Gradium

超低延遲語音 AI 平台，透過統一 API 與點數計費提供串流文字轉語音、語音轉文字與語音複製服務。

社群:

文本轉語音語音轉文本 AI 聲音克隆 AI 語音助手 AI 語音合成 AI 語音翻譯

造訪網站

Atoms - 用 AI 輕鬆打造網站與應用

StoreClaw

Sponsor

為線上賣家打造的自主電商引擎，全天候監控、執行並成長您在所有主流電商平台上的商店——無需人工介入。

概覽
替代方案
分析

Atoms - 用 AI 輕鬆打造網站與應用

產品概覽

Gradium 是什麼？

Gradium 是一家總部位於巴黎的語音 AI 平台，脫胎自 Kyutai 研究實驗室，服務需要即時、自然語音互動的開發者。該平台將文字轉語音（TTS）、語音轉文字（STT）、語音複製與即時語音對語音翻譯整合進單一 API 架構，並針對 WebSocket 串流傳輸進行最佳化。根據第三方基準測試，Gradium 的 TTS 模型首個音訊延遲低於 250ms，適合語音 Agent 與對話式應用情境。該服務採用彈性的點數計費模式，提供優渥的免費額度，可從個人開發者一路擴展至企業級客製部署。

主要功能

超低延遲串流 TTS
基於 WebSocket 的文字轉語音 API，首個音訊延遲約 216-235ms，支援增量音訊串流傳輸，為 Agent 與應用程式帶來自然的即時語音互動體驗。
具語意 VAD 的即時語音轉文字
串流 STT API 具備語意層級的語音活動偵測能力，能智慧辨識說話邊界，降低誤判轉錄，提升語音 Agent 情境下的辨識準確度。
即時與專業級語音複製
REST API 只需 10 秒音訊即可完成零樣本語音複製（付費方案每月最多 1,000 次），M/L 方案更提供經微調的 Professional Voice Cloning，音色還原度更高。
統一的點數計費制
TTS、STT、語音複製共用同一個點數池，共六種方案，從 Free（每月 45,000 點）到 Enterprise 皆有，超額使用則以具競爭力的單價計費。
多語言與裝置端支援
核心語音功能涵蓋英文、法文、西班牙文、葡萄牙文與德文，並提供 Phonon 裝置端 TTS SDK（1 億參數），可離線部署於行動裝置，於 Seed-TTS 基準測試中詞錯率僅 1.00%。
即時語音對語音翻譯
即時翻譯 API 可將某語言的語音即時轉換為另一語言的合成語音，適用於跨語言語音 Agent 及溝通類應用。

使用案例

語音 Agent 與對話式 AI : 憑藉低於 250ms 的 TTS 延遲與語意 VAD，打造反應靈敏、互動自然的 AI 助理與聊天機器人，實現流暢的輪替切換、減少對話空檔。
即時轉錄服務 : 為會議、Podcast 或客服通話部署即時轉錄，串流 STT 支援自訂詞彙及多語混講情境下的語言切換辨識。
個人化語音體驗 : 透過短樣本即時複製或經微調的專業模型，為有聲書、遊戲 NPC 或客服機器人打造專屬或品牌化的語音複製。
多語言內容在地化 : 針對支援的五種語言進行翻譯與合成，服務全球使用者；亦可使用即時語音對語音翻譯，實現跨語言即時溝通。
離線與邊緣裝置語音應用 : 為行動應用、物聯網裝置或高隱私需求場景部署 Phonon 裝置端 TTS SDK，無需呼叫 API 即可離線完成語音合成，無延遲疑慮。
開發者原型驗證與規模化 : 先用每月 45,000 點免費額度進行測試，再從 XS 一路擴展到 Enterprise，點數計價可預測，超額部分依用量計費以因應突發流量。