产品详细介绍

Unreal Speech 是一款面向开发者和企业的云端文本转语音（Text-to-Speech, TTS）API 服务，主打“超低成本 + 生产可用 + 高扩展性”。相较于许多主流 TTS 服务，它在价格上大幅压缩，官方宣称在同类产品中可做到约 11 倍的成本优势，非常适合需要大规模合成语音的业务场景，例如在线教育、有声内容平台、游戏语音、客服机器人、语音播报系统等。

核心特性包括：

  1. 极致性价比：

    • 相比部分头部 TTS 服务，费用可低至约 1/10 左右，适合长文本、海量内容的批量合成。
    • 提供一定额度的免费字符配额（如 250K 字符免费），方便开发者低成本试用与集成验证。

  2. 低延迟流式播放：

    • 支持在约 300ms 内开始流式输出音频，用户几乎可以“边生成边播放”。
    • 适合实时交互类应用，如语音助手、在线客服、互动课堂等，对响应速度要求较高的场景。

  3. 长时音频生成能力：

    • 单次请求可生成最长约 10 小时的音频，远超许多仅支持短音频的 TTS 服务。
    • 适合长篇有声书、课程录音、播客批量生成等长内容场景，减少拆分文本与拼接音频的复杂度。

  4. 多语种与多声音角色：

    • 支持 8 种语言，覆盖常见国际化需求，可用于多语言产品、本地化内容制作。
    • 提供约 48 种不同声音（Voice），涵盖不同性别、音色与风格，方便根据品牌调性或场景选择合适的声音角色。

  5. 逐词时间戳（Per-word timestamps）：

    • 在生成音频的同时返回每个词的时间戳信息。
    • 便于实现字幕同步、高亮跟读、卡拉 OK 式文本指示、学习类应用中的逐词对齐等功能。

  6. 面向生产环境设计：

    • 提供标准化 HTTP API，易于集成到后端服务、内容生产流水线或内部工具中。
    • 支持批量生成、流式传输等模式，适合高并发与大规模生产场景。

综合来看，Unreal Speech 的定位是“高性价比、可规模化”的 TTS 基础设施，尤其适合：

  • 有大量文本需要转成语音的内容平台或教育机构；
  • 对成本敏感、但又需要稳定生产级服务的创业团队与中小企业；
  • 需要多语言、多声音角色支持的国际化产品；
  • 需要逐词时间戳做字幕、跟读或学习辅助的应用。

简单使用教程

以下为基于 Unreal Speech 官方特性整理的简明使用流程，帮助你快速上手：

1. 注册账号并获取 API Key

  1. 访问官网：https://unrealspeech.com/。
  2. 注册或登录账号，进入控制台（Dashboard）。
  3. 在“API”或“开发者”相关页面中创建并复制你的 API Key，妥善保存，不要在前端代码中明文暴露。

2. 了解基础请求参数

在调用 Unreal Speech 的 TTS API 时，一般需要关注以下核心参数（名称以官方文档为准）：

  • text：要转换的文本内容，可为短句或长文；
  • voice：选择的声音 ID 或名称，对应不同音色与角色；
  • language：目标语言代码（如 en、es 等）；
  • format：输出音频格式（如 mp3、wav 等）；
  • stream：是否启用流式输出（布尔值）；
  • 其他可选参数：语速、音量、情感风格等（以实际文档为准）。

3. 发起一次基础 TTS 请求

  1. 在后端（如 Node.js、Python、Java 等）中，通过 HTTP POST 请求调用 Unreal Speech 的 TTS 接口。
  2. 在请求头中加入：
    • Authorization: Bearer YOUR_API_KEY
    • Content-Type: application/json
  3. 在请求体中传入：
    • 文本内容 text；
    • 选择的 voice、language；
    • 输出格式 format 等。
  4. 接收返回的音频数据：
    • 若为非流式模式，一般会返回完整音频文件或可下载链接；
    • 若为流式模式，则按数据流分段接收并边写入边播放或保存。

4. 使用逐词时间戳做字幕或跟读

  1. 在请求中开启时间戳相关选项（如 timestamps: true 或指定返回模式，具体以官方文档为准）。
  2. 在响应中解析每个词对应的开始/结束时间。
  3. 将时间戳与文本绑定，用于：
    • 播放进度条上的字幕同步；
    • 学习应用中的逐词高亮、跟读评分；
    • 交互式阅读或卡拉 OK 式歌词显示。

5. 生成长时音频（如有声书/课程）

  1. 准备长文本内容（如章节、整本书或整门课程脚本）。
  2. 确认单次请求支持的最长时长（约 10 小时）与字符上限，必要时按章节拆分。
  3. 对每个章节发起 TTS 请求，统一使用同一声音与参数，保证音色一致性。
  4. 将生成的音频文件按章节管理，或在后处理阶段进行拼接与后期制作。

6. 控制成本与监控用量

  1. 在控制台查看：
    • 已使用字符数；
    • 费用统计与账单；
    • 免费额度剩余情况（如 250K 字符免费配额）。
  2. 在服务端增加用量监控与限流策略：
    • 对单用户或单应用的调用频率与字符数做限制；
    • 避免异常调用导致费用激增。

通过以上步骤，你可以快速将 Unreal Speech 集成到网站、App、内容生产流水线或内部工具中，利用其低成本、多语种、长时音频与逐词时间戳等能力，构建高性价比的语音化产品与服务。