其他场景
接口描述
腾讯云对话式 TTS 是基于 TRTC（实时音视频）打造的新一代低延迟语音合成能力，主打实时对话场景：超低延迟、拟人度高、支持声音克隆与多语种，能让 AI“听起来像真人”。访问更多实时音视频服务可前往 TRTC 产品页。
体验入口
内容 | 说明 |
输入文本即可在线合成，持续更新，含试听文件。 |
TTS 模型与音色说明
推荐模型：flow_02_turbo
内容 | 说明 |
定位 | 对话场景主推 TTS 模型。 |
首包延迟 | 低至 300ms，适合实时对话、实时配音。 |
拟人度 | 音质高、自然度高，具备口语化表达。 |
语言支持 | 中文、英文、日语、粤语。 |
完整精品音色清单 | 覆盖中文、英文、日语、粤语四种语言，支持角色配音、有声书、客服、播报等多种场景。 |
支持的语言代码（ISO 639-1）
语言 | 代码 |
中文 | zh |
英文 | en |
日语 | ja |
粤语 | yue |
接口选择建议
场景 | 推荐接口 | 原因 |
已知完整文本，要求最低首包延迟 | 一次请求边收边播，比非流式延迟低 50 ms - 100 ms。 | |
离线播报、批量生成、文件导出 | 拿到完整音频文件（pcm/wav/mp3），方便后处理。 | |
需要专属音色 | 提交样本得到 VoiceId，再配合上述任意接口使用。 |
说明：
文本由 LLM 流式生成（增量文本）：建议使用 SSE 流式接口，按句/段分段发送合成请求，每段独立起播，可实现"边想边说"的对话效果。
需要落盘做后处理（剪辑/合并/降噪）：建议使用非流式接口，输出格式优先选择 wav（无损、兼容性好）或 mp3（体积小、适合分发），pcm 适合自定义处理流程。
兼顾低延迟与可导出文件：可先通过 SSE 流式接口实时播放给用户，同时异步调用非流式接口生成完整音频文件用于归档或后处理。
SSE 流式文本转语音 API
本接口通过 Server-Sent Events (SSE) 进行流式语音合成，在对话场景下可边生成边播放，大幅降低首包延迟。比非流式延迟低 50 ms - 100 ms，适合对延迟有要求的实时对话场景。
文本转语音 API（非流式）
本接口提供非流式语音合成能力，适合对延迟不敏感的离线/异步生成场景，一次请求返回完整音频数据（pcm/wav/mp3），便于后处理与文件导出。
声音克隆（音色快速复刻）
本接口用于提交少量语音样本（16k 单声道 wav，6 秒 - 180 秒）创建专属克隆音色。生成的 VoiceId 与精品音色 ID 用法一致，可在任意语音合成接口中直接使用。
说明：
该声音克隆服务限时免费，后续详情见计费说明。
用于合成特定音色时，您授权腾讯云使用您提供或上传的音频、人声信息等数据用于合成语音复刻；可随时请求删除已上传内容，删除后不会留存。
并发限制
限制类型 | 默认上限 |
QPS（每秒请求数） | 20 |
同时并发路数 | 100 路 |
说明：
完整示例代码
相关服务协议告知
使用语音合成（TTS）和声音快速复刻（克隆）功能时，您需要确保：
输入素材合法合规，不含有任何违反法律法规之内容，不应输入未经授权的自然人个人信息、未经授权的知识产权数据、商业秘密数据等。
拥有合法授权：输入素材为您自行所有或已获取对应权利人充分、必要且有效的合法许可及授权，不侵犯任何第三方合法权益（包括但不限于知识产权、肖像权、名誉权、隐私权、商业秘密等）；否则因此产生的违约、侵权纠纷或法律责任由您自行处理与承担。