模型介绍

选择模型时，先考虑声音用途，再比较同一音色、同一段文本的试听效果。接入方式见选择模型与接口。

MyVocal V4

面向内容创作的高品质语音 · myvocal_v4

MyVocal V4 适合对声音质感、角色表现和叙述细节有较高要求的内容创作。模型注重音色特征、语气和节奏的呈现，让旁白与对白更贴合文本情境。

无论是有声书、视频解说，还是游戏角色与多角色故事，都可以使用 V4 构建富有表现力的声音内容。对于同一个音色，建议结合实际脚本试听，选择符合内容风格的表达效果。

适合：有声书、视频旁白、角色配音、多角色故事。

选择建议：更看重成品音质、声音细节与情感表达时，优先试听。

语言：94 种，包含普通话 zh、粤语 yue；查看完整清单。

接入：HTTP 非流式、HTTP 流式、对话 Multi-Context WSS。

MyVocal V3 Turbo

面向实时交互的低延迟语音 · myvocal_v3_turbo

MyVocal V3 Turbo 面向需要及时回应的语音应用，在自然表达与响应速度之间取得平衡，适合持续生成语音的交互场景。

在智能助手、客服对话和互动角色中，模型能够帮助应用及时给出语音反馈，同时保持清晰的音色特征与自然的说话方式。实际响应时间会随文本长度、音频格式、网络和并发情况变化。

适合：对话式智能体、语音客服、实时助手、互动游戏。

选择建议：更看重交互响应速度，同时希望保持自然语音表现时，优先试听。

语言：与 V4 相同的 94 种，查看完整清单。

接入：HTTP 非流式、HTTP 流式、对话 Multi-Context WSS。

MyVocal V3

情绪表达与角色演绎 · myvocal_v3

在延续 V2 语音合成能力的基础上，V3 进一步强化了对非语言声音的表现力，可生成笑声、咳嗽声、呼吸声等自然人类音效，并通过文本中的情绪提示引导表达。适合游戏配音、影视配音、虚拟角色演绎等需要声音细节的内容。

适合：情绪对白、故事角色、非语言音效表达。

语言：100 种输出语言说明。

接入：HTTP 合成、对话 Multi-Context WSS；对话 SDK 默认模型为 myvocal_v3。

参数：HTTP 的 stability 使用 0、0.5 或 1。

Multilingual V2

自然稳定的多语言表达 · multilingual_v2

Multilingual V2 注重文本理解、自然度和音色一致性，能够在多语言环境中生成自然、生动的语音，并在不同内容场景中保持说话人的声音特征。对于简写、缩写及数字等内容，可结合实际文本选择合适的合成配置。

适合：多语言旁白、常规播报、重视自然度的内容制作。

接入：HTTP 合成、普通 TTS 单连接 WSS、普通 TTS 多 Context WSS。

语言：按接口查看语言清单。

Turbo 与 Flash

侧重响应速度的常规语音合成

沿用 Turbo 模型面向实时交互的定位，适合智能助手、客服对话、游戏语音等需要及时反馈的应用。更注重生成速度时，可以结合实际文本与并发需求选择。

HTTP 的 Turbo（原文名称 Tubro）：省略 model_id 使用接口默认模型；不要把“空｜默认｜不填”作为字符串传入。

普通 TTS WebSocket 的 Flash：使用 model_id=flash_v2_5。

两种入口的参数与语言清单分别见选择模型与接口和支持语言。

金融行业模型

Skyblight 针对品牌名称、人名、货币金额、电话号码、邮政编码等金融场景中的常见信息优化朗读，适用于金融业务播报和交互。专用接口与使用方法见金融行业 TTS。

V4 与 V3 Turbo 的表达控制

稳定性与相似度

HTTP 合成可在 voice_settings 中配置 stability 与 similarity_boost。稳定性用于调整表达变化，相似度用于调整对目标音色的贴合程度；先使用 0.5 与 0.75，再逐项试听调整。

对话 WSS 的 Context 初始化提供 voice_settings.stability。请使用该接口明确列出的字段，不要照搬 HTTP 的完整 voice_settings 对象。

style、speed 和 use_speaker_boost 不作为这两款模型的可用控制项。其他模型的参数按各接口说明使用。

音频标签

可在文本中尝试 [whispering]、[laughing] 等标签，引导轻声、笑声等表达。例如：

[whispering] I have something to tell you.

HTTP 将带标签的文本放入 text，对话 WSS 放入 inputs[].text。标签效果受音色、文本与上下文影响，建议先用目标音色试听；不要把标签当作保证精确执行的指令。两款模型不提供 SSML 控制，不使用 SSML 或 IPA 标记作为通用发音方案。

跨语言与音色选择

使用目标语言的文本，并按需设置 language_code；这个参数不会翻译文本。跨语言合成可能改变原音色的口音表现，特定口音是否符合预期请用实际音色确认。

从获取音色列表选择账号可用音色。音色的克隆类型不等同于所有模型均可使用；切换模型后应先合成短句确认音色与表现。

MyVocal V4#

MyVocal V3 Turbo#

MyVocal V3#

Multilingual V2#

Turbo 与 Flash#

金融行业模型#

V4 与 V3 Turbo 的表达控制#

稳定性与相似度#

音频标签#

跨语言与音色选择#