摘要
- 语音查找器（Voice finder）：在 Together AI 上可用的 MiniMax、Cartesia、Deepgram、Rime 等模型中，搜索 600 多种语音。
- 按提示词或音频搜索：描述你需要的声音，或上传一小段语音样本，即可找到相似的声音，并获得可试听的推荐。
- 感知模型的元数据：每种语音都标注了 15 个以上的属性，包括音高、口音、语言、年龄、情绪和说话风格。
为语音智能体选择合适的声音，目前仍然过于依赖手工。服务商的目录里可能有几十甚至上百种声音，而文档很少告诉你，哪一种适合金融科技客服智能体、冥想引导，或者游戏节目主持人。
语音查找器为开发者提供了一种更快的方式来搜索 Together AI 的语音目录。输入你正在构建的内容，或上传一小段你心目中那种声音的音频样本，然后对比排序后的推荐结果、在线试听，并按对你的用例重要的属性进行筛选。
工作原理
语音查找器为 Together AI 上 10 个 TTS 模型的 600 多种语音建立了索引。每种语音都可以直接在工具中试听。
在排序层背后，一个全模态（omni）模型听过了每一种声音，并生成了涵盖 15 个以上维度的结构化元数据，包括音高、性别、口音、语言、年龄、情绪和说话风格。这些元数据同时支撑自然语言搜索和手动筛选。
几个搜索示例：
- “适合冥想应用的平静女声”
- “适合金融科技客服智能体的自信声音”
- “适合游戏节目的活力主持人”
- “适合客户服务的温暖双语声音”
目标很简单：从一个用例出发，足够快地得到一份简短的候选语音清单，好让你继续构建。
为什么这对语音智能体很重要
语音智能体的好坏不只取决于模型质量。声音必须契合产品、客户和场景。医疗问诊登记智能体、餐厅点餐智能体和娱乐陪伴智能体，听起来不应该彼此雷同。
Together AI 为团队提供了一个统一平台，用于构建涵盖 STT、LLM 和 TTS 的实时语音智能体。整条流水线在同一朵云上协同部署，端到端延迟保持在 500ms 以内，足以支持实时轮流对话。Voice Finder 让模型选择这一步更轻松，为开发者提供了一种更快的方式来探索该技术栈中可用的声音。
开始使用
→ 在 findtherightvoice.com 试用语音查找器 → 探索 Together AI 语音平台 → 阅读语音智能体文档 → 联系销售，了解专用端点和生产部署