聲線設計全面解析：從原理到 API 整合的實用指南

一句答你：Voice design 聲線設計係 TTS 嘅一種生成模式，透過性別同年齡兩個維度即時砌出新聲線，每次請求都係 per-request 獨立設計、唔會變成可重用資產。

Key Takeaways

• Voice design 係圖庫聲線（voice）同聲音複製（clone）以外嘅第三種生成模式，適合想快速試新聲線但冇參考樣本嘅情境
• 港嘢 API 嘅 design 模式用 gender（性別）同 age（年齡）兩個維度控制聲線方向
• Design 模式出嘅聲線屬於 per-request，每次請求都係獨立設計，唔會入圖庫變成可重用 slug
• Sync 捷徑（≤300 字符）同 async 任務都支援 design，唔似 clone 會回 clone_not_supported_sync
• 同 voice（圖庫）同 clone（參考音頻）比較，design 走中間，靈活但要每次重生
• 適合用喺：角色配音測試、A/B 對照、探索階段嘅聲線篩選，唔適合做固定 IP 聲線

咩係 voice design 聲線設計？

Voice design 係 TTS 服務入面一種「由零砌」嘅聲線生成模式。比起從現有聲線圖庫揀 preset，或者用一段參考音頻做聲音複製，design 模式畀你用幾個維度（例如性別、年齡層）去描述你想要嘅聲線，系統就會即時生成一個新聲線嚟讀你嘅文字。

喺港嘢 API 入面，design 係三種生成模式之一——其餘兩個係 voice（揀圖庫聲線 by slug）同 clone（用參考音頻）。Design 嘅定位就好似一間「聲線廚房」：你講得出你想要咩類型（男聲／女聲、青年／中年／長者），廚房就幫你整一道菜出嚟。

呢個模式特別啱用喺以下情境：

• 想試新方向，但手上冇現成參考音頻
• 項目需要多個唔同聲線角色，但建立參考樣本成本太高
• 想喺預錄參考音頻之前，先用 design 快速 A/B 幾個方向

不過有一點要記住：design 出嚟嘅聲線係 per-request，每次請求都係獨立設計，唔會自動變成一個可以重複用嘅資產（來源：港嘢 quickstart L187）。換句話講，設計完今次，下次請求用同樣參數出嚟嘅聲線可能會有差異——係「設計」唔係「儲存」。

想由零開始了解廣東話 TTS 嘅全貌，可以睇 廣東話 TTS 完全指南。

voice design 點運作？gender 加 age 兩個維度

港嘢 API 嘅 design 模式用兩條主軸去描述聲線：

兩個維度組合，就砌出一個新聲線。例如「女聲 + 青年」同「女聲 + 中年」會係兩個明顯唔同方向嘅聲線。男聲加唔同年齡層之間，語氣同共鳴特徵都會有相應變化。

呼叫方式同其他模式一樣：

• Async 模式：POST 提交一個 job，攞 job_id 再 poll 結果
• Sync 捷徑：≤300 字符就直接回 audio bytes。Design 模式支援 sync，唔似 clone 會回 400 clone_not_supported_sync

如果你係免費或者入門 tier 想試 design，可以開把 sk_test_個sandbox key 試接（每日 20 個生成 call，計數係 per-account 跨所有 keys 共享）。升級 Pro 之後，現有 sandbox key 會自動變 full，唔使再另外申請（mode 由 plan 即時推導，無 schema 改動）。

如果係 API 第一次接觸，想跟住 step-by-step 跑一次，建議睇 粵語 TTS API 快速上手。

design vs voice（圖庫）vs clone：三種模式點揀？

三種模式定位唔同，表對一對就清楚：

揀邊個主要睇兩樣嘢：

1. 你有冇現成聲線素材？ 有 → 用 voice 圖庫；冇 → 考慮 design 或者 clone（clone 要參考音頻）
2. 你想要穩定可重現，定係每次新探索？ 想要穩定 → voice；想探索 → design；想模仿特定人聲 → clone

Design 嘅 sweet spot 係「我想有幾個唔同方向嘅聲線，但唔想為每個都錄參考音頻」——例如你做一個有 5 個角色嘅 podcast 旁白，只係想先試吓 5 種組合嘅效果，design 就好啱。等篩選完想固定落嚟，再決定要 voice 圖庫定要 clone。

voice design 嘅實際使用情境

配音腳本嘅角色配對測試

做多角色配音（例如動畫、有聲書、遊戲）嘅時候，design 可以幫你喺冇演員 voice bank 嘅情況下，預先生成幾個候選聲線。揀到方向之後，再決定要唔要正式建立參考樣本做 clone。

廣告片 A/B 測試

同一段文案，用 design 出男聲女聲、青年中年嘅幾個版本，放去市場測試反應。呢個流程唔需要事先準備一打參考音頻，慳好多前置時間，亦方便用同一份文案做對照組。

探索階段嘅聲線發想

有時你連「想要咩聲線」都未諗清楚。design 模式畀你用兩三個維度快速試，唔使一開波就 commit 一個 preset 落去成個項目。當係 brainstorming 工具咁用。

多語料項目嘅 fallback

如果你有啲文案冇預錄參考聲線，但需要快速出貨，design 模式可以做一個 fallback 選項，確保成個項目唔會因為某段冇聲線而卡住。

voice design 嘅限制同注意

雖然 design 模式靈活，但佢嘅特性都帶嚟一啲必然嘅限制：

Per-request，唔會儲存。每次 design 請求出嚟嘅聲線都係獨立生成，唔會入圖庫，亦唔會自動變成可重用 slug。下次請求就算用一模一樣嘅 gender／age 組合，聲線都可能會有差異。所以如果你需要「同一個聲線重複出現」（例如角色 IP、系列內容），design 唔係最啱嘅工具——嗰種情境要靠 voice 圖庫或者 clone。

需要每次重生。因為唔會儲存，如果你想出一段 10 集 podcast 用同一個角色聲線，design 模式未必係首選——10 集每集嘅聲線可能會輕微飄移。Pre-recorded voice 或者 clone 喺呢類情境更穩定。

冇細粒度控制。Design 模式只係用 gender 同 age 兩個維度描述方向。如果你要控制聲線嘅「氣息量」、「語速傾向」、「共鳴位置」呢啲更細嘅參數，design 模式而家畀唔到（呢類細粒度調整通常要靠 style、emotion 或者 instruction）。

Quota 同 in-flight 限制照樣適用。同其他模式一樣，design 請求會計入你嘅字符配額同在途任務上限（免費 3、入門 5、專業 10、工作室 20）。記得睇返你 plan 嘅 limit，先唔會撞 429 in_flight_limit_reached。同時 text 欄位上限 500 字符（超過會回 400 text_too_long 拒收，唔會自動截斷）。

點樣用 voice design 同 emotion 配搭？

Design 模式搭 emotion 指示一齊用，可以喺一個新聲線上面再加情緒層。流程上係先生成一個新設計嘅聲線，再按文案內容加情緒方向（例如沉穩、興奮、溫柔）。

具體情緒控制嘅參數同用法，可以參考 TTS 情緒控制指南。簡單講，design 決定「邊個講」，emotion 決定「點樣講」。

呢個組合特別啱用喺「先設計聲線方向、再加情緒層」嘅雙軸玩法。例如你做一個有 5 個角色嘅有聲書，先用 design 定 5 個唔同聲線，再喺每個聲線上面用 emotion 控制唔同場口嘅情緒。

voice design 嘅 API 整合流程

要將 design 模式接落你嘅系統，流程同其他模式差唔多：

1. 攞 API key — 喺後台開一把 key（預設 scope 係 tts:generate，已經包晒 voice／design 嘅生成權限）
2. 砌請求 — 提交時指明用 design 模式，傳入 gender 同 age
3. 遞交 — Async 會回 202 + job_id；Sync（≤300 字符）直接回 audio bytes
4. 收 result — Poll GET /v1/audio/jobs/{id} 攞 audio_url（pre-signed URL，1 小時內下載；過期要再 poll 攞新 URL）
5. 下載／用 — audio 唔使再帶 auth header，URL 本身就係 credentials

如果想快啲上手，睇 粵語 TTS API 快速上手 會有更完整嘅 step-by-step 教學，由開 key 到收第一段 audio 都會行勻。

voice design vs 聲音複製：揀邊個好？

兩個模式都可以「做新聲線」，但定位完全唔同：

揀邊個主要睇以下幾點：

• 你有冇特定人聲想模仿？ 有 → clone；冇 → design
• 你係咪探索階段？ 係 → design；已經定咗聲線方向 → 可以考慮 clone 做正式版本
• 你嘅項目需要跨集數穩定？ 要 → clone 比較穩；唔需要 → design 都得

聲音複製嘅完整玩法同注意事項，可以睇 聲線複製 API 指南。

用 voice design 嘅最佳實踐

先用 design 探索，再決定要唔要 clone

如果你嘅項目需要一個「固定聲線 IP」（例如品牌聲、角色聲），建議先用 design 模式試幾個方向，揀到鍾意嘅組合之後，再錄一段正式參考音頻做 clone。咁樣可以避免一開波就 commit 一個未必啱用嘅參考樣本。

記得 design 係 per-request

唔好假設今次 design 嘅結果下次可以重現。每次請求都係獨立設計，聲線會有自然變化。如果項目要跨多次請求保持同一個聲線，用 voice 圖庫或者 clone。

控制單次請求字數

Sync 捷徑上限 300 字符。Async 任務嘅單個 text 欄位上限 500 字符（超過會回 400 text_too_long 拒收，唔會自動截斷）。長文要切段處理，亦可以考慮用批量 items 一次過交多段（專業／工作室 plan 先支援批量，免費／入門帶 items 會被視為零提交、零扣費）。

留意 rate limit 同 in-flight 上限

預設每分鐘 60 個 billable 請求（成功先計）。超過會回 429 rate_limit_exceeded，body 會有 Retry-After 秒數。In-flight（pending）任務上限按 plan 分級——免費 3、入門 5、專業 10、工作室 20。超 in-flight 上限會回 429 in_flight_limit_reached，body 有 limit 同 active 兩個數。

用 sandbox key 試接

未升級之前，用 sk_test_ sandbox key 試接，每日 20 個生成 call 夠做 POC。Sandbox 同正式 API 嘅請求／回應格式一樣，只係 call 數受限。升 Pro 之後同一把 key 自動變 full，唔使再另外申請。

善用 emotion 同 instruction 加層

Design 模式定咗「邊個講」之後，可以再用 emotion 或者 instruction 喺同一次請求加情緒同語氣方向，兩個維度疊加會出到更立體嘅效果。記得 voice/design/clone 三種模式都可以搭 emotion 同一齊用，唔係 design 限定。

喺真實項目入面點用 voice design？

要更具體了解 voice design 點融入實際工作流，可以參考以下幾篇：

• 廣東話 TTS 完全指南 — 全面理解粵語 TTS 嘅各個面向
• 粵語 TTS API 快速上手 — 由零開始接 API
• 聲線複製 API 指南 — design 同 clone 嘅互補關係
• TTS 情緒控制指南 — 喺設計嘅聲線上加情緒層
• 廣東話 TTS 平台比較 2026 — 同其他平台嘅定位差異

常見問題 FAQ

Voice design 聲線設計係咩嚟？

Voice design 係 TTS 嘅一種生成模式，畀用戶用幾個維度（例如性別、年齡層）即時描述想要嘅聲線方向，系統就生成一個新聲線嚟讀字。喺港嘢 API 入面，design 同 voice（圖庫）、clone（參考音頻）並列為三種生成模式。

Design 出嚟嘅聲線可以重複用嗎？

唔可以。Design 模式出嘅聲線屬於 per-request，唔會入圖庫，亦唔會變成可重用 slug（來源：港嘢 quickstart L187）。下次請求就算用同樣嘅 gender／age 參數，聲線都可能會有差異。想要穩定可重現嘅聲線，要用 voice 圖庫或者 clone 模式。

Design 模式支援 sync 嗎？

支援。Design 模式喺 sync 捷徑（≤300 字符）同 async 任務都支援。同 clone 唔同，clone 喺 sync 會回 400 clone_not_supported_sync，design 唔會撞呢個錯。要留意 sync 嘅 POST /v1/audio/speech 而家係恆回 503 pool_cold，所以實際整合通常用 async 軌。

點樣揀 design 定 clone？

睇你嘅情境：想探索新方向但冇參考音頻 → 用 design；已經有指定人聲想模仿 → 用 clone。兩者可以互補——先用 design 試方向，揀到鍾意嘅再錄正式參考音頻做 clone。詳細比較可以睇 聲線複製 API 指南。

免費 plan 可以用 design 嗎？

可以。免費 plan 可以用 design 模式，但每次請求會用你開戶每月嘅 5,000 字符 credit，每月重置。亦可以開 sk_test_ sandbox key 試接（每日 20 個生成 call，per-account 跨所有 keys 共享），升級 Pro 之後 sandbox key 會自動變 full。具體 plan 配額同價錢，請睇 港嘢定價。

Design 模式出嚟嘅聲線可以加 emotion 嗎？

可以。Design 模式同 emotion 指示可以喺同一次請求一齊用，design 決定「邊個講」，emotion 決定「點樣講」。具體情緒控制嘅參數同用法，可以睇 TTS 情緒控制指南。兩個維度疊加會出到更立體嘅效果。

[!CTA]

親身試 voice design 聲線設計

即刻去 Playground 揀 design 模式，砌下 gender 加 age 嘅唔同組合，聽下有咩分別