工具介绍
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。
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
适用场景与人群
待编辑核验
定价与使用条件
免费版
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。
XS
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。
S
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。
M
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。
L
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。
企业版
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。
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
官网介绍摘录
Low latency Text-to-Speech, Speech-to-Text, Voice Cloning and Voice Design. 50 ms to first audio, one API…查看官网原文 ↗资料来源
Gradium资料更新于 2026-10-21编辑补充
Toolify 公开资料开始使用前，了解这些
先打开官方页面查看当前开放范围、注册要求、额度与套餐，用一份小样本验证它是否适合你的任务。
此档案依据官网公开资料整理，未做完整实测。商用授权、隐私条款、地区访问状态及功能限制尚待逐项核验。
核验范围：名称、官方入口和基本用途。
查看原始来源