CastReader Voice API阅读与有声内容
把文章片段、资讯摘要和故事段落变成可保存、可重复播放的声音。
怎么接入
每个短段落提交一个任务；英文可选返回时间戳，在应用中实现单词或词组跟读高亮。
接入边界
文档提取、长文拆分和播放列表由应用处理。时间戳可能不可用，需保留普通播放作为回退。
相关接口文档 →场景支持
让语音真正进入你的产品。
接口提供音色、短文本合成和可下载音频。以下八类场景说明现在能做什么，以及哪些环节需要由你的应用补齐。
所有场景共用的能力
- 合成语言：英语、中文、德语、日语、法语、西班牙语、韩语、葡萄牙语、俄语、意大利语。
- 从音色库选择，或用已获授权的录音创建私有音色。首次参考会自动准备，后续请求复用声音 ID。
- 输出 MP3 / WAV，每个排队任务最多 500 个规范化字符；直接语音请求最多 120 字符。
- MP3 支持 0.5–2 倍语速。英文可选返回单词或实测词组时间戳，其他语言目前仅返回音频。
- 成功结果需在 24 小时内下载，长期保存请存入自己的应用；使用量与区域数据规则仍然适用。
当前可构建的八类场景
语言学习与教学
为单词卡、例句和课程讲解加入一致的声音，保存音频，随时复习。
怎么接入
传入教学文本和对应语言。MP3 支持 0.5–2 倍语速，将生成的例句与学习卡一起保存。
接入边界
不提供口语评分、语音识别或音素发音词典；教学素材发布前仍需听审。
相关接口文档 →视频与广告配音
为短视频、产品介绍和广告文案生成旁白，下载后直接进入剪辑流程。
怎么接入
在控制台选择音色并复用区域 ID，按脚本片段提交任务，完成后取得音频文件。
接入边界
视频剪辑、口型同步、音乐和音效由制作工具完成。音色风格标签是描述，不是情绪控制参数。
相关接口文档 →产品引导与语音通知
为新手引导、操作步骤、无障碍提示和语音通知提供统一、易辨识的声音。
怎么接入
提前生成常用提示语，在应用中保存文件，事件发生时直接播放。也可将音频接入已有电话系统。
接入边界
接口负责生成音频，不负责消息推送或电话接入；不承诺实时响应或安全关键告警时延。
相关接口文档 →多语言本地化
为不同地区提供相应语言的解说、引导和内容配音，复用选定音色。
怎么接入
提供已写好的目标语言文本并传入语言代码，核对音色支持范围，在选定区域使用对应 ID。
接入边界
接口不会自动翻译，也不按页面语言合成。控制台可辅助识别文本语言，过短或混合文本需明确选择。
相关接口文档 →角色台词与品牌声音
为游戏角色、故事人物或品牌建立持续使用的声音，按角色分别生成台词。
怎么接入
选用音色库，或创建已获授权的私有音色；维护角色与声音 ID 的映射，逐句生成。
接入边界
对话顺序、停顿和音频拼接由应用处理；当前不提供原生多说话人合成或文字设计新声音。
相关接口文档 →AI 回答播报
为已有文字助手、知识库问答和摘要工具增加语音输出。
怎么接入
由业务系统先生成答案，再按接口长度限制拆分并提交语音任务，播放完成的文件。
接入边界
仅提供 TTS，不包含大模型回答、麦克风识别、轮次检测或可打断的实时对话。
相关接口文档 →内容工作流自动化
为 CMS、课程制作平台和内部发布工具加入可重复执行的音频生产环节。
怎么接入
在工作区限制内创建短任务，保存任务 ID，退避轮询，并在结果过期前下载。
接入边界
批量调度、长期存储和发布由应用负责，不提供无限并发批量或整本书长任务接口。
相关接口文档 →一套可以复用的接入流程
- 在控制台选好音色，保存对应区域的声音 ID，并在应用中使用同一账户与工作区。
- 准备文本、对应语言与输出格式。合成语言与界面语言、样本语言分别处理。
- 用稳定的 Idempotency-Key 提交短任务，保存任务 ID，退避查询，处理音色准备和资源排队。
- 成功后下载音频，接入播放器、剪辑工具或发布流程。相同成功请求使用原幂等键重试，不产生新的生成费。
当前未提供的原生能力
情绪指令、笑声或音效标签、发音词典、文字设计声音、多人对话项目、自动翻译和视频配音一体化尚不是公开接口能力。音色库中的风格标签用于筛选描述，不是合成控制参数。
当前公开版本未开放实时对话、可打断交互、流式输出、原生长篇或无限批量生成。对时间敏感的提示应提前生成，不应假定有延迟 SLA。
仅使用已获授权的声音与内容。场景可接入不等于每个音色都适合每种语言或制作风格，发布前请试听实际成品。