Inworld AI
面向实时语音应用开发的 AI 语音与模型路由服务
工具介绍
Inworld AI 面向构建交互式应用的开发者，提供文字转语音、语音转文字、实时语音对话及大模型请求路由能力。开发者可以用它为应用、智能体或角色配音，转写实时音频与音频文件，或构建语音输入、语音输出的交互体验。其语音产品侧重实时场景，也支持从短音频样本创建自定义声音并用于多语言语音输出。
核心功能
- 文字转语音：为应用、智能体或角色生成语音；Realtime TTS-2 支持在文本中加入语气、语速、音量等表达指令。
- 语音转文字：支持实时音频流转写和音频文件的同步转写，并提供情绪、口音、音高等语音特征信息。
- 实时语音交互：Realtime API 支持语音输入与语音输出，并提供自定义声音和工具调用能力。
- 大模型请求路由：通过统一 API 将请求分发到多个提供商和模型。
- 声音克隆与多语言输出：可根据 5–15 秒音频样本创建自定义声音，并将其用于多语言语音输出；支持的语音语言包括中文。
使用方法
- 1进入 Inworld AI 官方产品入口，选择文字转语音能力，用于给应用、智能体或角色配音。
- 2确定需要生成语音的文本；如需控制表达，可在文本中加入已支持的括号式语音指令。
- 3通过文字转语音能力生成语音，检查输出的声音及表达效果。
常见问题
Inworld AI 能用于哪些语音任务？
可为应用、智能体或角色生成语音，转写实时音频或音频文件，也可通过 Realtime API 构建语音输入、语音输出的交互。
能否控制合成语音的说话方式？
Realtime TTS-2 支持在文本中加入括号式指令，调整语气、语速、音量、声音风格和停顿。
可以创建自定义声音吗？
其文字转语音产品支持使用 5–15 秒音频样本创建自定义声音，并将声音用于多语言语音输出。
它与单一语音生成工具有什么区别？
除文字转语音外，它还提供实时及文件转写、语音到语音交互，以及跨多个模型和提供商的大模型请求路由 API。
支持生成中文语音吗？
支持。官方将中文列为文字转语音支持的语言之一；这不等同于确认提供中文界面。
目前的收费方式是什么？
按字符、音频时长或计算资源用量计费，并提供企业定制与用量折扣。
