تقوم واجهة برمجة التطبيقات text-to-speech (TTS) بتحويل النص المكتوب إلى صوت منطوق. ترسل النص، والصوت وإعدادات مثل اللغة والسرعة، وتعيد واجهة برمجة التطبيقات ملف صوتي، أو تبث الصوت ليبدأ التشغيل قبل أن يكون المقطع بأكمله جاهزا.
تقوم واجهة برمجة التطبيقات text-to-speech (TTS) بقراءة النص بصوت صناعي. ترسل الكلمات للتحدث وتختار صوتا، ويعيد النموذج الصوت بصيغة مثل MP3 أو WAV. اعتمادا على النموذج، يمكنك أيضا توجيه التسليم بلغة بسيطة، على سبيل المثال تحدث ببطء وبنبرة دافئة وهادئة، أضف علامات مدمجة لتأثيرات مثل الضحك أو التنهد، كتابة حوار لمتحدثين أو أكثر، أو استنساخ صوت من تسجيل قصير للمكبر.
معظم النماذج تأخذ أيضا إعدادات مثل اللغة، سرعة الكلام، ومعدل العينة. بعضها يضيف تجاوزات نطق للأسماء والاختصارات، أو طوابع زمنية على مستوى الكلمة يمكنك استخدامها للتعليقات التوضيحية والتمييز.
لملف مكتمل، أرسل ما بعد /v1/audio/speech مع معرف النموذج، النص في المدخلات و الصوت. تحمل الاستجابة عنوان URL لملف الصوت بشكل افتراضي. يمكنها أيضا إرجاع الصوت كبيانات base64، أو كبايتات الصوت نفسها عندما يطلب قبول الرأس يطلب الصوت. في النماذج التي تقدم قائمة صوتية، اذهب /v1/voices مع معرف النموذج يعيد الأصوات التي يمكنك استخدامها.
للاستخدام التفاعلي، النماذج التي تدعم الإجابة المتدفقة على ما بعد /v1/audio/speech:stream. يصل الصوت كأحداث مرسلة من الخادم أثناء توليه النموذج، لذا يمكن بدء التشغيل قبل أن يكون المقطع بأكمله جاهزا. بعض النماذج تقبل أيضا نصا فوق صوت في الوقت الحقيقي WebSocket وتتحدث بها بينما النص لا يزال في طريقه، على سبيل المثال أثناء كتابة نموذج لغوي لرده.
مقارنات النماذج جنبا إلى جنب عرض قدرات ومعدلات نموذجين صوتيين معا.
تصفح نماذج صوتية والاستماع إلى الأصوات في Playground قبل كتابة الكود. لاستدعاء نموذج، أنشئ مفتاح API في لوحة التحكم وأرسل نصا إلى https://api.empiriolabs.ai/v1/audio/speech، أو إلى نقطة نهاية البث للتشغيل المباشر. ال مرجع الكلام و مرجع الكلام المتدفق. صف كل مجال.
ادفع أثناء الاستخدام، أو اختر خطة مع بدلات أسبوعية. الأسعار الحالية لكل نموذج صوتي موجودة على صفحة الأسعار.
عدد النماذج: 17، مرتبة من الأرخص حين تشترك في وحدة الفوترة. تعرض صفحة كل نموذج جدول أسعاره الكامل ومعلماته وأمثلة الكود.
نقاط النهاية
/v1/audio/speech POST /v1/audio/speech:stream GET /v1/voices WEBSOCKET /v1/realtimeالسعر حسب أحرف النص
| النموذج | أقل سعر | ينطبق على |
|---|---|---|
| TTS 2 Flash Inworld | $15.00$10.50 لكل مليون شخصية | التركيب |
| StepAudio 3 TTS StepFun | $0.14 لكل 10,000 حرف | التركيب |
| Qwen Audio 3.0 TTS Alibaba Cloud | $0.15 لكل 10,000 حرف | توليف الفلاش |
| SoulX Podcast Soul AI Lab | $0.015 لكل 1000 حرف، الحد الأدنى 700 حرف لكل طلب | القاعدة |
| TTS 1.5 Mini Inworld | $25.00$17.50 لكل مليون شخصية | التركيب |
| TTS 2 Inworld | $25.00$22.00 لكل مليون شخصية | التركيب |
| TTS 1.5 Max Inworld | $35.00$29.75 لكل مليون شخصية | التركيب |
| Qwen Audio 3.1 TTS Plus Alibaba Cloud | $0.60 لكل 10,000 حرف | التركيب |
| StepAudio 2.5 TTS StepFun | $0.85 لكل 10,000 حرف | التركيب |
| GLM TTS Z.ai | $0.20 لكل 1000 حرف، الحد الأدنى 50 حرفا لكل طلب | فاست (INT8) |
متاح أيضًا: Gemini 2.5 Flash TTS, Gemini 2.5 Pro TTS, Gemini 3.1 Flash TTS, Gemini 3.8 Flash TTS, Gemini 3.8 Flash-Lite TTS, Qwen Audio 3.1 TTS, Qwen Audio 3.1 TTS Next
تحويل النص إلى كلام يحول النص المكتوب إلى صوت منطوق. يفعل تحويل الكلام إلى نص العكس: ينقل الصوت المنطوق إلى نص مكتوب.
بعض النماذج يمكنها ذلك. تقدم تسجيلا قصيرا ونظيفا للصوت، وفي بعض النماذج تسجيل المتحدث الذي يمنح الموافقة، والنموذج ينطق نصا جديدا بذلك الصوت.
حسب كمية النص: لكل حرف في بعض النماذج ولكل رمز في أخرى، لذا فإن السكريبتات الأطول تكلف أكثر. على EmpirioLabs AI يمكنك الدفع أثناء الاستخدام أو اختيار خطة مع مخصصات أسبوعية.
يعيد البث الصوت على أجزاء صغيرة أثناء توليه النموذج، بحيث يبدأ التشغيل قبل أن يكون المقطع الكامل جاهزا. يناسب وكلاء الصوت والمحادثات الحية الأخرى.
تحقق من تسعيرنا أو تواصل إذا كنت ترغب في نشر نموذجك الخاص على مجموعتنا.