模型简介
Inworld Realtime TTS-2 Flash 是面向更短等待时间与高频调用的语音合成分支。它覆盖与标准 TTS-2 相同的语言和地区范围，并支持即时声音克隆。
版本、能力与开放状态
| 模型 / 家族 | Inworld Realtime TTS-2 Flash |
|---|---|
| 完整标识 | inworld-tts-2-flash |
| 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
可用于实时语音代理和需要大量生成短语音的产品。选型时应同时记录声音自然度和整段会话的等待时间；服务器首音频字节延迟与客户端听到声音的时间并不相同。
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。
