模型简介
Inworld Realtime TTS-2 面向自然、可控制的实时语音生成。它支持用语言指令调整表达，并提供声音克隆、时间戳等能力，官方列出 200 种以上语言和地区变体。
版本、能力与开放状态
| 模型 / 家族 | Inworld Realtime TTS-2 |
|---|---|
| 完整标识 | inworld-tts-2 |
| 服务状态 | 官方 API 已提供 |
| 任务 | 文字转语音与声音克隆 |
| 语言 | 官方列出 200+ 语言和地区变体 |
适合怎样使用
适合重视音质、声音风格与多语言一致性的生产应用。比较时应使用自己的文本和参考录音，分别检查发音、语气和起声等待；官方延迟数据是服务器指标，不含用户网络。
适用人群
实时语音产品、教育陪练与多语言应用开发者
价格与使用条件
按官方语音 API 用量结算；标准版和 Flash 价格不同。
官方资料与参考来源
- TTS models - Inworld AI Documentation
- Realtime TTS-2: A new frontier voice model that feels as human as it sounds
资料核对日期：2026-10-31。开放范围与价格以所选官方服务的当前说明为准。
