依托新一代大模型能力，火山语音模型能够根据上下文，智能预测文本的情绪、语调等信息。并生成超自然、高保真、个性化的语音，以满足不同用户的个性化需求。相较于传统语音合成技术，语音大模型能输出在自然度、音质、韵律、气口、情感、语气词表达等方面更像真人。
说明
目前该能力只对企业客户开放，如需测试或接入须先进行企业认证。
长文本语音合成，暂不支持体验。
功能 | 大模型语音合成 | 传统语音合成 |
|---|---|---|
音色数量 | 26 | |
算法效果 | 自然度、音质、韵律、气口、情感、 | 合成效果流畅自然、发音清晰。 |
SSML | 支持 | 支持 |
接入方案 | 流式&非流式API、在线SDK | 流式&非流式API、在离线SDK |
部署方案 | 公共云 | 公共云、私有化 |
合成音频采样率 | 支持24K，不支持48K、16k、8k | 支持24K、16k、8k，不支持48K |
语音输出音频格式 | wav / pcm / ogg_opus / mp3，默认为 pcm。 | 支持pcm/wav/mp3/opus格式 |
应用场景 | 场景描述 |
|---|---|
有声书合成 | 用于小说的听书业务,支持单播/双播/多播等做种AI演播形式 |
音视频配音 | 用于短视频剪辑场景,通过一些趣味、IP音色等用于视频的旁白配音音 |
数字人播报 | 支持音素输出,与数字人虚拟形象做好口型驱动配合 |
教育教学 | AI播报一些教程课件,或者为虚拟老师进行配音 |
语音客服 | 用于智能客服场景,自然的TTS播报可以有类真人客服的表现 |
请点击链接进入 语音合成大模型 能力体验