AssemblyAI 发布 TTS-1：明确语音选择能力与细粒度控制功能边界

AssemblyAI 于 10 月 27 日正式发布 TTS-1 模型及 API。该版本提供预置语音与合规即时克隆能力，支持六种语言，但在设计上将语音选择与交付控制分离。发音词典、情感标签及 SSML 等细粒度控制功能尚未上线，开发者需据此评估工作流匹配度。

发布者朋克君

预计阅读 2 分钟

AI 摘要

约 1 分钟

快速了解本文

AssemblyAI 正式发布 TTS-1 模型，全面开放语音选择与克隆功能。

当前版本支持六种语言，但暂不提供 SSML 及细粒度语速控制。

开发者需通过文本标点调整交付效果，高级克隆功能仍在规划中。

本摘要由 AI 辅助整理，请以正文内容为准。

10 月 27 日，AssemblyAI 正式发布 TTS-1 模型及其 API，并全面开放使用。该模型在产品设计上明确区分了语音选择与交付控制，当前版本主要解决声音身份与克隆问题，而部分细粒度控制功能仍处于路线图阶段。

TTS-1 目前提供预置库语音和即时语音克隆功能。在合规性方面，使用语音克隆功能需要录音并确认说话者的许可。多语言支持方面，该模型当前覆盖英语、西班牙语、法语、德语、意大利语和葡萄牙语。

在交付控制层面，TTS-1 当前接口不支持 SSML 和专门的语速参数，官方建议开发者通过调整文本中的标点和拼写来塑造语音交付效果。同时，发音词典和情感标签功能仍在路线图中，尚未上线。在高级克隆能力上，TTS-1 发布时暂不支持微调 Pro 克隆。

开发者在评估 TTS-1 时需明确当前版本的能力边界。若现有工作流强依赖 SSML、精准语速控制或情感标签，需等待后续更新或评估迁移成本。