格式与采样率Audio format & rate control
工程 · 已普及
MiniMax「mp3, pcm, flac, wav」并可调比特率与采样率各家叫法：mp3 · pcm · flac · wav · 采样率 · bitrate同一件事，各家名字不同。我们自己就因为按字面去搜而误判过 —— Kling 管角色参考叫 Element、LTX 叫 Ingredients，按 Character Reference 去找会一无所获， 然后把「没找到」写成「官方没说」。
tts：谁实现了
稀宇科技 MiniMax
MiniMax Speech speech-2.8-hd
接口概览「同步语音合成」一节：「支持多种音频规格、格式，包括：mp3, pcm, flac, wav」，并可调比特率与采样率
MiniMax 开放平台 · 接口概览官方来源核验版本 speech-2.8-hd核验于 2026-08-12机器录入
ElevenLabs
ElevenLabs Eleven v4
⚠️ 2026-10-10 已更新到 Eleven v4，此格尚未核到新版的直接证据，显示未知；原核验版本 Eleven v3。旧记录：MP3（默认）/ PCM(S16LE) / μ-law / A-law / Opus；PCM 采样率 8k–48kHz，MP3 22.05–44.1kHz
ElevenLabs · Text to Speech官方来源核的是 Eleven v3 · 现已是 Eleven v4，未重核核验于 2026-10-10机器录入
Google DeepMind
Gemini TTS 3.8 Flash TTS
可选 WAV、PCM、mu-law、A-law；可配置 sample_rate，例如 24000 / 16000 / 8000 Hz。
Gemini API · Speech generation官方来源核验版本 3.8 Flash TTS核验于 2026-10-19机器录入
OpenAI
GPT TTS GPT-4o mini TTS
`response_format`：mp3、opus、aac、flac、wav、pcm
OpenAI · Text to speech官方来源核验版本 GPT-4o mini TTS核验于 2026-08-12机器录入
阿里巴巴
Qwen Omni 3.5-omni-plus
智谱
GLM-TTS
`response_format` 支持 wav / pcm，`encode_format` 可选 base64；流式响应里 `return_sample_rate: 24000`
智谱 · GLM-TTS官方来源核验版本 GLM-TTS核验于 2026-08-12机器录入
阿里巴巴
CosyVoice Fun-CosyVoice3-0.5B-2512
无来源 —— 这一格是「查了没找到」，不是「我们没查」核验版本 Fun-CosyVoice3-0.5B-2512未单独记核验日 · 数据截至 2026-10-19机器录入
Fish Audio
Fish Speech s2-pro
无来源 —— 这一格是「查了没找到」，不是「我们没查」核验版本 s2-pro未单独记核验日 · 数据截至 2026-10-19机器录入
hexgrad（Kokoro）
Kokoro 82M v1.1-zh
输出采样率 24,000 Hz。⚠️ 模型卡没写是否支持流式与更多格式 —— 那一格照旧 ⬜
Hugging Face · hexgrad/Kokoro-82M 模型卡官方来源核验版本 82M v1.1-zh核验于 2026-08-12机器录入