按量调用
API 调用
无需部署,通过统一 API 快速调用模型,按实际用量付费。
MOSS-TTSD(text to spoken dialogue)是一个开源的双语(支持中文和英文)口语对话合成模型。它可以将两位说话者之间的对话脚本转换为自然且富有表现力的对话语音。其主要亮点包括:生成表现力丰富、接近真人的对话语音;支持零样本(zero-shot)双人声音克隆;以及单次可生成长达 960 秒的长时程语音。该模型基于统一的语义-声学神经音频编解码器、一个预训练的大语言模型以及海量的语音数据构建而成,非常适合用于 AI 播客制作等场景
通过 API 即可调用,按实际使用量计费。
计费币种:人民币| 计费类型 | 单价 / 计费单位 |
|---|---|
| 输入 UTF-8 字节 | ¥ 0.05 / 千字符(UTF-8) |
Base URL: https://api.siliconflow.cn/v1
curl -X POST "https://api.siliconflow.cn/v1/uploads/audio/voice" -H "Authorization: Bearer YOUR_API_KEY" -F "file=@test.mp3" -F "model=fnlp/MOSS-TTSD-v0.5" -F "customName=your-voice-name" -F "text=慢工出细活,再给我两分钟,你马上就能见识到超梦分析的厉害了"
请将 YOUR_API_KEY 替换为实际 API Key,避免在客户端公开密钥。
无需部署,通过统一 API 快速调用模型,按实际用量付费。
为业务预留专属资源,满足持续、稳定的模型调用需求。