Speechify предлага малък набор от модели за синтез на реч. Изборът на подходящ модел е въпрос на баланс между латентност, езиково покритие и качество на гласа. Това ръководство свързва всеки модел с най-подходящите му случаи на употреба, за да изберете правилно, без да тествате всички варианти.
Публикациите за моделите в speechify.ai дават подробности за всяка версия. Анонсът на Simba 3.2 обяснява защо това вече е препоръчваният модел.
Какви модели предлага Speechify?
Три семейства.
- Simba 3.2
- : препоръчваният модел за английски. Създаден е за стрийминг, с минимално време до първия звук и подбрани английски гласове. Подходящ е за интерактивни приложения.
- Simba 3.0
- : текущият модел по подразбиране в API. Създаден е за стрийминг и е многоезичен: английски, немски, испански, френски, италиански и бразилски португалски. Има малко по-висока латентност от 3.2, но по-широко покритие.
- Наследени модели (
- simba-english
- ,
- simba-multilingual
- ): двойката Simba 1.6. Поддръжката им в API се прекратява с версия 2026-09-21, а спират работа на 2026-11-21. Използвайте ги само ако текущата ви интеграция зависи от конкретен по-стар глас или език, и планирайте миграция.
Кой модел е най-бърз?
Simba 3.2. Оптимизиран е за стрийминг и осигурява най-бързо време до първия звук. Препоръчва се за гласови агенти на английски.
Simba 3.0 е почти толкова бърз, но предлага многоезична поддръжка. Наследените модели са най-бавни и е препоръчително да ги спрете от употреба.
Кой модел поддържа най-много езици?
Simba 3.0. Официално поддържа английски, немски, испански (Испания и Мексико), френски, италиански и бразилски португалски. Подайте параметъра language в POST /v1/audio/speech, за да изберете локал, и ще получите глас за съответния език. Наследеният модел simba-multilingual покрива над 30 локала, но поддръжката му се прекратява с версия 2026-09-21, а спира работа на 2026-11-21.
Ако продуктът ви е на един език, Simba 3.2 е по-добрият избор заради скоростта и качеството. Ако е на няколко езика, Simba 3.0 предлага най-доброто покритие в момента.
Вижте повече за езиковата поддръжка в документацията.
Кой модел звучи най-добре?
Качеството върви с поколенията на моделите. Simba 3.2 води по естествено звучене на английски. Simba 3.0 предлага високо качество при поддържаните езици. Наследените модели са най-стари и звучат най-изкуствено.
За приложения, насочени към клиенти, изберете Simba 3.2 или Simba 3.0.
Как да видя наличните гласове?
Използвайте GET /v1/voices. Филтрирайте по тип, локал, пол и модел, за да намерите подходящия глас преди синтеза. Публикациите за гласове и модели в speechify.ai показват структурата на отговора.
Стрийминг или пакетна обработка?
И двата модела Simba 3 поддържат стрийминг. Използвайте POST /v1/audio/stream за възпроизвеждане в реално време, POST /v1/audio/stream/with-timestamps за аудио с времеви маркери и подравняване, и POST /v1/audio/speech за един файл. Изборът на модел не зависи от начина на доставка.
Въпроси и отговори
Кой е препоръчваният модел за синтез на реч на Speechify?
Simba 3.2. Това е препоръчваният избор за нови задачи: създаден е за стрийминг, осигурява най-бързо време до първия звук и най-високо качество за английски.
Simba 3.2 е правилният избор за английски: стрийминг, най-бърз старт и най-добро качество. По подразбиране API използва Simba 3.0, ако не е зададен model, затова посочете model: "simba-3.2", ако искате този модел.
Да. Simba 3.0 приема езиков параметър и връща локални гласове за много локали. Simba 3.2 е фокусиран върху подбрани английски гласове.
Да. Simba 3.0 приема езиков параметър и връща гласове на английски и шест европейски езика. Simba 3.2 е за подбрани английски гласове.
Само ако текуща интеграция зависи от конкретен по-стар глас. В противен случай преминете към Simba 3.2 или Simba 3.0.
Само докато интеграцията ви зависи от по-стар глас. Поддръжката им се прекратява с версия 2026-09-21, а изцяло спират работа на 2026-11-21, затова преминете към Simba 3.2 или Simba 3.0 преди това.
Изберете Simba 3.2 за най-кратко време до първия звук. Използвайте стрийминг за директно възпроизвеждане.
