text-to-speech(TTS) API는 글로 쓰인 텍스트를 음성 오디오로 변환합니다. 텍스트와 음성, 언어, 속도 같은 설정을 보내면 API가 오디오 파일을 반환하거나 오디오를 스트리밍하여 전체 지문이 완성되기 전에 재생을 시작할 수 있게 합니다.
text-to-speech(TTS) API는 합성 음성으로 텍스트를 소리 내어 읽습니다. 말할 단어를 보내고 목소리를 선택하면 모델이 MP3나 WAV와 같은 형식으로 오디오를 반환합니다. 모델에 따라, 예를 들어 평범한 언어로 전달을 지시할 수도 있습니다. 따뜻하고 차분한 어조로 천천히 말하세요, 웃음이나 한숨 같은 효과를 위한 인라인 태그를 추가하거나, 두 명 이상의 화자를 위한 대사를 작성하거나, 화자의 짧은 녹음에서 목소리를 복제할 수 있습니다.
대부분의 모델은 언어, 말하기 속도, 샘플링 속도 같은 설정도 수행합니다. 일부는 이름과 약어에 대한 발음 오버라이드를 추가하거나, 자막과 강조 표시에 사용할 수 있는 단어 단위 타임스탬프를 추가합니다.
완성된 파일을 위해 보내세요 /v1/audio/speech 이후 모델 ID와 함께 텍스트가 입력 · 목소리. 응답은 기본적으로 오디오 파일의 URL을 보유합니다. 또한 이 요청이 진행될 때 오디오를 base64 데이터로 반환하거나, 오디오 바이트 자체로 반환할 수도 있습니다. 수락 헤더는 오디오를 요청합니다. 음성 목록을 제공하는 모델의 경우, 빨리 /v1/voices 모델 ID를 사용하면 사용할 수 있는 보이스가 반환됩니다.
인터랙티브 사용을 위해 스트리밍을 지원하는 모델이 답변을 제공합니다 /v1/audio/speech:stream 이후. 오디오는 모델이 이를 합성하는 동안 서버에서 전송된 이벤트로 도착하므로, 전체 구절이 준비되기 전에 재생이 시작될 수 있습니다. 일부 모델은 텍스트를 통해 텍스트를 받기도 합니다. 실시간 음성 예를 들어 언어 모델이 응답을 작성하는 동안, 텍스트가 도착하는 동안에도 WebSocket을 말합니다.
나란히 비교하는 모델 두 음성 모델의 기능과 비율을 함께 표시하세요.
둘러보기 오디오 모델 그리고 그 안의 목소리에 귀 기울이세요. Playground 코드를 작성하기 전에. 모델을 호출하려면 대시보드에서 API 키를 생성하고 텍스트를 전송하세요. https://api.empiriolabs.ai/v1/audio/speech또는 라이브 재생을 위한 스트리밍 엔드포인트로 연결됩니다. 그 음성 참조 그리고 스트리밍 음성 참조 모든 분야를 설명하세요.
사용량 중 하나씩 지불하거나, 주간 수당이 있는 플랜을 선택하세요. 모든 음성 모델의 현재 요금은 가격표·.
모델 17개. 과금 단위가 같은 모델은 저렴한 순으로 정렬했습니다. 각 모델 페이지에 전체 요금표, 파라미터, 코드가 있습니다.
엔드포인트
/v1/audio/speech POST /v1/audio/speech:stream GET /v1/voices WEBSOCKET /v1/realtime텍스트 문자 수 기준 요금
| 모델 | 최저 요금 | 적용 대상 |
|---|---|---|
| TTS 2 Flash Inworld | $15.00$10.50 100만 자당 | 합성 |
| StepAudio 3 TTS StepFun | $0.14 10,000자 단위 | 합성 |
| Qwen Audio 3.0 TTS Alibaba Cloud | $0.15 10,000자 단위 | 플래시 합성 |
| SoulX Podcast Soul AI Lab | $0.015 1,000자 단위, 요청당 최소 700자 | 기지 |
| TTS 1.5 Mini Inworld | $25.00$17.50 100만 자당 | 합성 |
| TTS 2 Inworld | $25.00$22.00 100만 자당 | 합성 |
| TTS 1.5 Max Inworld | $35.00$29.75 100만 자당 | 합성 |
| Qwen Audio 3.1 TTS Plus Alibaba Cloud | $0.60 10,000자 단위 | 합성 |
| StepAudio 2.5 TTS StepFun | $0.85 10,000자 단위 | 합성 |
| GLM TTS Z.ai | $0.20 1,000자 단위, 요청당 최소 50자 | 빠른 (인터셉트 8) |
그 밖의 모델: 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
텍스트 음성 변환은 글로 된 텍스트를 음성 오디오로 변환합니다. 음성 투 텍스트는 반대로, 음성 오디오를 글로 옮겨 쓰는 것입니다.
일부 모델은 가능합니다. 짧고 깨끗한 목소리 녹음을 제공하고, 일부 모델에서는 화자가 동의하는 녹음을 제공하고, 모델이 그 목소리로 새로운 텍스트를 말하기도 합니다.
텍스트 양에 따라 말하자면, 어떤 모델은 캐릭터 단위, 다른 모델은 토큰 단위로 계산되니, 긴 스크립트일수록 더 비쌉니다. EmpirioLabs AI에서는 사용량 중 하나씩 결제하거나 주간 할당량이 있는 요금제를 선택할 수 있습니다.
스트리밍은 모델이 이를 합성하는 동안 오디오를 작은 덩어리로 반환하므로, 전체 구절이 준비되기 전에 재생이 시작됩니다. 음성 상담원과 기타 실시간 대화에 적합합니다.