指南

面向长文本的语音合成 API：章节、文章和有声书

在长文本上，语音合成 API 往往又慢又贵。很多 API 把一次请求限制在几千字符：你得自己切分书稿、发送上百次请求、再把音频拼回去，而且每个字符都要付费。请注意：Supertonic 3 暂不支持中文，可朗读英语、日语、韩语等 31 种语言。

SuperClonica 语音合成 API 一次请求最多接收 20000 字符，返回一个文件。在我们对线上服务的测量中，约 16000 字符（15.6 分钟语音）在 25.6 秒内返回。本指南说明如何朗读长文本以及有哪些限制。

选择朗读者 或自己运行引擎

为什么快

服务器在句子边界处切分文本，同时在多个 worker 上朗读各块，再以均匀的停顿合成一个文件。因此一个长章节只需几秒而不是几分钟；使用 "stream": true，在其余部分生成时最快 300 毫秒就能开始收听。

一次请求能放多少

一次请求最多 20000 字符，其音频必须能放进套餐的 10 分钟窗口。单个文件的最大时长由套餐决定：

  • 免费：最多 1 分钟，约 1000 字符。
  • 入门，5 美元：最多 3 分钟，每次请求约 3000 字符。
  • 作者，10 美元：最多 8 分钟。
  • 专业版，20 美元：最多 25 分钟，即完整的 20000 字符。
  • 工作室，50 美元：最多 80 分钟，可同时发送多个长请求。

按章节朗读一本书

把书分成章节或场景，每部分作为单独请求发送，并带上章节号之类的 Idempotency-Key，把每个响应保存为文件。Python 示例：requests.post("https://superclonica.com/api/v1/speech", headers={"Authorization": "Bearer " + key, "Idempotency-Key": "chapter-3"}, json={"text": text, "voice": "M2", "language": "en", "format": "mp3"}, timeout=120)。503 表示队列已满：等待 Retry-After 中的秒数后重新发送同一请求；重复的密钥永远不会把文本朗读两次。

数字、日期和缩写会读成单词，换行会保留为段落分隔。

选择朗读者

付费套餐可以通过 API 使用 SuperClonica 目录中的任何声音，也可以在网站上用自己的录音训练朗读者。决定之前，可在候选声音的页面输入书中的一句话免费试听。对于不能离开你电脑的保密书稿，请改为自己运行免费的 SuperClonica 引擎；它朗读长文本的方式相同。