> ## Documentation Index
> Fetch the complete documentation index at: https://docs.profy.cn/llms.txt
> Use this file to discover all available pages before exploring further.

# 语音合成与识别

> 文字转语音 (TTS) 与语音转文字 (ASR)

袋袋专家提供两项语音能力：将文字转化为自然人声的**语音合成 (TTS)**，以及将音频文件转录为文字的**语音识别 (ASR)**。

## 两大能力

<CardGroup cols={2}>
  <Card title="语音合成 TTS" icon="volume-high">
    将文本内容转换为自然流畅的语音音频。支持多种音色，适合有声内容创作。
  </Card>

  <Card title="语音识别 ASR" icon="microphone">
    将音频文件中的语音转录为文字。支持长音频，适合会议记录和内容整理。
  </Card>
</CardGroup>

***

## 语音合成 (TTS)

### 使用方式

在对话中告诉专家你想将哪些内容转为语音：

* "把这篇文章朗读出来"
* "用温柔的女声帮我录一段开场白"
* "帮我把以下文本转成语音：……"

专家会将指定文本转换为音频文件，你可以直接在对话中试听和下载。

### 音色选择

你可以在请求中指定偏好的音色类型。不同模型提供的音色选项不同，通常包括：

* 男声 / 女声
* 年轻 / 成熟
* 温柔 / 有力
* 新闻播报 / 日常对话

<Tip>
  不确定选哪个音色？让专家用不同音色各读一句试听，选定后再生成完整内容。
</Tip>

### 适用场景

<AccordionGroup>
  <Accordion title="有声读物">
    将文字稿件转为有声内容，快速制作有声书或音频课程的样片。
  </Accordion>

  <Accordion title="视频配音">
    为视频内容生成旁白配音，搭配视频生成能力使用。
  </Accordion>

  <Accordion title="无障碍辅助">
    将文档、网页内容转为语音，方便视障用户或不便阅读时的信息获取。
  </Accordion>

  <Accordion title="内容二次创作">
    将文字内容快速转为音频格式，发布到播客或音频平台。
  </Accordion>
</AccordionGroup>

***

## 语音识别 (ASR)

### 使用方式

<Steps>
  <Step title="上传音频文件">
    将需要转录的音频文件（如 MP3、WAV、M4A 等）拖拽到对话框或点击附件上传。
  </Step>

  <Step title="请求转录">
    告诉专家你需要做什么，例如"帮我把这段录音转成文字"或"提取会议记录的要点"。
  </Step>

  <Step title="获取结果">
    专家会返回转录后的文字内容。你可以进一步让专家整理格式、提炼摘要或翻译成其他语言。
  </Step>
</Steps>

### 适用场景

<AccordionGroup>
  <Accordion title="会议纪要">
    上传会议录音，让专家转录并整理出结构化的会议纪要，包含议题、决议和待办事项。
  </Accordion>

  <Accordion title="采访整理">
    将采访录音转为文字稿，专家还可以帮你区分不同发言者。
  </Accordion>

  <Accordion title="课程笔记">
    录音转文字后，让专家提炼知识点、生成思维导图或整理学习笔记。
  </Accordion>

  <Accordion title="多语言处理">
    转录后可直接让专家翻译，实现"听一种语言，读另一种语言"的工作流。
  </Accordion>
</AccordionGroup>

<Tip>
  转录完成后，可以直接让专家对文字内容做进一步处理——总结要点、提取关键信息、生成待办清单等，无需切换工具。
</Tip>

***

## 使用建议

<Warning>
  * 音频质量直接影响识别准确率。尽量使用清晰、低噪音的录音
  * 非常嘈杂的环境录音可能导致转录出现遗漏或错误
  * 专业术语或生僻名词可能需要在转录后人工校正
</Warning>

## 计费说明

| 能力       | 计费方式    | 说明                           |
| -------- | ------- | ---------------------------- |
| 语音合成 TTS | 按万字符计费  | 费用随文本长度增长，CJK 字符和英文字符的计数规则不同 |
| 语音识别 ASR | 按音频时长计费 | 费用与音频秒数成正比                   |

具体费率取决于所选模型，以产品内实时显示为准。