Speechify 提供精選的文字轉語音（TTS）模型。挑選合適模型時，關鍵在於延遲、語言支援與語音品質之間的取捨。本指南整理各模型的適用情境，幫助您快速選出最適合的方案，無需逐一測試。
想進一步了解各版本，請參閱 speechify.ai 的相關文章。Simba 3.2 發布公告也詳細說明了它為何成為目前的推薦模型。
如需快速上手 Speechify 文字轉語音 API，請參閱我們的快速入門指南。
Speechify 提供哪些模型？
目前有兩個主力模型，另有兩款即將退役的舊版模型。
- Simba 3.2
- ：建議用於英語場景。支援串流，啟動速度最快，英語語音經過精心挑選，特別適合互動式應用。
- Simba 3.0
- ：API 預設模型。支援串流與多語言，包括英語、德語、西班牙語、法語、義大利語及巴西葡萄牙語。延遲略高於 3.2，但語言涵蓋更廣。
- 舊版模型（
- simba-english
- 、
- simba-multilingual
- ）：屬於 Simba 1.6 系列，將於 2026-09-21 自 API 下架，並於 2026-11-21 完全關閉。僅建議在現有整合仍依賴特定舊語音或語言時使用，請儘早規劃遷移。
哪個模型最快？
Simba 3.2。此模型專為串流打造，首段音訊回應極快，特別適合英語語音代理等即時應用。
Simba 3.0 的速度也相當接近，但因支援多語言，延遲會稍高一些。舊版模型最慢，如無特殊需求，建議儘快淘汰。
哪個模型支援最多語言？
Simba 3.0。目前支援英語，以及德語、西班牙語（西班牙與墨西哥）、法語、義大利語與巴西葡萄牙語。只要在 POST /v1/audio/speech 傳入 language 參數，即可選擇語系，系統會回傳對應語音。舊版 simba-multilingual 曾支援 30 多種語系，但將於 2026-09-21 停止 API 服務，並於 2026-11-21 關閉。
如果產品只需要單一語言，Simba 3.2 在速度與品質方面表現最佳。若需要多語言支援，目前 Simba 3.0 的涵蓋範圍最廣。
哪個模型的語音最自然？
模型世代越新，整體品質通常越高。Simba 3.2 在英語自然度方面表現領先。Simba 3.0 則在各語言間提供穩定且均衡的品質。較早期的舊版模型聽感則更接近機械音。
若用於面向使用者的語音應用，建議優先選用 Simba 3.2 或 Simba 3.0。
如何查詢可用語音？
呼叫 GET /v1/voices 後，可依語音類型、語系、性別與模型進行篩選，快速找到所需語音。speechify.ai 也提供與語音模型相關的範例回應格式說明。
串流還是批次合成？
Simba 3 系列皆支援串流。若需即時播放，請使用 POST /v1/audio/stream；若需詞級時間戳記，請使用 POST /v1/audio/stream/with-timestamps；若需合併為單一檔案，則使用 POST /v1/audio/speech。模型選擇與音訊傳送方式無關。
常見問題
推薦使用哪款 Speechify TTS 模型？
Simba 3.2。它是新專案的首選，具備原生串流、首段音訊回應最快，以及最佳的英語語音品質。
API 預設使用哪個模型？
Simba 3.0。若未指定 model，API 會預設使用 Simba 3.0。若要使用 3.2 英語模型，請明確設為 model: "simba-3.2"。
Speechify TTS 是否支援多語言？
是的。Simba 3.0 可透過 language 參數支援英語、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。Simba 3.2 則專注於高品質英語語音。
還能繼續用舊版模型嗎？
僅在現有整合仍依賴特定舊語音時才建議繼續使用。simba-english 與 simba-multilingual 將於 2026-09-21 下架，並於 2026-11-21 關閉，請優先遷移至 Simba 3.2 或 Simba 3.0。
語音代理應選哪個模型？
若需要最快回應速度，請選擇 Simba 3.2，並搭配串流輸出以支援即時使用。
