Google Cloud Text-to-Speech 在业界提供了最广泛的语音选择之一，涵盖 50 多种语言和变体，共有 380 多种语音。WaveNet 和 Neural2 语音通过深度学习生成高度自然的语音。每月 400 万字符的慷慨免费额度，使其成为原型开发和中等规模应用的首选。SSML 支持可对发音、语速、音调和停顿进行精细控制。广泛应用于 IVR 系统、辅助工具、在线学习平台和智能音箱。
API 详情
认证方式
API 密钥
定价模式
免费增值
免费额度
是的 — 每月免费提供400万字符
请求限制
300 转/分钟
数据格式
REST / JSON / gRPC
版本策略
v1，v1beta1
SLA / 可用率
99.9%
合规认证
SOC 2，ISO 27001，HIPAA，GDPR
地理限制
全球（30多个地区）
最近验证
2026-02-20
类别
常见问题
Google Cloud TTS 提供免费额度：标准语音每月 400 万字符，WaveNet/Neural2/Studio 语音每月 100 万字符。超出后：标准语音每百万字符收费 4 美元；WaveNet 每百万字符 16 美元；Neural2 每百万字符 16 美元；Studio（最高质量）每百万字符 160 美元。
WaveNet 语音是由人工智能生成的语音，比标准 TTS 更加自然。Neural2 语音是 Google 最新一代产品，基于 WaveNet 技术训练，语调和自然度进一步提升。Studio 语音是高级版本——由专业配音演员录制，并通过 AI 增强，几乎与真人语音难以区分。
Google Cloud TTS 支持 40 多种语言及其变体，总计超过 380 种语音。这包括主要的世界语言以及地区变体（如多种英语口音、巴西葡萄牙语与欧洲葡萄牙语）。WaveNet 语音的质量因语言而异——在英语、西班牙语、法语、德语、日语和韩语中表现最佳。
Google Cloud TTS 可输出 MP3、LINEAR16（WAV）、OGG Opus、MULAW 和 ALAW 音频。你还可以自定义语速（0.25x–4x）、音调（-20 到 +20 个半音）和音量增益。用于电话应用时，建议使用 8kHz 的 MULAW；大多数应用场景下，24kHz 的 MP3 提供最佳的体积与音质平衡。