Gradium 是什么？
低纬度文本对语音,语音对文本,语音克隆和语音设计. 50毫秒到第一个音频,一个API..
Gradium 是一个面向开发者的语音 AI 平台，通过统一 API 提供超低延迟文本转语音、语音转文本、语音转语音翻译、实时翻译、声音克隆以及端侧文本转语音功能。该平台专为构建实时语音代理和对话式应用而设计，支持富有表现力的语音生成、精准转写、多语言处理、说话人克隆、双向 WebSocket 流式传输、可扩展并发，以及云端、专用实例、自托管和本地部署等多种部署方式。
低纬度文本对语音,语音对文本,语音克隆和语音设计. 50ms..
新的介绍 Phonon 我们的第一个开放的,在设备上的TTS模型
主要功能
支持富有表现力的超低延迟流式文本转语音
精准的语音转文本转写，支持代码切换和自定义词汇
实时语音转语音翻译和实时语音翻译
使用约 10 秒音频即可即时克隆声音
高保真 Pro 声音克隆
基于提示词的声音设计
可在 CPU 上运行的离线端侧文本转语音
双向 WebSocket 实时 API
时间戳精准的语音和发音词典
支持语义语音活动检测，优化对话轮次切换
在高负载下仍保持稳定延迟的可扩展并发能力
支持云端、专用实例、自托管、本地部署和云市场部署
提供 Python 和 Rust SDK
支持 LiveKit、Pipecat、Gradbot 及主流代理框架集成
支持电话语音音频格式
提供企业级 SLA 和零数据留存
优点与缺点
优点
- 通过一个平台支持丰富的语音 AI 功能
- 专为实时应用打造，具备极低且稳定的延迟
- 支持多语言语音、翻译、地区口音和声音克隆
- 提供可扩展基础设施和多种部署方式
- 提供 SDK，并支持热门语音代理框架集成
- 提供包含 45,000 个额度的免费套餐
- 为初创企业提供价值 2,000 美元或更多的免费额度
缺点与限制
- 免费套餐不包含商业使用权
- 高级 Pro 声音克隆仅包含在较高价位的套餐中
- 语音转语音翻译消耗的额度明显高于 TTS 或 STT
- 对于使用量较高的小型团队而言，付费套餐可能成本较高
- 平台主要面向开发者，可能需要进行 API 或 SDK 集成开发
- 免费套餐的并发数和声音克隆数量有限
定价与使用条件
包含 45,000 个额度，可访问 Studio 和 API，支持 2 路 TTS 并发、3 路 STT 并发和 2 路 S2S 并发，可创建 5 个即时声音克隆，不包含 Pro 声音克隆，也不允许商业使用。
包含 225,000 个额度，约可支持 5 小时 TTS、21 小时 STT、16 小时 STT 翻译，以及 2 至 4 小时语音转语音翻译，具体取决于使用情况。包含 1,000 个即时声音克隆，并支持商业使用。
包含 900,000 个额度，约可支持 20 小时 TTS、83 小时 STT、63 小时 STT 翻译，以及 8 至 17 小时语音转语音翻译。包含 1,000 个即时声音克隆，并支持商业使用。
包含 900 万个额度，约可支持 200 小时 TTS、833 小时 STT、625 小时 STT 翻译，以及 83 至 167 小时语音转语音翻译。包含 1,000 个即时声音克隆、5 个 Pro 声音克隆，并支持商业使用。
包含 4,500 万个额度，约可支持 1,000 小时 TTS、4,167 小时 STT、3,125 小时 STT 翻译，以及 417 至 833 小时语音转语音翻译。包含 1,000 个即时声音克隆、20 个 Pro 声音克隆，并支持商业使用。
包含无限额度、自定义并发数、无限即时声音克隆和 Pro 声音克隆、商业使用权，以及企业级定制方案。
价格与额度可能调整，请以官网当前说明为准。
官网与资料来源
资料来源
资料更新于 2026-10-21
