo)。输出为 44.1kHz WAV,文本限制 5,000 字符。
  2. heygen_catalog_tts:使用 /v3/voices 中的目录音色,并在 /v3/voices/speech 上显式选择引擎(Starfish、HeyGen Voice 或 ElevenLabs)。资料特别说明这些音色 ID 与原生克隆 ID 不可互换。
  3. heygen_voice_convert:通过 /v3/models/audio/sts,使用 ACTIVE 的即时工作区音色进行保持时间节奏的语音转换。
  4. 技能描述还提到音色发现、时间戳与流式输出能力。

使用方式:按任务选择对应工具;需要原生模型时使用 heygen_tts,需要目录音色时使用 heygen_catalog_tts 并显式指定引擎,需要语音转换时使用 heygen_voice_convert。资料要求阅读 10 月 23 日的提供方指南,以获取当前的请求字段、输出路径、时间戳/SSE 处理、定价与重试行为,并明确不应在原生模型、目录引擎或不同主机之间静默回退。

适用场景:需要生成旁白或语音内容的场景,以及需要在原生音色与目录音色之间做区分的语音合成任务,和需要保持原有时序的语音转换任务。

限制:原生语音文本上限 5,000 字符;专业音色仅支持 Voice1;Turbo Free 为促销性质,截止 2026 年 11 月 30 日,且存在共享容量限制;原生音色 ID、目录音色 ID 与克隆 ID 不可互换;不应自动回退。官方文档见 https://developers.heygen.com/docs/voices/heygen-voice-speech 、https://developers.heygen.com/reference/generate-speech 、https://developers.heygen.com/docs/voices/speech-to-speech 。具体价格与其它平台细节资料未完整提供。