🎬 文本到综合音频

用自然语言描述角色与剧本，一次生成人声对白、音效、环境音与背景音乐。台词用 () 描述语气情绪；音效和 BGM 用 [] 包裹。

全局指令 instruction 0/500 输出格式 response_format mp3 wav flac opus 🎬 生成音频

🔊 生成结果

💡 写法说明

• roles：每个角色需 name + description 同时填写或同时留空；描述音色、年龄、说话方式等。
• scripts：台词通过 speaker 关联角色名，text 中可用 () 描述语气、风格、情绪；音效 / BGM 用 [] 包裹且不设 speaker。
• instruction 与 roles 合计 ≤ 500 字符，scripts 合计 ≤ 1000 字符。
• 可在一条指令中描述多个角色及其互动关系，模型会组织对白与声音衔接。