跳至
Text-to-Speech

Text-to-Speech AI

透過採用 Google AI 技術精華的 API,將文字轉換為自然流暢的語音。

新客戶最高可獲得 $300 美元的免費抵免額,開始使用 Text-to-Speech 和其他 Google Cloud 產品。

  • 以自然流暢的智慧型回應改善客戶互動

  • 在您的裝置和應用程式中提供語音使用者介面,方便使用者參與互動

  • 依據使用者偏好的語音和語言提供個人化的訊息

優點

高傳真語音

部署 Google 的創新技術,產生語調宛如真人的語音。以 DeepMind 的語音合成專業知識為基礎所打造的 API,可提供擬真的語音。

最豐富的語音選項

提供 380 多種語音選項,支援超過 75 種語言和方言,包括中文、北印度文、西班牙文、阿拉伯文、俄文等。您可以挑選最適合使用者和應用程式的語音。

獨一無二的語音

創造獨特的語音,讓您在所有客戶接觸點上呈現自己的品牌特色,而不是與其他機構共用相同的語音。

示範

實際運用 Text-to-Speech

自由輸入內容、選取所需語言,然後按一下「Speak It」即可聆聽。

主要功能與特色

主要功能與特色

Gemini-TTS

無論是簡短片段或完整故事,都能合成單人或多人語音,同時保留情境脈絡。只要使用簡單的自然語言提示詞 (支援超過 75 種語言/地區組合),就能精準指定風格、口音、語速、語氣和情緒表達方式。如要瞭解詳情,請前往 Media Studio 或參閱說明文件

Chirp 3:HD 語音

打造互動性高的代理,運用以 AudioML 為基礎的最新自然對話語音提供服務。這些語音提供高品質音訊、低延遲串流,並呈現自然聽感,融合人類口語停頓、情感表現和精準語調。如要瞭解詳情,請前往 Media Studio 或參閱說明文件

Chirp 3:即時自訂語音

只要提供 10 秒的音訊,就能建立個人化語音模型。非常適合用於電玩遊戲、有聲書、Podcast 等,且支援的語言/地區組合超過 30 種。如要瞭解詳情,請前往 Media Studio 或參閱說明文件

提示詞、文字和 SSML 支援

您可以使用簡單的純文字指令碼、SSML 標記,甚至強大的自然語言提示詞 (視模型支援情況而定),控制數字和時間格式、呈現方式、發音和情緒。如要瞭解詳情,請前往 Media Studio 或參閱說明文件

說明文件

說明文件

Quickstart

Gemini-TTS

瞭解如何使用 Gemini-TTS 精準控制語音合成,透過自然語言提示詞指定風格、語氣、語速和情緒表達方式。

Quickstart

Chirp 3:HD 語音總覽

瞭解如何透過 Chirp 3:HD 語音合成逼真且能引發共鳴的語音,並運用進階控制項,根據指令碼最佳做法微調音訊。

Quickstart

Chirp 3:即時自訂語音總覽

只要使用短短 10 秒的錄音內容,就能為組織打造獨特的個人化語音模型,快速生成個人語音。

Tutorial

使用 SSML 來朗讀地址

瞭解如何使用語音合成標記語言 (SSML) 來朗讀地址文字檔案。

Google Cloud Basics

Text-to-Speech 基本知識

使用 Text-to-Speech API 的基本概念指南。
Google Cloud Basics

支援的語音和語言

瀏覽這項產品的指南和資源。

找不到所需資訊嗎?

使用案例

使用案例

用途
客服中心內的語音機器人

Dialogflow 的語音機器人可動態產生語音,而非播放預先錄製的靜態語音,能提供更優質的客戶服務語音體驗。以高品質的合成語音進行互動,讓來電者享有親切熟悉的個人化服務。

用途
在裝置中產生語音

將您的裝置當做文字閱讀器使用,讓裝置發出擬真語音,與使用者自然地溝通。搭配使用 Speech-to-TextNatural Language 來建立端對端語音使用者介面,以輕鬆而吸引人的互動來改善使用者體驗。

用途
無障礙電子節目表

輕鬆讓系統讀出電子節目表的文字內容,藉此為客戶提供更優質的使用者體驗,並讓您的服務和應用程式符合無障礙需求。試試電子節目表示範

輕鬆將文字轉語音功能導入電子節目表,為客戶提供更優質的使用者體驗,並讓服務和應用程式符合無障礙需求。

所有功能與特色

所有功能與特色

串流音訊合成

透過串流音訊合成功能,協助 AI 代理提供超低延遲語音體驗,實現流暢而即時的對話互動。

長音訊合成功能

使用長音訊合成功能,以非同步的方式合成輸入內容,最高可達 100 萬位元組。

語音和語言選項

針對超過 75 種語言和方言提供 380 多種語音,而且即將推出更多選項。

文字與 SSML 支援
您可以使用語音合成標記語言 (SSML) 標記來自訂語音,例如加入停頓點、數字、日期與時間格式設定,以及其他發音指示。
音調微調
自訂所選語音的音調,最多可以比預設音調升高或降低 20 個半音。
誦讀速度微調
您可以將誦讀速度調整為比正常速度快或慢 4 倍。
音量增益控制

輸出音量最多能提高 16 db 或降低 96 db。

整合 REST 和 gRPC API

輕鬆整合可傳送 REST 或 gRPC 要求的任何應用程式或裝置,包括手機、電腦、平板電腦和 IoT 裝置 (例如汽車、電視與喇叭)。

多種音訊格式
將文字轉換為 MP3、Linear16、OGG Opus 和其他多種音訊格式
音訊設定檔
可針對用來播放語音的喇叭類型進行最佳化處理,例如耳罩式耳機或電話聽筒。

定價

定價

系統每月計算 Text-to-Speech 的費用時,會按照傳送至這項服務進行音訊合成的字元數計費。WaveNet 語音每月前 100 萬個字元免費。如果是標準 (非 WaveNet) 語音,則每月前 400 萬個字元免費。免費方案的額度用完後,系統會依據 Text-to-Speech 處理的文字量向您收費 (計費單位為 100 萬個字元)。

如果使用美元以外的貨幣付費,系統將按照 Google Cloud SKU 頁面上列出的相應貨幣價格計費。

展開下一步行動

新客戶可獲得 $300 美元的免費抵免額,開始使用 Text-to-Speech 和其他 Google Cloud 產品。

Cloud Text-to-Speech
Google Cloud