文本转语音

配置

OpenAI TTS

提供商*

OpenAI TTS

文本*

输入要转换为语音的文本...

API 密钥*

••••••••

模型

TTS-1

语音

Alloy

音频格式

MP3

语速

0.25

OpenAI TTS (tts_openai)

使用 OpenAI TTS 模型将文本转换为语音

输入

参数	类型	必填	说明
`text`	string	是	要转换为语音的文本
`apiKey`	string	是	OpenAI API 密钥
`model`	string	否	要使用的 TTS 模型 (tts-1、tts-1-hd 或 gpt-4o-mini-tts)
`voice`	string	否	要使用的音色 (alloy、ash、ballad、cedar、coral、echo、marin、sage、shimmer、verse)
`responseFormat`	string	否	音频格式 (mp3、opus、aac、flac、wav、pcm)
`speed`	number	否	语速 (0.25 到 4.0，默认：1.0)

输出

参数	类型	说明
`audioUrl`	string	生成的音频文件 URL
`audioFile`	file	生成的音频文件对象
`duration`	number	音频时长（秒）
`characterCount`	number	已处理的字符数
`format`	string	音频格式
`provider`	string	使用的 TTS 提供商

Deepgram Aura

提供商*

Deepgram Aura

文本*

输入要转换为语音的文本...

API 密钥*

••••••••

音色*

Asteria

音频格式

MP3

采样率

24000 Hz

编码为 'linear16' 时显示。

Deepgram Aura (tts_deepgram)

使用 Deepgram Aura 将文本转换为语音

输入

参数	类型	必填	说明
`text`	string	是	要转换为语音的文本
`apiKey`	string	是	Deepgram API 密钥
`model`	string	否	Deepgram 模型/音色 (例如 aura-asteria-en、aura-luna-en)
`voice`	string	否	音色标识 (model 参数的替代项)
`encoding`	string	否	音频编码 (linear16、mp3、opus、aac、flac)
`sampleRate`	number	否	采样率 (8000、16000、24000、48000)
`bitRate`	number	否	压缩格式的比特率
`container`	string	否	容器格式 (none、wav、ogg)

输出

参数	类型	说明
`audioUrl`	string	生成的音频文件 URL
`audioFile`	file	生成的音频文件对象
`duration`	number	音频时长（秒）
`characterCount`	number	已处理的字符数
`format`	string	音频格式
`provider`	string	所用 TTS 提供商

ElevenLabs

提供商*

ElevenLabs

文本*

输入要转换为语音的文本...

API 密钥*

••••••••

音色 ID*

输入 ElevenLabs 音色 ID

模型

Turbo v2.5

稳定性

相似度增强

风格

ElevenLabs (tts_elevenlabs)

使用 ElevenLabs 音色将文本转换为语音

输入

参数	类型	必填	说明
`text`	string	是	要转换为语音的文本
`voiceId`	string	是	要使用的音色 ID
`apiKey`	string	是	ElevenLabs API 密钥
`modelId`	string	否	要使用的模型（例如 eleven_monolingual_v1、eleven_turbo_v2_5、eleven_flash_v2_5）
`stability`	number	否	音色稳定性（0.0 到 1.0，默认：0.5）
`similarityBoost`	number	否	相似度增强（0.0 到 1.0，默认：0.8）
`style`	number	否	风格夸张度（0.0 到 1.0）
`useSpeakerBoost`	boolean	否	使用说话人增强（默认：true）

输出

参数	类型	说明
`audioUrl`	string	生成的音频文件 URL
`audioFile`	file	生成的音频文件对象
`duration`	number	音频时长（秒）
`characterCount`	number	已处理的字符数
`format`	string	音频格式
`provider`	string	所用 TTS 提供商

Cartesia Sonic

提供商*

Cartesia Sonic

文本*

输入要转换为语音的文本...

API 密钥*

••••••••

模型

Sonic 3

语音 ID*

输入 Cartesia 语音 ID

语速

0.5

Cartesia Sonic (tts_cartesia)

使用 Cartesia Sonic 将文本转换为语音（超低延迟）

输入

参数	类型	必填	说明
`text`	string	是	要转换为语音的文本
`apiKey`	string	是	Cartesia API 密钥
`modelId`	string	否	模型 ID (sonic-english, sonic-multilingual)
`voice`	string	否	语音 ID 或 embedding
`language`	string	否	语言代码 (en, es, fr, de, it, pt 等)
`outputFormat`	json	否	输出格式配置 (container, encoding, sampleRate)
`speed`	number	否	语速倍率
`emotion`	array	否	Sonic-3 的情感标签 (例如：['positivity:high'])

输出

参数	类型	说明
`audioUrl`	string	生成的音频文件 URL
`audioFile`	file	生成的音频文件对象
`duration`	number	音频时长（秒）
`characterCount`	number	已处理的字符数
`format`	string	音频格式
`provider`	string	所用 TTS 提供商

Google Cloud TTS

提供商*

Google Cloud TTS

文本*

输入要转换为语音的文本...

API 密钥*

••••••••

语音 ID

例如：en-US-Neural2-A

语言代码*

例如：en-US, es-ES

语速

0.25

音调

-20

Google Cloud TTS (tts_google)

使用 Google Cloud Text-to-Speech 将文本转换为语音

输入

参数	类型	必填	说明
`text`	string	是	要转换为语音的文本
`apiKey`	string	是	Google Cloud API 密钥
`voiceId`	string	否	语音 ID（例如 en-US-Neural2-A、en-US-Wavenet-D）
`languageCode`	string	是	语言代码（例如 en-US、es-ES、fr-FR）
`gender`	string	否	语音性别（MALE、FEMALE、NEUTRAL）
`audioEncoding`	string	否	音频编码（LINEAR16、MP3、OGG_OPUS、MULAW、ALAW）
`speakingRate`	number	否	语速（0.25 到 2.0，默认：1.0）
`pitch`	number	否	音调（-20.0 到 20.0，默认：0.0）
`volumeGainDb`	number	否	音量增益，单位为 dB（-96.0 到 16.0）
`sampleRateHertz`	number	否	采样率，单位为 Hz
`effectsProfileId`	array	否	效果配置（例如 ['headphone-class-device']）

输出

参数	类型	说明
`audioUrl`	string	生成的音频文件 URL
`audioFile`	file	生成的音频文件对象
`duration`	number	音频时长（秒）
`characterCount`	number	已处理的字符数
`format`	string	音频格式
`provider`	string	所用的 TTS 提供商

Azure TTS

提供商*

Azure TTS

文本*

输入要转换为语音的文本...

API 密钥*

••••••••

语音 ID

例如：en-US-JennyNeural

区域

例如：eastus、westus

输出格式

MP3 24kHz 96kbps

说话风格

例如：cheerful、sad、angry

Azure TTS (tts_azure)

使用 Azure Cognitive Services 将文本转换为语音

输入

参数	类型	必填	说明
`text`	string	是	要转换为语音的文本
`apiKey`	string	是	Azure Speech Services API 密钥
`voiceId`	string	否	语音 ID (例如：en-US-JennyNeural、en-US-GuyNeural)
`region`	string	否	Azure 区域 (例如：eastus、westus、westeurope)
`outputFormat`	string	否	输出音频格式
`rate`	string	否	语速 (例如：+10%、-20%、1.5)
`pitch`	string	否	音调 (例如：+5Hz、-2st、low)
`style`	string	否	说话风格 (例如：cheerful、sad、angry，仅限神经语音)
`styleDegree`	number	否	风格强度 (0.01 到 2.0)
`role`	string	否	角色 (例如：Girl、Boy、YoungAdultFemale)

输出

参数	类型	说明
`audioUrl`	string	生成的音频文件 URL
`audioFile`	file	生成的音频文件对象
`duration`	number	音频时长（秒）
`characterCount`	number	已处理的字符数
`format`	string	音频格式
`provider`	string	使用的 TTS 提供商

PlayHT

提供商*

PlayHT

文本*

输入要转换为语音的文本...

API 密钥*

••••••••

用户 ID*

••••••••

音色

音色 ID 或清单 URL

质量

标准

语速

0.5

PlayHT (tts_playht)

使用 PlayHT 将文本转换为语音（语音克隆）

输入

参数	类型	必填	说明
`text`	string	是	要转换为语音的文本
`apiKey`	string	是	PlayHT API 密钥（AUTHORIZATION 请求头）
`userId`	string	是	PlayHT 用户 ID（X-USER-ID 请求头）
`voice`	string	否	语音 ID 或清单 URL
`quality`	string	否	质量级别（draft、standard、premium）
`outputFormat`	string	否	输出格式（mp3、wav、ogg、flac、mulaw）
`speed`	number	否	语速倍数（0.5 到 2.0）
`temperature`	number	否	创意度/随机度（0.0 到 2.0）
`voiceGuidance`	number	否	语音稳定性（1.0 到 6.0）
`textGuidance`	number	否	文本遵循度（1.0 到 6.0）
`sampleRate`	number	否	采样率（8000、16000、22050、24000、44100、48000）

输出

参数	类型	说明
`audioUrl`	string	生成的音频文件 URL
`audioFile`	file	生成的音频文件对象
`duration`	number	音频时长（秒）
`characterCount`	number	已处理的字符数
`format`	string	音频格式
`provider`	string	所用 TTS 提供商

使用说明

使用 OpenAI、Deepgram、ElevenLabs、Cartesia、Google Cloud、Azure 和 PlayHT 的先进 AI 音色，将文本转换为自然流畅的语音。支持多种音色、语言和音频格式。

备注

分类：tools
类型：tts

文本转语音

On this page