什么是Unreal Speech？
Unreal Speech 是一款超低成本的文本转语音（TTS）API，比 Eleven Labs 便宜 11 倍，专为生产环境设计。它支持 48 种声音、8 种语言，并能生成长达 10 小时的音频，延迟低至 300 毫秒。无论是实时流媒体还是长音频生成，Unreal Speech 都能轻松应对。
Unreal Speech的核心功能有哪些？
- 超低成本：比 Eleven Labs 便宜 11 倍
- 快速响应：音频流延迟仅 300 毫秒
- 长音频支持：可生成长达 10 小时的音频
- 多语言支持：48 种声音，涵盖 8 种语言
- 逐字时间戳：精确到每个单词的同步信息
- 免费试用：每月免费生成 25 万字符
Unreal Speech的使用案例有哪些？
- 实时语音流媒体：适用于需要低延迟的应用场景
- 长音频生成：适合播客、有声书等长内容制作
- 多语言支持：为全球用户提供本地化语音服务
- 逐字同步：适用于教育、语音助手等需要精确同步的场景
如何使用Unreal Speech？
- 短音频生成：使用
/stream端点，支持 1000 字符，响应时间 0.3 秒 - 中音频生成：使用
/speech端点，支持 3000 字符，返回 MP3 和时间戳 - 长音频生成：使用
/synthesisTasks端点，支持 50 万字符，异步处理 - 实时时间戳：使用
/streamWithTimestamps端点，支持逐字同步
