TTS 2 Flash 已在EmpirioLabs上提供。 Inworld 已将实时 TTS-2 系列正式发布，Flash 是其中延迟优先的成员。它拥有跨 200+ 种语言和地区的单一语音身份，合成时可流式传输音频，并可返回每词或字符的时间戳。同系列中以质量为先的实时 TTS-2 也已在线。
TTS 2 Flash 支持什么
Flash接收文本并返回音频。它用一个语音身份覆盖200+种语言和地区，所以当你切换语言时，同一个语音ID会保持其字符，包括在一代中途切换。输出以MP3、WAV、OGG、FLAC、PCM、A-LAW或μ-law的形式返回，采样率从8 kHz到48 kHz。
语音下拉菜单显示20个精心挑选的预设。那是便利列表，不是目录：通过任何其他语音ID，包括地区和克隆声音，都通过 voice_id，并调用语音端点以枚举可用内容。
如何称TTS 2为Flash
使用兼容 OpenAI 的语音端点并设置 模型 到 tts-2-flash编号:
curl https://api.empiriolabs.ai/v1/audio/speech \ -h '授权：承载者 $EMPIRIOLABS_API_KEY' \ -h '内容类型：application/json' \ -d '{ “model”： “tts-2-flash”， “input”： “你好，感谢您的来电。今天我能为您做些什么？”， “voice”： “Ashley”， “language”： “en-US”， “output_format”： “MP3” }'响应会带有已签名的生成音频URL，以及一个包含计费字符数的使用块。计费是按输入字符计费的，所以成本是追踪你发送的文本，而不是返回音频的长度。
流媒体
对于语音代理和任何在音频仍在制作中播放音频的设备，请发送到同一端点的流媒体版本。它返回服务器发送事件： 音频.chunk 活动中以合成方式呈现Base64音频，可选 音频.时间戳 当你要求单词或角色时间，以及最后一个时机时，事件发生 音频.完成 带有重放URL和使用块的事件。设置 timestamp_type 到 真是太棒了 或 角色 当你开车时，字幕或高亮界面。
在TTS 2和TTS 2闪存之间选择
两款型号共享相同的请求形状、相同的语音和语言覆盖，因此切换只需一个词即可更改 模型.选择时关键的区别是配送控制。
实时TTS-2接受纯英语语音指令：用括号打开文本，模型以该指令执行该行，而非大声朗读指令。它既能理解简短指令，也能理解自由形式的简报。
{ “model”：“tts-2”， “input”：“[热情地说话，像在迎接老朋友] 早上好，很高兴再次见到你。”， “声音”：“Ashley” }TTS 2 闪存不应用这个方向。发送同样的括号文本给闪存时会被忽略，所以当性能重要时选择 TTS 2，延迟和音量重要时选择闪存。在闪存中，用 速度 以及 温度 而是控制。
第一次通话前值得了解的笔记
- 语音指导仅限TTS 2。 Flash 会无声地忽略括号指令而不是拒绝，因此为 TTS 2 编写的提示会在 Flash 上运行，然后返回时会无方向。
- 方向文本是计费的。 括号内的指令即使从未被口说，仍计入请求的字符总数，因此请简短说明。
- 每个请求的限制是2000个字符。 在客户端的句子边界处分块较长的文本，并串接音频，而不是发送一个长段。
- 文本归一化默认开启。 数字、日期和缩写会被扩展为口语形式，这也意味着计费字符数可能超过你发送的字符串长度。如果你已经自己规范了文本，请关闭它。
