开源语音模型,用于长形,多语种播客对话,配有准语言控制(笑声,叹息)和零镜头语音克隆.
Soul AI Lab音频生成发布日期 2025年10月29日原生推理开源语音模型,用于长形,多语种播客对话,配有准语言控制(笑声,叹息)和零镜头语音克隆.
也称为 Soul AI Lab SoulX Podcast
soulx-podcast/v1/audio/speechsoul-ai-lab/soulx-podcast来自 EmpirioLabs 目录的实时按量计费价格。只为实际用量付费，没有月度最低消费。
SoulX Podcast 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 soulx-podcast 一起发送。 在EmpirioLabs 控制台获取 API 密钥。
curl https://api.empiriolabs.ai/v1/audio/speech \
-H "Authorization: Bearer $EMPIRIOLABS_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "soulx-podcast",
"input": "Welcome to EmpirioLabs. Your build just finished."
}' \
--output speech.mp3import requests
response = requests.post(
"https://api.empiriolabs.ai/v1/audio/speech",
headers={"Authorization": "Bearer YOUR_EMPIRIOLABS_API_KEY"},
json={"model": "soulx-podcast", "input": "Welcome to EmpirioLabs."},
)
with open("speech.mp3", "wb") as f:
f.write(response.content)EmpirioLabs 上 SoulX Podcast API 支持的请求参数。省略字段时使用默认值。
| 参数 | 类型 | 默认值 | 范围 / 值 | 描述 |
|---|---|---|---|---|
| input | string | - | - | 播客剧本。多扬声器使用[S1] / [S2] / [S3] / [S4] 标签或“Speaker N：”行。支持副语言标签：<|笑声|>，<|叹息|>，呼吸|<|>，<|咳嗽|>。 |
| voice_model | enum | base | base, dialect | 基础：英语 + 普通话。方言：新增四川语、河南语和粤语。 |
| voice_s1 | enum | arthur | arthur, james, lj, xiaomei, zhigang, custom_s1 | 为[第一季]配音。lj = 艾玛。custom_s1需要voice_s1_audio_url。 |
| voice_s2 | enum | lj | arthur, james, lj, xiaomei, zhigang, custom_s2 | 为[第二季]配音。lj = 艾玛。 |
| voice_s3 | enum | james | arthur, james, lj, xiaomei, zhigang, custom_s3 | 为[第三季]配音。 |
| voice_s4 | enum | xiaomei | arthur, james, lj, xiaomei, zhigang, custom_s4 | 为[第四季]配音。 |
| voice_s1_audio_url | string | - | - | [S1] 自定义声音克隆的参考音频链接。发言人必须大声说出同意短语。 |
| voice_s2_audio_url | string | - | - | [S2] 自定义语音克隆的参考音频链接。 |
| voice_s3_audio_url | string | - | - | 参考[S3]自定义声音克隆音频链接。 |
| voice_s4_audio_url | string | - | - | [S4] 自定义语音克隆的参考音频链接。 |
| temperature | number | 0.6 | 0.1 到 2 | 采样温度。 |
| top_k | number | 100 | 1 到 500 | 顶K采样上限。 |
| top_p | number | 0.9 | 0.1 到 1 | 核采样。 |
| repetition_penalty | number | 1.25 | 1 到 2 | 高数值则避免重复表达。 |
开源语音模型,用于长形,多语种播客对话,配有准语言控制和零镜头语音克隆.
在 EmpirioLabs，SoulX Podcast 按量计费：基础 $0.015 每1k个字符; 对话框 $0.015 每1k个字符。本页的实时价格表始终与 API 的实际计费一致。
SoulX Podcast 通过 api.empiriolabs.ai 上的 POST /v1/audio/speech 提供，使用标准的 Bearer 令牌认证。
可以。EmpirioLabs Playground在浏览器中以与 API 相同的参数运行 SoulX Podcast，你可以在写代码之前先测试提示词。
创建 EmpirioLabs 账户，然后在控制台的 API Keys生成密钥。计费使用按量付费的额度，只为实际发出的请求付费。
