Speechify TTS API 模型總覽：如何為不同任務選出最佳模型

Speechify 提供少量文字轉語音（Text-to-Speech）模型。選擇合適模型時，需在延遲、語言覆蓋與音質之間取捨。本指南會說明各模型的適用情境，幫您快速選出合適方案，不必逐一測試。

各版本的詳細資訊，請參閱 speechify.ai 的模型更新文章。Simba 3.2 發布說明 也有更完整的介紹，說明它為何是推薦模型。

想快速開始使用 Speechify TTS API？請參考我們的快速入門指南。

自己開發嗎？Speechify 的文字轉語音與語音複製 API 可在 speechify.ai 使用；說明文件與免費金鑰請見 docs.speechify.ai。

Speechify 提供哪些模型？

主要分為三大系列。

• Simba 3.2
• ：推薦的英語模型。支援串流、延遲最低，並提供精選英語音色，適合各類互動式應用。
• Simba 3.0
• ：目前的 API 預設模型。支援串流與多語言（英語、德語、西班牙語、法語、義大利語、巴西葡萄牙語）。延遲略高於 3.2，但支援語言更多。
• 舊版模型（
• simba-english
• 、
• simba-multilingual
• ）：屬於 Simba 1.6 系列。將自 API 版本 2026-09-21 起停止維護，並於 2026-11-21 關閉。僅建議在舊有整合需要特定語音時使用，並儘早規劃遷移。

哪個模型最快？

Simba 3.2。這款模型專為串流打造，首段音訊傳送速度最快，是英語語音應用的首選。

Simba 3.0 的速度也很接近，但因支援多語功能，延遲會稍高一些。舊版模型則最慢，建議依需求逐步淘汰。

哪個模型支援最多語言？

Simba 3.0。官方支援英語、德語、西班牙語（西班牙與墨西哥）、法語、義大利語及巴西葡萄牙語。只要在 POST /v1/audio/speech 傳入 language 參數，即可取得對應語言的母語發音。舊版 simba-multilingual 雖支援超過 30 種語言，但將自 2026-09-21 起停止 API 支援，並於 2026-11-21 停用。

如果您的產品只使用單一語言，Simba 3.2 可提供最佳速度與品質；若需支援多語，現階段則以 Simba 3.0 的覆蓋範圍最廣。

閱讀文件，了解更多語言支援細節。

哪個模型音質最好？

音質會隨模型世代持續提升。Simba 3.2 提供最自然的英語語音，Simba 3.0 則在各支援語言中都有穩定表現。舊版模型聽感相對較機械。

面向客戶的語音體驗，建議優先選用 Simba 3.2 或 Simba 3.0。

如何列出可用語音？

呼叫 GET /v1/voices 即可。您可依類型、語言、性別與模型篩選合適語音。speechify.ai 的語音與模型更新文章中，也提供了回應範例說明。

該用串流還是批次？

Simba 3 系列都支援串流。POST /v1/audio/stream 可用於即時播放，POST /v1/audio/stream/with-timestamps 則提供時間戳與逐字對齊，POST /v1/audio/speech 會生成單一音檔。模型選擇與交付方式無關。

常見問題

推薦的 Speechify TTS 模型是哪一個？

Simba 3.2。作為新專案的預設選擇：原生支援串流、速度最快，且英語音質最佳。

Simba 3.2 最適合英語應用：原生支援串流、首音最快、語音品質最佳。若 API 未指定 model，預設仍為 Simba 3.0，請明確設定 model: "simba-3.2" 以啟用。

是的。Simba 3.0 可接受語言參數，並回傳多個地區的母語音色；Simba 3.2 則專注於精選英語語音。

是的。Simba 3.0 可指定語言，支援英語及六個歐洲語系；Simba 3.2 則聚焦於精選英語。

只有在既有整合需要特定舊版語音時，才建議使用。否則請遷移至 Simba 3.2 或 Simba 3.0。

僅在現有整合必須使用舊版語音時才建議採用。API 將自 2026-09-21 起停用支援，並於 2026-11-21 關閉，請務必提前遷移至 Simba 3.2 或 Simba 3.0。

若您追求最低延遲，請選擇 Simba 3.2，並採用串流輸出。