语音合成(TTS, Text to Speech)，能将文本转换成人类声音。它运用了语音合成领域突破性的端到端合成方案，能提供高保真、个性化的音频。
| 特性 | 说明 |
|---|---|
语音合成 | 【在线合成】单次调用支持1024字节，约等于使用UTF-8编码的300个汉字； |
精品长文本语音合成 | 适用于需要批量合成较长文本，且对返回时效性无强需求的场景，单次可支持10万字符以内文本，异步返回音频。对于输入的文本请求，会进入集群排队处理，返回时长会受集群负载影响波动，通常返回时间会在数十分钟，最长返回时延3小时以内。如出现长时间未返回情况，如无报错，请耐心等待。提供“普通版”和“情感预测版”两种方案。 |
| 音色选择 | 提供多语音、多种音色以适配不同场景的语音合成需求 |
| 语速控制 | 自定义速度，最多可使其比正常语速快或慢4倍 |
| 音高控制 | 自定义所选语音的音高，最多可高于或低于默认输出 20 个半音 |
| 音量增益控制 | 将输出音量最高调至 16db 或最低调至 -96db |
| 情感强度控制 | 自定义情感强度，支持20档强度调节 |
| 参数调节 | 使用 SSML 标记添加停顿、数字、日期和时间格式以及其他发音指令，以自定义您的语音 |
| 合成结果 | 高质量合成语音 |
| 音频格式 | 支持pcm/wav/mp3/opus格式 |
集成方式 | 【 API】 |
多领域精品音色矩阵：采用行业最领先的生成式神经网络让AI演绎更加真实生动的同时深入不同领域打磨使音色更具业务属性，为各行业提供多风格全年龄段的精品音色。
多语言多情感能力：支持中、英、日等多国家语种，针对不同语种可提供不同地区的口音。具有丰富的情感演绎能力，可淋漓尽致地表达出开心、悲伤、愤怒、惊讶、恐惧、厌恶、平和等多种情感，带给用户极致的听觉体验
高知名度特色性强：提供如IP、方言等特色音色，达到亿级别使用，音色国民知名度高传播广。
稳定适配不同网络环境：具有“在线+离线”配套能力，可自适应网络进行离在线切换，有效避免无网、弱网时的延迟与卡顿。
高品质权威认证：具有AI国检中心颁发的语音合成增强级检验检测证书，在基本要求以及扩展要求上已达最高等级标准，音色MOS评分最高达4.64分。