供应商与模式Inworld

TTS 1.5 Max

TTS 1.5 Max
Inworld · Audio Generation
POST /v1/audio/speech

广播级语音合成，富有表现力的韵律，271+语音，跨15种语言，实时SSE流媒体，按字时间戳。

一眼看

场地价值
型号IDtts-1-5-max
车型发布日期2026-05-05
输入模态正文
输出模态音频
上下文窗口-
重量精度-
特色multi_speaker、real_time、流媒体、word_timestamps、character_timestamps、多语言、expressive_prosody、broadcast_quality
本土推断不
新是的
支持的端点POST /v1/audio/speech，POST /v1/audio/speech:stream，GET /v1/voices

定价

冲锋规格速率
合成每 100 万字符$29.75（曾经$35.00）

示例请求

$curl https://api.empiriolabs.ai/v1/audio/speech \
>  -H 'Authorization: Bearer $EMPIRIOLABS_API_KEY' \
>  -H 'Content-Type: application/json' \
>  -d '{"model": "tts-1-5-max", "input": "Hello from EmpirioLabs."}'

参数

参数类型必修默认描述
input弦是的-文本要综合。每个请求最多2000个字符 - - 客户端句子边界处的文稿块更长。·最大时间：2000
voice枚举不"Sarah"语音预设。20位精心挑选的声音，涵盖英语+西班牙语+葡萄牙语+印地语+多种口音。对于完整的271声部目录（包括克隆声），请使用voice_id。·允许：Sarah、Olivia、Elizabeth、Ashley、Wendy、Julia、Priya、Pixie、Deborah、Alex、Mark、Edward、Theodore、Ronald、Dennis、Timothy、Shaun、Craig、Hades， Heitor
voice_id弦不-自由形式的语音ID。设置时覆盖语音。用它来处理20个预设列表中之外的声音 - - Inworld TTS 1.5提供271+个名字配音，涵盖15种语言（地区口音、性别变体）。举例：Maitê、Olivia，或GET /v1/voices.中的任何声音名字
language枚举不"en-US"BCP-47语言代码。InworldTTS 1.5涵盖了15种语言。·允许：en-US、en-GB、es-ES、es-MX、fr-FR、de-DE、it-IT、pt-BR、pt-PT、nl-NL、pl-PL、ru-RU、ja-JP、ko-KR、zh-CN、hi-IN、ar-EG、he-IL
output_format枚举不"WAV"音频container/codec。WAV = LINEAR16 RIFF（无处不在）。MP3 / OGG = 压缩。PCM = 无标题原始 - 对chunked-real-time播放非常有用。FLAC = 无损。·允许：MP3、WAV、OGG、FLAC、PCM、ALAW、MULAW
sample_rate枚举不"24000"输出采样率以Hz为单位。24000是Inworld的默认采样率，也是其语音模型训练的标准;广播质量提升到48000。·允许：8000、16000、22050、24000、32000、44100、48000
speed人数不1.0说话率乘数。0.5 = 半速，1.5 = 快50%。·范围：0.5 – 1.5
temperature人数不1.0声音的表现力/变化性。Lower = 更稳定/“平坦”;更高=表现力更强，但渲染间差异更大。·范围：0.1 – 2.0
bit_rate人数不128000MP3 / OGG_OPUS 的比特率以 BPPS 表示。其他编码则被忽略。·射程：32000 – 320000
apply_text_normalization枚举不"ON"开启后，Inworld 会将数字/缩写/日期扩展为口头形式（“5美元”→“5美元”）。·允许：ON，OFF
timestamp_type枚举不"NONE"如果不是 NONE，响应会包含每个词或每个字符的时间戳，timestamp_info。对标题/高亮界面很有用。·允许：NONE，WORD，CHARACTER

注释

极限

  • 最大输入：每个请求2000字符（句子边界处文本块更长）
  • WebSocket：20个并发连接，5contexts/connection
  • 按窗口消息：1000字符

延迟

  • p90 TTFB：低于250毫秒（Inworld基准测试）

声音

  • 271+ 命名预设，跨 15 种语言
  • 下拉菜单中显示的20个精心挑选的预设;通过voice_id传递任何其他语音识别码

Machine可读模式： GET https://api.empiriolabs.ai/v1/models/tts-1-5-max。