Speechify 提供精简的文本转语音模型选择。选对模型，关键在于权衡响应速度、语言覆盖和语音质量。本指南会将各模型与适用场景一一对应，帮你无需逐个测试也能做出更优选择。
speechify.ai 上的模型文章会深入解析每次发布。Simba 3.2 发布说明也解释了它为何是当前的推荐模型。
如果你想快速了解如何开始使用 Speechify 文本转语音 API，请查看我们的快速入门指南。
Speechify 提供哪些模型？
目前主要有两款主力模型，另外还有一组即将退役的旧版模型。
- Simba 3.2：英文场景的首选模型。原生支持流式输出，音频响应最快，提供五款精选英文声音，适合各类交互式场景。
- Simba 3.0：当前 API 默认模型。原生支持流式输出，支持英语、德语、西班牙语、法语、意大利语和巴西葡萄牙语。延迟略高于 3.2，但语言覆盖更广。
- 旧版模型（simba-english，simba-multilingual）：属于 Simba 1.6 系列。将于 2026-09-21 停止 API 支持，并于 2026-11-21 完全下线。仅建议在现有集成仍依赖旧语音或旧语言支持时继续使用，并请尽早规划迁移。
哪款模型响应最快？
Simba 3.2。它采用流式架构，首包音频返回速度最快。用于英文语音交互时，它是默认推荐选择。
Simba 3.0 速度也很接近，但由于支持多语言，延迟会略高一些。旧版模型响应最慢，建议尽快迁移。
哪款模型语言支持最全？
Simba 3.0。官方支持英语、德语、西班牙语（西班牙和墨西哥）、法语、意大利语和巴西葡萄牙语。通过 POST /v1/audio/speech 传入 language 参数即可切换语言，每种语言都会返回对应的本地化语音。旧版 simba-multilingual 虽覆盖 30+ 种语言，但将于 2026-09-21 停止支持，并于 2026-11-21 下线。
如果你的产品只支持单一语言，Simba 3.2 在速度和质量上更有优势。如果需要多语言支持，目前应优先选择 Simba 3.0，覆盖范围更广。
哪款模型音质最好？
音质会随着模型迭代持续提升。Simba 3.2 在英文自然度方面表现领先，Simba 3.0 则在多语言场景中表现出色。旧版模型发布时间最早，声音会显得更机械一些。
面向客户的语音体验，建议优先选择 Simba 3.2 或 Simba 3.0。
如何获取可用语音列表？
调用 GET /v1/voices。你可以按类型、语言、性别和模型进行筛选，在合成前快速锁定合适的语音。speechify.ai 的相关文章也展示了接口响应结构。
选择流式还是批量模式？
Simba 3 的两款模型都支持流式输出。使用 POST /v1/audio/stream 可进行流式播放，POST /v1/audio/stream/with-timestamps 可获得带时间戳的流式音频，POST /v1/audio/speech 则用于生成单个音频文件。模型选择与交付方式无关。
常见问题
Speechify 推荐哪款 TTS 模型？
Simba 3.2。它是新项目的默认推荐模型：原生支持流式输出，音频响应最快，英文语音质量也最佳。
API 默认使用哪款模型？
Simba 3.0。如果请求中未指定 model，API 默认会使用 Simba 3.0。若需使用英文 3.2，请显式设置 model: "simba-3.2"。
Speechify TTS 支持多语言吗？
支持。Simba 3.0 可接收 language 参数，并返回英语、德语、西班牙语、法语、意大利语和巴西葡萄牙语等多种语音。Simba 3.2 则聚焦于精选英文语音。
旧版模型还能继续使用吗？
仅建议在现有集成仍依赖旧语音时临时继续使用。simba-english 和 simba-multilingual 将于 2026-09-21 停止 API 支持，并于 2026-11-21 完全下线，请尽快迁移到 Simba 3.2 或 Simba 3.0。
语音代理建议使用哪款模型？
如果首包响应速度最重要，优先选择 Simba 3.2，其流式输出能力非常适合实时应用场景。
