指南

Supertonic 3 API：在云端使用，还是在自己的服务器上运行

Supertonic 3 是一个开源语音合成模型：体积小，在普通 CPU 上也很快，支持 31 种语言。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。它以模型文件的形式发布，所以要从应用中通过 HTTP 调用，就需要一个运行它的服务器。有两种方式：使用云端 API，或自己运行服务器。

SuperClonica 两者都提供。语音 API 在我们的 worker 上运行 Supertonic 3 声音，免费引擎在你的机器上运行同一个模型，在我们的测量中，比原始代码在 CPU 上快约 1.6 倍，在显卡上快约 1.7 倍。

免费获取 API 密钥 试听 Supertonic 3 声音 或自己运行引擎

方式一：云端 API

用 Google 或 GitHub 登录 SuperClonica，在工作区的语音 API 部分创建密钥，然后发送文本：

curl -o hello.ogg https://superclonica.com/api/v1/speech -H "Authorization: Bearer $SUPERCLONICA_KEY" -H "Content-Type: application/json" -d '{"text": "Hello from Supertonic 3!", "voice": "F1", "language": "en"}'

响应就是音频本身，默认 ogg，可按需选择 mp3 或 wav；使用 "stream": true 时，在我们的测量中无论文本多长，最快 300 毫秒开始播放。

  • 免费：每天 1 分钟音频。
  • 入门，每月 5 美元：不间断使用每月最多 216 小时，并可使用目录中的所有声音。
  • 声音：10 个标准声音、作者制作的目录声音以及你训练的声音。
  • 每次请求最多 20000 字符；长文本切分后在多个 worker 上同时朗读。

方式二：自己的服务器

SuperClonica 引擎以免费的 Docker 服务器运行，自带 HTTP API，无需密钥，没有额度限制：

docker run -d -p 8000:8000 -v superclonica-models:/models superclonica/superclonica:cpu

首次启动会下载模型；之后 POST /synthesize 返回 WAV。配置、密钥和上线准备见 Docker 语音合成 API 指南。

如何选择

如果想几分钟内开始、没有服务器或显卡、长文本需要流式输出，或想直接使用目录声音而不管理文件，选择云端 API。如果文本不能离开你的基础设施、用量大到自有硬件更便宜，或需要离线运行，选择自建服务器。两者的声音和请求格式相近，以后切换也只是小改动。

Supertonic 3 的限制

Supertonic 3 支持 31 种语言，但暂不支持中文。其 OpenRAIL-M 许可在限制范围内允许商业使用，其中包括禁止欺骗性使用以及关于真人声音的规则。新声音是风格文件，而不是即时克隆：在 SuperClonica 上，你可以用自己的录音训练声音，或在目录中挑选。