文本生语音模型
Text-to-Speech（TTS）模型是一种将书面文字转换为语音的技术，使计算机可以“读出”文本。它通过将输入的文本解析成语音单元，然后生成自然听起来的语音。文本生语音模型常用于导航系统、虚拟助手和有声读物等应用场景。
以下模型都已支持购买:
- MaaS-Ele
- MaaS-nar
- MaaS ASpeech
- MaaS OSpeech
MaaS-Ele
MaaS-Ele 是一个基于 AI 的文本转语音和语音克隆的模型，提供多种功能和服务
- 高质量语音生成：MaaS-Ele 的 AI 语音生成器能够以极高的保真度渲染人类语调和语气，根据上下文调整语音的传递。
- 多语言支持：支持32种语言和超过100种语音，适用于游戏、视频、播客等多种内容的语音生成。
- 语音克隆：提供语音克隆功能，用户可以创建独特的语音，并进行自定义设置。
- 多样化应用：适用于文本转语音、语音到语音、配音和音效生成等多种应用场景。
- 高级功能：相比其他文本转语音服务，MaaS-Ele提供更丰富的功能，包括电话格式支持和多语言生成。
- 项目支持：对于需要生成更长内容的用户，推荐使用项目功能来处理超长文本内容。
- 生成限制：每次生成最多可处理5,000个字符。
MaaS-Ele的文本转语音服务支持以下音频输出格式：
- MP3
- WAV
默认情况下，网站上生成的音频是 MP3 格式，但也可以选择其他格式，如 PCM 和 μ-law 格式。
MaaS-nar
MaaS-nar 是一个使用 AI 技术将文本转换为自然语音的模型，适用于创建视频、电子学习模块和有声书等多种内容，适合需要快速生成高质量语音内容的用户。
- 多语言支持：MaaS-nar 提供超过700种语音，支持100种语言，适合制作多种类型的音频和视频内容。
- 多样化的语音选择：可以选择不同年龄、性别和语调的语音，适用于培训材料、故事和有声书等。
- 简单易用：只需输入文本，选择语音选项，即可快速生成专业音频或视频。
- 高效生产：MaaS-nar 能将 Word 文档转换为 MP3、M4A 或 WAV 格式的自然语音，节省录音和编辑时间。
MaaS-nar的文本转语音服务支持以下音频输出格式：
- MP3
- M4A
- WAV
这些格式适用于各种用途，包括创建视频、电子学习模块和有声书等。
MaaS ASpeech
MaaS-ASpeech使用语音生成技术生成高质量、自然的语音输出。该模型利用了最先进的机器学习和深度学习技术来实现高品质的语音合成效果，经过大量的语音和文本数据训练，以便在语音自然度、清晰度和情感表达等方面达到高标准。
-
高自然度的语音输出：利用深度学习技术，生成的语音更加接近人类自然发音，具备流畅的语调和情感表达。
-
多语言和多语种支持：支持多种语言和方言，能够为全球用户提供本地化的语音体验
-
快速响应和低延迟：采用优化的算法和高性能云计算资源，能够提供快速响应的语音生成体验，即使在大规模使用情况下也能保持低延迟。
-
高可用性和可扩展性：基于云平台，具有高度的可靠性和可扩展性，适合多种应用场景，从小型应用到大型企业级应用。
MaaS OSpeech
MaaS OSpeech通过深度学习和神经网络技术对输入的文本进行处理，然后生成高品质、自然的语音输出。该模型经过大量的语音数据训练，能够理解并合成各种语调和情感的语音。
-
自然逼真的语音输出：使用最先进的深度学习技术，生成的语音比传统TTS系统更加自然、流畅，具有人类发音的情感和语调变化。
-
多语言、多口音支持：支持多种语言和口音，适应不同地区和文化的用户需求，实现本地化的语音合成。
-
实时响应：借助云平台强大的计算能力，MaaS OSpeech模型能够快速处理和生成语音，满足实时交互应用的需求。