参考手册
TTS 服务提供商
文本转语音提供商、所需配置及其支持的控制项
Vfinity 支持六家语音服务提供商:一家免费,另外五家使用你自己的付费账户。在 设置音频语音 中,通过服务商选择。
提供商
| 提供商 | 所需配置 | 模型 | 语速 | 音调 |
|---|---|---|---|---|
| Microsoft Edge (free) | 无 | — | 支持 | 支持,以 Hz 为单位 |
| ElevenLabs | API 密钥、语音 | Multilingual v2(默认)、Turbo v2.5、Flash v2.5、Eleven v4、Eleven v4 Turbo、Eleven v3 | 支持,Eleven v3 和 v4 除外 | 不支持 |
| Speechify | API 密钥、语音 | Simba 3.0(默认)、Simba 3.2 | 不支持 | 不支持 |
| Murf AI | API 密钥、语音 | 无模型选择器 | 支持 | 支持,采用 Murf 自己的刻度 |
| Cartesia | API 密钥、语音 | Sonic 3(默认)、Sonic 2 | 支持 | 不支持 |
| Fish Audio | API 密钥、语音 | S2.1 Pro(默认)、S2 Pro、S1 | 支持 | 不支持 |
新配置默认使用 Microsoft Edge (free) 和 en-US-AriaNeural。其他提供商在填写 API 密钥并选择语音前不会朗读;界面会提示缺失内容,输入密钥后才会加载语音列表。
ElevenLabs 的 Eleven v3 和 v4 模型没有语速设置,因此 Vfinity 不会向它们发送语速,语速对它们不起作用。
哪些语音会笑
开启把聊天里的笑读成笑声后,聊天里打出的笑会作为笑声发送给语音。听起来是否像真正的笑声,取决于提供商和模型。
| 提供商 | 怎么笑 |
|---|---|
| Fish Audio | 所有模型都会发出真正的笑声 |
| Cartesia | Sonic 3 会发出真正的笑声;Sonic 2 会把笑说出来 |
| ElevenLabs | Eleven v3、Eleven v4 和 Eleven v4 Turbo 会发出真正的笑声;较早的模型会把笑说出来 |
| Microsoft Edge (free)、Speechify、Murf AI | 把笑说出来,例如 haha 或 jaja;能识别语音的语言时,用该语言说 |
聊天语音朗读中的笑声部分会说明你的语音怎么笑;如果你用的模型只会把笑说出来,它会提示你改用 Eleven v3、v4 或 Sonic 3。文本转语音介绍了笑的写法。
Fish Audio 的声音
Fish Audio 会在你的声音中优先列出克隆和私有声音,也可按名称搜索完整目录。列表中没有的声音可在自定义语音 ID中填写语音模型 ID。
提供商设置
| 设置 | 范围 | 说明 |
|---|---|---|
| 服务商 | 上述六家 | 每家分别保留自己的密钥、语音和模型,切换不会丢失配置 |
| API 密钥 | 从提供商网站获取 | 绝不会包含在备份中 |
| 语音 | 提供商列表 | 刷新语音列表可重新读取 |
| 模型 ID | 建议项,或最长 200 字符的任意模型 ID | 留空使用提供商默认值 |
| 语速 | −50% 至 +100% | 聊天的语速在聊天语音朗读中设置,事件台词的语速在语音卡片中设置。Speechify 不支持,界面会提示 |
| 音调 | −50 至 50 | 仅 Microsoft Edge (free) 和 Murf AI 支持;其他提供商会显示该服务商不支持调节音调。 |
观众专属声音与新观众随机抽取的声音池也按提供商分别保存,因为声音 ID 不同。可直接将声音 ID 粘贴到声音池中。
付费提供商如何计费
付费服务按字符计费。以下设置有助于控制用量:
- 朗读提醒与聊天一样计入用量;朗读提醒默认关闭。
- 朗读自定义台词步骤达到事件的每分钟字符数后会停止,默认上限为 600。
- 当TTS 播放位置设为 OBS 音频源,但 OBS 中没有打开该来源时,聊天和提醒不会朗读。
- 最大字符数会在发送前截断长消息,默认 200。
提供商发生故障时
| 提示 | 含义 |
|---|---|
| TTS 尚未设置 | 还需要 API 密钥或语音 |
| TTS 服务商拒绝了请求 | 检查密钥、语音与模型 |
| 已达到 TTS 服务商限额 | 已达到用量或速率限制;解除限制后才会恢复 |
| 无法连接语音朗读服务 | 无法连接提供商;连接恢复后 TTS 会自动继续 |