以稳定朗读为起点
课程和长文配音需要持续保持语句关系与声线。平台指南建议在更关注长文本稳定性的任务中比较 S1；制作时仍应按章节拆分、校听专有名词和数字，避免把型号定位当作每次输出都无误的保证。
规格与接口特性
在选型前明确型号、输入输出与调用方式。
- 模型选择
- HTTP 请求头 model: s1
- 平台接口
- POST /fish/tts；text 为必填输入
- 音频交付
- 同步返回 audio_url；支持 callback_url 异步回调
- 输出格式
- mp3、wav、pcm；wav 与 pcm 均返回 WAV 容器
- 声音参考
- reference_id 或单个 references 样本，二者互斥
- 韵律控制
- prosody.speed 控制语速，prosody.volume 控制音量增益
能力描述结合公开模型资料与本平台文档；实际参数、输出和计费规则以对应 API 和定价栏目为准。
核心能力
了解 s1 适合解决的声音任务。
固定声音，持续更新内容
通过 reference_id 复用保存的声音，让同一系列的开场、正文和补充内容沿用统一声线。音色引用与模型型号分别设置，适合有固定播音员或品牌声音的内容项目。
把语音放进编辑流程
可选择 MP3 交付，或使用 WAV 容器进入混音与剪辑流程。prosody 控制语速和音量，便于先生成短样、确定节奏，再按相同设置安排后续章节。
适用场景
从具体内容和交付方式出发选择。
课程与知识讲解
把教学稿按主题拆成段落，预先处理缩写、公式和专业名称。使用相同声音与语速生成各节内容，校听后配合字幕和画面完成课程制作。
有声章节与长篇解说
以章节为单位保存文稿、模型和音色信息。发现发音或停顿问题时，仅重做需要修订的段落，减少整篇返工并保持编辑节奏。
持续维护的应用提示
将产品教程、操作说明和帮助文案转换为统一声线。对新增或修改的文本保留版本记录，方便在产品更新后重新制作对应提示。
如何选择这个模型
结合文稿、音色与制作成本进行比较。
优先比较稳定朗读
如果任务更关注章节连贯与可重复编辑，可以从 S1 开始试听。表达性较强的短内容可同时比较 S2 Pro；升级型号并不代替对实际文稿的评估。
明确选择，保留版本
平台默认型号为 s2-pro，使用 S1 必须设置 model 请求头。保存型号、音色、格式和文稿版本，有助于复现一批内容的制作设置。
开始使用
先试听，再扩展到正式内容。
准备文稿与声音
明确朗读目的，校对文稿，选择保存音色或准备参考录音与逐字稿。
生成短样并校听
显式指定 s1，用代表性段落确认发音、节奏和输出格式。
接入制作工作流
保存设置和任务编号，在完成后取得音频链接，再安排播放、剪辑或内容交付。
使用边界
了解合成方式与交付范围。
- 此入口用于文本转语音，不等同于语音识别、音乐生成或原生实时音频流。长篇内容应分段制作并安排校听，检查数字、缩写与专有名词。
- 一次性克隆仅接受一个公开 HTTPS MP3/WAV 录音样本及其准确逐字稿，不接受 Base64、data URI 或带凭据的 URL；不会自动保存长期音色。
- format=pcm 返回 WAV 容器，不能直接作为裸 PCM 字节处理；opus 不受支持。生成参数的支持范围和实际计费请查看本平台 API 文档与定价。
常见问题
解答使用 s1 时的常见疑问。
为什么选择 S1？
平台指南将 S1 推荐为偏重长文本稳定性的选择，适合先关注清晰朗读的内容。实际表现与文稿、声音参考和生成设置相关，应先用代表性段落试听。
型号应该写在哪里？
通过 HTTP 请求头 model 指定 s1。不指定时默认 s2-pro；音色 reference_id 属于声音选择，与合成型号分别设置。
保存声音与一次性克隆怎么选？
固定角色或系列内容可用 reference_id 复用声音；单次项目可以用 references 提供录音与逐字稿。两者互斥，一次性克隆只接受一个参考样本。
怎样控制语速和输出格式？
prosody.speed=1.0 表示原速，volume 使用 dB，0 表示不改变音量。可选择 mp3、wav 或 pcm；后两者都使用 WAV 容器，MP3 码率可选 64、128 或 192。
长稿怎样跟踪完成结果？
设置 callback_url 后先保存 task_id 和 started_at，等待完成回调，也可按任务编号查询。取得 audio_url 才表示可以进入播放或编辑环节。
模型资料 · 更新日期：2026-10-01。调用参数与计费规则请查看 API 和定价栏目。