TTS 2 vs TTS 1.5 Max

TTS 2 与 TTS 1.5 Max 并排比较:规格、能力、参数,以及 EmpirioLabs 目录中的实时价格。

Inworld 音频生成

TTS 2 vs TTS 1.5 Max 概览

TTS 2 和 TTS 1.5 Max 都是 Inworld 的模型,属于音频生成类别,可通过 EmpirioLabs API 使用。

主要区别

  • TTS 2 发布更晚(2026年5月5日);TTS 1.5 Max 发布于 2026年1月21日。
  • 仅 TTS 2 列出的能力:low latency, voice direction。
  • 仅 TTS 1.5 Max 列出的能力:broadcast quality。
  • 合成(每 100 万字符)的价格 TTS 2 更低。

TTS 2 vs TTS 1.5 Max:规格

规格TTS 2TTS 1.5 Max
模型 IDtts-2tts-1-5-max
开发方InworldInworld
发布日期2026年5月5日2026年1月21日
输入
文本
文本
输出
音频
音频
端点
POST /v1/audio/speech POST /v1/audio/speech:stream GET /v1/voices
POST /v1/audio/speech POST /v1/audio/speech:stream GET /v1/voices
能力
multi speaker real time low latency streaming word timestamps character timestamps multilingual expressive prosody voice direction
multi speaker real time streaming word timestamps character timestamps multilingual expressive prosody broadcast quality

TTS 2 vs TTS 1.5 Max:API 价格

两个模型在 EmpirioLabs 目录中的实时价格。每张价格表始终与 API 的实际计费一致。

TTS 2 vs TTS 1.5 Max:API 参数

每个模型在 EmpirioLabs 上列出的请求参数,以及适用的可选值或范围。短横线表示该模型未列出此参数。

参数TTS 2TTS 1.5 Max
input最大 2000最大 2000
voiceSarah, Olivia, Elizabeth, Ashley, Wendy, Julia, Priya, Pixie,... 默认值: SarahSarah, Olivia, Elizabeth, Ashley, Wendy, Julia, Priya, Pixie,... 默认值: Sarah
voice_idstringstring
languageen-US, en-GB, es-ES, es-MX, fr-FR, de-DE, it-IT, pt-BR, pt-PT... 默认值: en-USen-US, en-GB, es-ES, es-MX, fr-FR, de-DE, it-IT, pt-BR, pt-PT... 默认值: en-US
output_formatMP3, WAV, OGG, FLAC, PCM, ALAW, MULAW 默认值: WAVMP3, WAV, OGG, FLAC, PCM, ALAW, MULAW 默认值: WAV
sample_rate8000, 16000, 22050, 24000, 32000, 44100, 48000 默认值: 240008000, 16000, 22050, 24000, 32000, 44100, 48000 默认值: 24000
speed0.5 到 1.5 默认值: 10.5 到 1.5 默认值: 1
temperature0.1 到 2 默认值: 10.1 到 2 默认值: 1
bit_rate32000 到 320000 默认值: 12800032000 到 320000 默认值: 128000
apply_text_normalizationON, OFF 默认值: ONON, OFF 默认值: ON
timestamp_typeNONE, WORD, CHARACTER 默认值: NONENONE, WORD, CHARACTER 默认值: NONE

TTS 2 vs TTS 1.5 Max:限制与说明

TTS 2

界限

  • 最大输入:每个请求2000字符(句子边界处文本块更长)
  • WebSocket:20个并发连接,5contexts/connection
  • 按窗口消息:1000字符

配音指导

  • 用通俗英语用括号开启文本,以便引导表达,例如在[whispering]、[excited]或[Speak warmly, like you are greeting an old friend]
  • 括号内的文本被视为方向,不会被朗读
  • 方向文字计入账单角色总数,所以保持简短

延迟

  • p90 TTFB:低于100毫秒(Inworld基准测试)

配音

  • 同一声音身份涵盖200+种语言和地区,包括在代际中期切换语言
  • 下拉菜单中精选预设;通过voice_id传递任何其他语音ID。

TTS 1.5 Max

界限

  • 最大输入:每个请求2000字符(句子边界处文本块更长)
  • WebSocket:20个并发连接,5contexts/connection
  • 按窗口消息:1000字符

延迟

  • p90 TTFB:低于250毫秒(Inworld基准测试)

配音

  • 271+ 命名预设,跨 15 种语言
  • 下拉菜单中显示的20个精心挑选的预设;通过voice_id传递任何其他语音ID。

如何调用 TTS 2 和 TTS 1.5 Max

TTS 2 通过 POST /v1/audio/speech 生成语音并返回可播放的音频。把要朗读的文本作为 input,连同模型 ID tts-2 一起发送。 两个模型通过同一个端点调用。将 model 设为 tts-2 或 tts-1-5-max。 在EmpirioLabs 控制台获取 API 密钥。

cURL
curl https://api.empiriolabs.ai/v1/audio/speech \
  -H "Authorization: Bearer $EMPIRIOLABS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "tts-2",
    "input": "Welcome to EmpirioLabs. Your build just finished."
  }' \
  --output speech.mp3

TTS 2 vs TTS 1.5 Max:常见问题

TTS 2 和 TTS 1.5 Max 有什么区别?

TTS 2 发布更晚(2026年5月5日);TTS 1.5 Max 发布于 2026年1月21日。 仅 TTS 2 列出的能力:low latency, voice direction。 仅 TTS 1.5 Max 列出的能力:broadcast quality。 本页的规格、价格表和参数来自 EmpirioLabs 实时目录。

TTS 2 和 TTS 1.5 Max 哪个更新?

TTS 2 发布更晚(2026年5月5日);TTS 1.5 Max 发布于 2026年1月21日。

TTS 2 和 TTS 1.5 Max 哪个价格更低?

合成(每 100 万字符)的价格 TTS 2 更低。 两张实时价格表都在本页,并始终与 API 的实际计费一致。

可以在不重构集成的情况下在 TTS 2 和 TTS 1.5 Max 之间切换吗?

可以。两个模型都使用 POST /v1/audio/speech 和同一个 EmpirioLabs API 密钥,大多数集成只需更改 model 值即可切换。如果依赖某个模型特有的参数,请先查看本页的参数表。

集成之前可以在浏览器里试用 TTS 2 和 TTS 1.5 Max 吗?

可以。在 EmpirioLabs Playground 中分别打开两个模型,用 API 提供的参数对两者运行同一个提示词。

准备好使用更好的终端了吗?

查看我们的定价,或者如果你想将自己的模型部署到我们的堆栈中,请联系我们。