Quick Start
第一次使用，建议按以下顺序完成配置并开始 Speak。
- 打开 Settings，填写 Voice / TTS Provider（App ID / Access Token）和 Voice Profile（Speaker ID、语言能力）。这是使用 Speak 的必要前提。
- 如果你习惯用中文打草稿、但希望说出英文，打开主页上的 Chinese → English 开关；如果已经准备好最终英文文本，跳过这一步即可。
- 开启 Chinese → English 后，可以在 Settings 中配置 Speaking Style（尤其是 My Style），让生成的英文更接近你自己的说话方式。
- 回到主页，在 Speech Text 里输入或粘贴内容，选择 Voice，按需微调 Speed / Volume / Pitch。
- 点击 Speak。系统会一边生成音频一边尽快开始播放，不需要等整段生成完成。
- 播放中可以 Pause / Resume；生成完成后可以 Replay 重听同一段音频；随时可以 Stop 结束当前这一轮。
Speed / Volume / Pitch
这三项统称 Prosody（语音的语速、音量、音高），对 Direct Speak 和 Chinese → English 两种模式都生效，不涉及任何 AI 文本改写。
Speed
范围 0.5 – 2.0，默认 1.0，步进 0.1。1.0 是你克隆音色本身的自然语速；数值是一个倍数，不是绝对语速（背后会换算成火山引擎 API 的 speech_rate 参数）。
- 调高：内容较长、时间紧张，希望信息更快讲完（如快速同步进展）。
- 调低：内容包含较多数字、专业术语或合同条款，需要让听众（尤其是非母语听众）听清楚每个细节。
- 不建议大幅偏离 1.0（如接近 0.5 或 2.0）——克隆音色在极端语速下会明显失真，不再像本人的声音。
Volume
范围 0.5 – 2.0，默认 1.0，步进 0.1。这是"合成响度"，不是设备/系统音量的替代品——它只影响生成出来的音频本身有多响，不会改变你电脑或音箱的实际音量设置（背后会换算成火山引擎 API 的 loudness_rate 参数）。
- 调高：会议室环境嘈杂、用外接音箱播放、或原始音色偏小声。
- 调低：戴耳机近距离收听、或原始音色偏响。
Pitch
范围 -12 – 12（半音，整数步进），默认 0。0 表示保留克隆音色的原始音高；正值让声音更高，负值更低。这是一个精细调节项，大多数情况下不需要改动。
- 调高（如 +1 ~ +3）：想要语气更轻快、更精神一些。
- 调低（如 -1 ~ -3）：想要语气更沉稳、更有分量（例如正式汇报）。
- 不建议一次调到极值（±12），效果会明显失真，不再像本人声音。
推荐起始值
| 场景 | Speed | Volume | Pitch |
|---|---|---|---|
| 自然日常表达 | 1.0（保持默认） | 1.0 | 0 |
| 英语商务会议 | 0.9 – 1.0（略慢，方便非母语听众听清） | 1.0 – 1.3（视会议室扬声器情况） | 0 |
| 公司内部汇报（中文） | 1.0 – 1.1（同事熟悉内容，可略快） | 1.0 | 0，需要更沉稳语气可尝试 -1 ~ -2 |
以上是起始建议，不是硬性规则——先用默认值试听一次，再按实际效果小幅微调即可。
Chinese → English
主页上的这个开关默认关闭，控制点击 Speak 时走哪一条链路。
关闭时 — Direct Speak
Speech Text 里输入什么，就原样直接送去合成语音，不经过任何 AI 处理——不管你输入的是中文还是英文都一样，不会有翻译、也不会有任何润色或改写。这是延迟最低、最直接的默认链路。
开启时 — Translated Speak
点击 Speak 后，系统会把当前的中文 Speech Text 以流式方式发送给翻译服务，按你选择的 Speaking Style 生成更口语化的英文；英文一边生成、一边就会被送去合成语音并尽快开始播放，不需要等整段翻译完成。生成过程中，页面会出现一个只读的 Translated Text 区域，实时显示这一轮实际会念出来的英文内容，方便你确认翻译是否符合预期。
什么时候用哪种
- 已经准备好最终要说的英文文本 — 保持关闭，直接输入英文即可。
- 习惯用中文打草稿、但希望说出自然的英文 — 打开开关，输入中文即可。
只有开启时，Speaking Style 选择器才会出现——它只影响 Translated Speak 生成的英文用词，对 Direct Speak 没有任何作用。
Speaking Style
只在 Chinese → English 开启时才会显示。四个选项都在同一次翻译请求里生效，不会增加额外等待时间。
三个内置风格
- Natural Conversation（默认）— 适合真实视频会议的自然口语表达，避免过度书面化，也避免"AI 腔"套话（比如反复出现 "Absolutely!" "Certainly!" "Furthermore..."）。适合：日常周会/日会同步、和熟悉的同事或客户沟通。
- Professional — 清晰、沉稳、商务得体，但不会像正式报告或新闻稿那样生硬；用词更精炼，语气更专业克制。适合：英语商务会议、对外合作沟通、需要保持专业形象的场合。
- Concise — 句子更短、不啰嗦，但不会删掉任何关键信息——所有事实、数字、日期、承诺、专有名词都会被完整保留。适合：时间紧张、只想说重点的进展同步，或给管理层的简短更新。
My Style 怎么配置
在 Settings → Speaking Style 里填写以下四项，都是自由文本，不需要懂提示词工程：
- Speaking preferences（说话习惯）— 一段话描述你喜欢的语气/句式，例如 "Use relatively short sentences. State the conclusion first, then explain the reason."
- Preferred phrases（常用口头禅/过渡语）— 每行一个，例如 "Right, so..." / "Bottom line:"
- Avoided phrases（希望避免的表达）— 每行一个，例如 "Absolutely!" / "Certainly!"
- Example sentences（示例句子）— 每行一句，给几句真实反映你说话方式的英文例句；这些例句只作为语气/节奏参考，不会被逐字照搬进结果里。
保存后，回到主页把 Speaking Style 切换为 My Style 即可生效。如果这几项都留空，系统会自动使用 Natural Conversation 的效果，不会报错。
同一句话，四种风格的实际差异
中文原文：我们在3月15日完成了与ACME公司的沙盒环境对接，交易金额是128,000美元，下一步是生产环境配置。
- Natural Conversation
- We completed the sandbox environment integration with ACME on March 15th, with a transaction amount of $128,000. The next step is to configure the production environment.
- Professional
- We completed the sandbox integration with ACME on March 15 for a transaction amount of $128,000. The next step is the production environment configuration.
- Concise
- We completed the sandbox environment integration with ACME on March 15. The transaction amount is $128,000. The next step is production environment configuration.
- My Style（preferred phrases 配置了 "Right, so..." 和 "Bottom line:"）
- Bottom line: We're moving to production environment configuration. Right, so we finished the ACME sandbox integration on March 15 for $128,000.
可以看到：无论选哪种风格，日期（March 15）、金额（$128,000）、公司名（ACME）这些关键事实都会完整保留，改变的只是语气和句式——Speaking Style 只影响"怎么说"，不影响"说什么"。