上传音频文件获取URI，用于后续语音合成
输入：主持人日常说话录音（30秒）
播客文本："欢迎收听《科技新声》..."
输出：120秒播客开场语音，音色与主持人录音一致
输入：双语故事文本，模型选择MOSS-TTSD
语速：0.9（稍慢适合故事讲述）
输出：300秒中英双语有声书旁白，发音标准
输入：客服对话脚本，音色选择亲切女声
格式：mp3
输出：240秒客服对话语音，语气热情自然
输入：团队项目进度讨论录音（15分钟）
模型：FunAudioLLM/SenseVoiceSmall
输出：3500字会议文字记录，识别准确率95%
输入：待删除音频URI（3条）
操作：批量删除请求
输出：成功清理3条过期音频，释放空间15MB
输入：《小熊的奇妙冒险》全篇（约16分钟）
语速：0.8（适合儿童收听）
输出：960秒完整儿童故事语音，含角色对话区分
快速克隆主持人声音，生成专业播客内容，支持长时程语音合成
生成多角色有声教材，支持双语教学内容，提升学习体验
将小说、文章转换为高质量有声内容，支持角色声音区分
生成自然流畅的客服语音，支持多轮对话，提升客户体验
快速将会议录音转换为文字记录，自动识别发言人和关键信息
为游戏角色生成多样化语音，支持情绪变化和特殊音效提示
价格由API服务商设定，详细的定价方案及套餐信息，请访问服务商官网查看。
查看详细价格A: 硅基流动音频API单次可生成长达960秒（16分钟）的语音，满足长时程内容制作需求，如完整故事、播客等。
A: 使用FunAudioLLM/SenseVoiceSmall模型，在标准普通话环境下识别准确率可达95%以上，支持多人对话区分和关键词高亮。
A: 通过"上传参考音频"接口上传30秒以上的清晰语音样本，获取音频URI后，在文本转语音接口中引用该URI即可实现声音克隆。
A: 支持mp3、opus、wav、pcm等多种音频格式，可根据需求选择合适的输出格式，不同格式支持的采样率有所不同。
A: 可通过speed参数（0.25-4.0）控制语速，通过在文本中添加特殊标记（如"<|endofprompt|>"）和描述性语言来引导情感表达。
A: 是的，所有API调用都需要在请求头中包含有效的Authorization令牌，格式为"Bearer {YOUR_API_KEY}"，您可以从服务商官网获取API密钥。
