Stability AI text-to-speech models使用教程

进入Stability AI text-to-speech models官网首页，在页面的文本输入区域，输入需要转换为语音的完整文字内容，检查文本无错漏后进入下一步。

在风格描述输入框中，填写你对语音的具体要求，包括说话人身份、语音风格、录音环境等属性，描述越具体生成的语音匹配度越高。

选择你需要的音频输出参数，包括音频采样率、文件格式等，可根据后续使用场景选择对应的参数设置。

点击生成按钮等待模型处理，处理时长根据文本长度有所不同，长文本需要等待数秒到数十秒不等。

生成完成后可在线预听语音效果，若符合需求即可下载音频文件，若不符合可调整描述内容重新生成。