Gradium

超低延迟语音 AI 平台，通过统一 API 和按积分计费提供流式文本转语音、语音转文本和语音克隆服务。

社区:

文本转语音语音转文本 AI 声音克隆 AI 语音助手 AI 语音合成 AI 语音翻译

访问官网

Atoms - 用 AI 轻松构建网站与应用

StoreClaw

Sponsor

为在线卖家打造的自主电商引擎，全天候监控、执行并增长您在所有主流电商平台上的店铺——无需人工干预。

概览
替代方案
数据分析

Atoms - 用 AI 轻松构建网站与应用

产品概览

什么是Gradium？

Gradium 是一家总部位于巴黎的语音 AI 平台，脱胎于 Kyutai 研究实验室，面向需要实时、自然语音交互的开发者。该平台将文本转语音（TTS）、语音转文本（STT）、语音克隆和实时语音到语音翻译整合进同一套 API 体系，并针对 WebSocket 流式传输做了优化。据第三方基准测试，Gradium 的 TTS 模型首字节音频延迟低于 250ms，适合语音 Agent 及对话式应用场景。该服务采用灵活的积分计费模式，提供慷慨的免费额度，可从个人开发者一路扩展到企业级定制部署。

主要功能

超低延迟流式 TTS
基于 WebSocket 的文本转语音 API，首字节音频延迟约 216-235ms，支持增量音频流式传输，为 Agent 和应用带来自然的实时语音交互体验。
带语义 VAD 的实时语音转文本
流式 STT API 具备语义级语音活动检测能力，能智能识别说话边界，减少误识别，提升语音 Agent 场景下的转写准确率。
即时与专业级语音克隆
REST API 支持仅用 10 秒音频即可完成零样本语音克隆（付费计划每月最多 1,000 次克隆），M/L 档位还提供经过微调的 Professional Voice Cloning，音色还原度更高。
统一的按积分计费体系
TTS、STT、语音克隆共用同一个积分池，共六档套餐，从 Free（每月 45,000 积分）到 Enterprise 均可选，超出额度按有竞争力的单价计费。
多语言与端侧支持
核心语音能力覆盖英语、法语、西班牙语、葡萄牙语和德语，并提供 Phonon 端侧 TTS SDK（1 亿参数），可离线部署于移动端，在 Seed-TTS 基准测试中词错率仅 1.00%。
实时语音到语音翻译
实时翻译 API 可将一种语言的语音直接转换为另一种语言的合成语音，适用于跨语言语音 Agent 及沟通类应用。

使用场景

语音 Agent 与对话式 AI : 凭借低于 250ms 的 TTS 延迟和语义 VAD，构建响应迅速、交互自然的 AI 助手与聊天机器人，实现流畅的轮次切换、减少对话空档。
实时转写服务 : 为会议、播客或客服通话部署实时转写，流式 STT 支持自定义词表和多语种混说场景下的语言切换识别。
个性化语音体验 : 通过短样本的即时克隆或经微调的专业模型，为有声书、游戏 NPC 或客服机器人打造专属或品牌化的语音克隆。
多语言内容本地化 : 面向支持的五种语言进行翻译与合成，服务全球用户；也可使用实时语音到语音翻译实现跨语言实时沟通。
离线与边缘端语音应用 : 为移动应用、物联网设备或对隐私要求高的场景部署 Phonon 端侧 TTS SDK，无需调用 API 即可离线完成语音合成，无延迟顾虑。
开发者原型验证与规模化 : 先用每月 45,000 免费积分做测试，再从 XS 一路扩展到 Enterprise，积分定价可预测，超额部分按量付费应对突发流量。