语音合成调用（TTS）
语音合成概述
把文字转成语音，选择音色、输出格式与合适的模型。
语音合成（Text to Speech，TTS）将文字转换为可播放的音频，适用于旁白、配音、有声内容和无障碍朗读。
选择模型
| 模型 | 输出 | 特点与使用范围 | 调用文档 |
|---|---|---|---|
VoxCPM2 | MP3（audio/mpeg） | 支持音色、语速和长文本 | VoxCPM2 |
IndexTTS-2.5 | WAV（audio/wav） | 固定参考音色，当前为团队内部使用 | IndexTTS-2.5 |
各模型的输入长度与音色参数不同，具体以模型页为准；价格与使用范围集中列出。
调用流程
准备文本 → 提交生成任务 → 等待完成 → 下载音频。
选择模型后，直接使用其页面中的示例。提交任务返回的是 JSON 状态信息，任务成功后下载的才是音频文件。 使用真人或克隆音色时，应取得相应授权，不得用于冒充或欺诈。