MOSS-TTSD-1.0
最新语音生成MOSS-TTSD-1.0(text to spoken dialogue)是一个开源的口语对话合成模型,可以将包含两位说话人的对话脚本转换为自然、富有表现力的对话语音。MOSS-TTSD-1.0支持双说话人零样本音色克隆与长时间单段语音生成,非常适合播客,访谈,聊天等对话场景。
ENDPOINT
POST /v1/audio/speech/speakers
当前调用路径
输入
文本
请求可接受的内容
输出
音频
成功返回的内容
模型概览
多人对话语音合成模型。默认使用稳定模型 ID moss-ttsd-1.0;如需复现固定版本,可在 model 中传 moss-ttsd-1.0-2026-03-20。
计费
计费方式人民币价格 六折优惠实际扣除 六折优惠
按输入字符4024 积分 / 万字符
¥2¥1.20 / 万字符单次调用按实际用量计算,人民币金额用于价格理解,最终以积分账单为准。 查看完整计费标准
模态支持
文文本仅输入
音音频仅输出
图图片不支持
视视频不支持
支持的 Endpoint
Chat Completions
/v1/chat/completions不支持Responses
/v1/responses不支持Messages
/v1/messages不支持估算输入 Token
/v1/messages/count_tokens不支持单人语音生成
/v1/audio/speech不支持多人对话语音生成
/v1/audio/speech/speakers支持音频转写
/v1/audio/transcriptions不支持音色设计
/v1/audio/voice/generations不支持实时交互
/v1/realtime不支持图像生成
/v1/images/generations不支持能力
性能高
推理速度中
流式 不支持
异步任务接口 支持
- 最大输出长度—40分钟音频
- 零样本双说话人克隆
调用限额
限制项上限适用范围
每分钟请求数(RPM)
70 次同一用户调用除 MOSS-Live-1.0 和 Nex-N2.6 外的所有模型接口时共享每日请求数(RPD)
30,000 次同一用户调用除 MOSS-Live-1.0 和 Nex-N2.6 外的所有模型接口时共享并发数
1 个每个用户在该模型下最多可同时处理 1 个合成任务。版本与快照
Model ID
moss-ttsd-1.0快照
moss-ttsd-1.0-2026-03-20最新版本