多语言声音克隆 API

你的声音，也能跨越语言。

准备一次已授权的录音，之后复用音色 ID，把文本变成语音，无需逐句重新录制。

10 种合成语言$8 / 百万字符MP3 / WAV

申请 API 开通 ↗先试听音色库

你的授权录音

自行录音 · 上传 · 邀请说话人

准备一次voice_id复用到新的文本

英语en中文zh德语de日语ja法语fr西班牙语es韩语ko葡萄牙语pt俄语ru意大利语it

流程示意。系统不会翻译你的文本。

听实际生成结果

同一个声音，三种语言，直接听效果。

这些录音由线上 API 使用公开预设 Rowan 实际生成。先对比原始参考音频，再尝试你自己的授权声音。

Rowan

公开预设 · 同一个已准备好的声音

真实音频

输入文本

Every small step opens a new door. Listen, learn, and tell your own story.

5.1s · 74 字符下载音频 ↓

Node.js · 同一声音，明确文本语言

const examples = [
  { language: 'en', text: 'Every small step opens a new door. Listen, learn, and tell your own story.' },
  { language: 'zh', text: '每一个小小的进步，都会打开一扇新的门。认真聆听，不断学习，讲述属于你自己的故事。' },
  { language: 'ja', text: '小さな一歩が、新しい扉を開きます。耳を傾け、学び、自分だけの物語を語りましょう。' },
];

for (const example of examples) {
  const { audio } = await client.generate({
    voice: 'rowan',
    ...example,
    output_format: 'mp3',
  });
  await writeFile(example.language + '.mp3', audio);
}

生成调用片段；先安装客户端并在服务端配置密钥。每种语言分别提供对应文本，API 不负责翻译。

客户端安装与完整快速入门 →

生成于 2026 年 9 月 14 日 · clone-v1 · MP3 · 速度 1。播放的是保存的演示结果，不会重新生成或扣费。一个预设、三段短文本不是质量基准，也不保证其他录音的效果；发音、口音与相似度会变化，正式发布前请评估目标语言内容。

输入、费用与文件校验信息 ↓用自己的文本试试 Rowan →运行多语言音频项目 →

01 / 准备好参考录音

克隆效果，从参考录音开始。

清晰、有代表性的单人录音是起点。以下是准备检查，不代表保证完美复刻声音。

参考录音检查清单

3–30秒

当前处理服务的时长建议；文件被拒绝时，请按上传校验提示调整。

WAVMP3M4AWEBMOGGFLAC

常见容器格式；API 会校验支持的音频 MIME 类型和实际文件内容。

一位说话人，自然表达

音量保持稳定，选择能代表目标声线的说话方式。

干净人声，不加背景音乐

避开叠音、长静音和明显爆音，不要用音乐掩盖噪声。

若填写转写，务必与录音一致

reference_text 可选，最多 600 个 Unicode 码点；不要填另一段文案。

授权需覆盖本次用途

使用自己的声音，或保留说话人对克隆与计划用途的明确授权。

02 / 音色 ≠ 语言

同一个音色 ID，用目标语言文本生成。

下面是请求输入示例，并非音频录音或翻译演示。需要其他语言版本时，由你提供对应的文本。

中文language: 'zh'

每一个故事，都值得被听见。

voice: voiceId同一 ready 音色

日本語language: 'ja'

すべての物語には、届けたい声があります。

voice: voiceId同一 ready 音色

Españollanguage: 'es'

Cada historia merece ser escuchada.

voice: voiceId同一 ready 音色

生成后检查什么

逐种语言检查姓名、数字、节奏和音色相似度。口音和发音可能变化；短文本或混合语言可能需要明确指定语言或拆开请求。选择语言不会翻译原文。

03 / 从任务到音频文件

分清等待的阶段，保留可复用的结果。

音色准备和语音生成是不同操作。切换 ready ID 省去的是准备步骤，不是模型推理。

01processing → ready
先准备一次音色
保存 ready 音色的 ID，以及所属工作区和区域。
02queued → running
提交文本，等待生成
保留 job ID 和 Idempotency-Key。排队任务单次最多 500 字符。
03succeeded → download
保存生成结果
在 result_expires_at 前下载 MP3/WAV。重复下载保留结果不是新生成。

更适合

可以提前生成的产品引导、短篇课程、本地化短语，以及由应用拼接的脚本对话。

当前不包含

实时通话、流式输出、原生多角色编排或情绪控制。长内容需要自行分段及组装音频。

从录音到 API

克隆一次，按需生成。

准备获得授权的录音
使用自己的声音、上传有权使用的音频，或通过控制台发送录音邀请。确保录音清晰、转写准确。
等待音色准备完成
注册时会处理合成所需的参考音频。保存返回的音色 ID；在已准备好的音色间切换，不需要再次注册。
提交目标语言的文本
复用音色 ID，传入文本及其语言。SDK 处理区域路由和排队等待，返回生成的音频。

Node.js · 生成调用片段

import { VoiceAPI } from '@castreader/voice-api';
import { writeFile } from 'node:fs/promises';

const client = new VoiceAPI();
// 填入已准备完成的授权克隆音色 ID。
const voiceId = 'YOUR_VOICE_ID';

const { audio } = await client.generate({
  voice: voiceId,
  text: '每一个故事，都值得被听见。',
  language: 'zh',
  output_format: 'mp3',
});

// 同一个音色 ID，不同语言的文本。
const english = await client.generate({
  voice: voiceId,
  text: 'Every story deserves to be heard.',
  language: 'en',
  output_format: 'mp3',
});

await writeFile('chinese.mp3', audio);
await writeFile('english.mp3', english.audio);

先安装 SDK 并设置 CASTREADER_API_KEY；每次成功生成分别计费。

安装 Node.js 或 Python 客户端 →

注册参数与完整快速入门 →

按生成量付费，无需月度 API 订阅

$8 / 百万字符。

支持的合成语言使用同一用量单价。优先抵扣可用免费字符；排队等待和下载保留结果，不会再次产生生成费用。

计算使用费用 →

面向 AI 辅助开发

准备一次声音，让应用重复使用。

将音色、工作区和区域一起保存。每次生成传入文本及对应语言；先用真实样音评估相似度是否满足需求。

使用 AI 工具接入 →查看真实测试报告 →

接入要点 · 非完整程序

const job = await client.createJob({
  model: 'clone-v1', voice_id: readyVoiceId,
  text: '欢迎回来。', language: 'zh',
  output_format: 'mp3'
}, { idempotencyKey: savedKey });