Twilio 自定义声音：播放你自己的文字转语音音频
Twilio 的 Say 动词会在通话中用 Amazon Polly 和 Google 的内置声音朗读文字。这很方便，也正因如此，你的 IVR、提醒和等待提示听起来和成千上万家公司一样。请注意：Supertonic 3 暂不支持中文，提示音可以用英语、日语、韩语等 31 种语言生成。
Play 动词则可以播放任何音频文件。用免费的 SuperClonica 引擎，你可以离线用标准声音、用自己的说话人训练的声音或角色声音生成提示音，再由 Twilio 在通话中播放。本指南介绍如何制作适合电话的文件、如何提供文件让 Twilio 缓存，以及什么时候 Say 仍然更合适。
Say 还是 Play
对所有来电者都一样的提示用 Play，每次通话都会变化的文字（例如订单号）用 Say。
- Say：Twilio 在通话时用内置声音朗读文字，无需托管任何文件。
- Play：Twilio 从你的 URL 下载音频文件并播放，声音由你决定。
- Play 支持 MP3、WAV、AIFF、GSM 和 μ-law，并可循环播放直到对方挂断。
- SuperClonica 支持 31 种语言，暂不支持中文。
免费试听声音
在任意声音页面输入一条提示，30 到 100 个字符，选择语言并点击生成按钮。几秒后就能听到你的线路可能的效果，无需注册。
制作适合电话的文件
一段十秒提示的 8 kHz μ-law WAV 约 80 KB，即使是大型菜单也能瞬间下载。
- 安装引擎：python -m pip install superclonica-cpu。
- 在 Python 中先用 tts = Superclonica() 创建一次引擎，然后生成提示并保存为电话格式：audio, rate = tts.synthesize("Thanks for calling. All our agents are busy, please hold.", "F1", "en"); sf.write("hold.wav", resample_poly(audio, 8000, rate), 8000, subtype="ULAW")。
- 这需要 soundfile 和 scipy.signal 中的 resample_poly，两者都会随引擎一起安装。
- Twilio 会对通话音频统一转码；其文档提醒，128 kbps 的 MP3 可能比低码率的无损文件听起来更差，而 8 kHz μ-law WAV 正是这种文件。
提供并播放提示音
通过 HTTPS 在你的服务器或对象存储上托管文件，并带上 ETag 或 Last-Modified 头，让 Twilio 在首次播放后缓存。使用 Twilio 的 Python 库，TwiML 只需两行：r = VoiceResponse(); r.play('https://example.com/audio/hold.wav', loop=0)，loop 设为 0 会一直重复到通话结束。对于每次通话都会变化的文字，可以在应用旁运行 SuperClonica HTTP 服务器，在响应 webhook 之前生成语音：短句在台式机处理器上远不到一秒，重复的内容请缓存。
自动外呼的规则
在美国，FCC 于 2024 年裁定，自动外呼中的 AI 生成声音属于 TCPA 所称的人工声音，因此这类电话需要与任何预录消息相同的同意。请使用你拥有权利的声音，例如模型的十个标准声音，或用同意授权的说话人训练的你自己的声音，切勿使用模仿真实人物的声音，并告知对方正在与自动系统通话。