1. 概览

您如需在 CTICloud 中使用已有 TTS 服务，或提供声音制作定制音色，可以通过 BYO-TTS（Bring Your Own TTS）方式接入。接入完成后，TTS 能力可用于语音机器人、自动外呼、智能客服、回访通知、营销触达等对话式 AI 场景。

BYO-TTS 遵循 BYO-AI 的开放架构：CTICloud 聚焦统一 Runtime、会话管理、语音链路、音色配置、业务流程衔接、日志监控与应用范围治理；企业或 TTS 服务提供方负责语音合成能力本身，包括合成效果、音色质量、服务稳定性和定制音色授权。

核心价值：将企业已有 TTS 服务或复刻生成的定制音色纳入 CTICloud 统一 Runtime，保留业务场景中的声音资产。
重点能力：支持已有 TTS 服务接入，并支持围绕业务场景进行音色复刻、试听验证和上线使用。
治理方式：平台统一管理音色应用范围，企业定制音色仅限授权企业使用，不作为全平台通用音色开放。

2. 接入路径说明

BYO-TTS 常见需求可以分为两类：一类是企业已经有可调用的 TTS 服务，希望接入 CTICloud 使用；另一类是企业没有可直接使用的定制声音，希望提供真人声音，由平台协助完成音色复刻。

需求类型	对应路径	重点关注
已经有企业自研 TTS、云厂商 TTS 或第三方 TTS 服务	接入已有 TTS 服务	服务连通性、支持的声音或发音人、业务场景绑定、播放效果、稳定性和应用范围
没有可直接使用的定制声音，但有希望复刻的真人声音或品牌声音	提供声音进行 TTS 复刻	录音材料、声音授权、音色风格、试听效果、上线范围和后续使用

您可根据实际需求选择对应路径。已有 TTS 服务接入可重点关注“接入已有 TTS 服务”相关内容；定制音色制作可重点关注“音色复刻说明”。

2.1 BYO-TTS 典型能力

TTS 相关能力可覆盖不同语音合成场景。不同能力解决的问题不同，企业可按业务目标选择。

能力	功能说明	典型场景
品牌音色	企业在多个业务场景中统一使用的声音形象。	客服、外呼、通知等场景保持一致的声音识别度。
Voice Clone	基于企业提供的录音材料复刻指定声音，生成可用于业务场景的定制音色。	企业希望复用高转化座席声音、打造专属客服声音或验证特定场景音色效果。
Streaming TTS	在 TTS 服务支持的前提下，边生成边播放，降低实时对话中的等待感。	实时语音机器人、多轮对话、对响应速度要求较高的语音交互。
多语言 TTS	接入支持多语言的语音合成能力，用于不同语言或地域的语音触达。	海外业务、多语言客服、跨区域通知或营销触达。

Streaming TTS、多语言 TTS 的具体效果取决于企业已有 TTS 服务或指定服务的能力。本文后续重点展开音色复刻，因为这部分需要企业准备录音材料并参与试听验证。

3. 全流程概述

3.1 接入已有 TTS 服务完整流程

┌───────────────────────────────────────────────┐
│          接入已有 TTS 服务全流程                │
└───────────────────────────────────────────────┘

🚀 步骤 1：TTS 服务确认
├── 确认企业已有 TTS 服务是否可用于 CTICloud 场景。
└── 明确服务支持的声音或发音人、语言、播放效果、稳定性和使用范围。

⚙️ 步骤 2：平台侧配置
├── 在 CTICloud 中配置该 TTS 服务可使用的声音或发音人，并绑定企业、业务场景或机器人流程。
└── 如涉及企业专用声音，需要确认授权范围和应用范围。

🔍 步骤 3：联调验证
├── 使用真实业务文本验证合成效果和电话链路播放效果。
└── 如使用企业已有 TTS 服务，需同步确认连通性、稳定性和异常处理。

✅ 步骤 4：业务启用
├── 验证通过后，在语音机器人、自动外呼、智能客服等场景中启用。
└── 后续如新增或更换业务使用的声音或发音人，需同步更新平台侧配置。

3.2 提供声音进行音色复刻完整流程

┌───────────────────────────────────────────────┐
│          提供声音进行 TTS 复刻全流程            │
└───────────────────────────────────────────────┘

🚀 步骤 1：复刻需求确认
├── 明确复刻音色的业务场景、声音风格、上线范围和授权要求。
└── 优先选择真实业务中表现较好的真人声音。

🎙️ 步骤 2：录音材料准备
├── 按要求准备多段录音音频，并保证录音质量。
└── 确认说话方式、语速语调和业务场景适配度。

🔍 步骤 3：复刻与试听验证
├── 基于录音材料生成复刻音色，并使用真实业务文本试听。
└── 根据试听结果确认是否需要重录、补充材料或调整音色方案。

✅ 步骤 4：上线使用
├── 验证通过后，在 CTICloud 中配置复刻音色并限定应用范围。
└── 企业定制音色仅限授权企业和授权业务场景使用。

4. BYO-TTS 接入说明

BYO-TTS 采用“平台 Runtime + TTS 能力”的解耦架构。CTICloud 不要求企业替换已有语音合成能力，而是将企业已有 TTS 服务、第三方 TTS 服务，或通过复刻生成的定制音色纳入统一语音链路。

接入完成后，典型运行流程如下：

业务流程生成需要播报的文本内容。
CTICloud 根据企业、业务场景或配置策略选择对应 TTS 音色。
TTS 能力将文本合成为语音。
合成语音进入语音机器人、自动外呼或智能客服等业务链路。
平台记录音色配置、使用范围、业务场景和异常信息，便于后续排查和治理。

4.1 接入已有 TTS 服务

如果企业已经有可调用的 TTS 服务，例如企业自研 TTS、云厂商 TTS 或第三方 TTS，BYO-TTS 的重点是将该服务接入 CTICloud 统一语音链路。

该路径建议重点确认：

该 TTS 服务是否可被 CTICloud 业务链路调用。
该 TTS 服务支持的声音或发音人、语言、声音风格和使用范围是否清晰。
合成语音在电话链路中的播放效果是否稳定自然。
如企业已有 TTS 服务需要平台调用，需确认服务访问方式、稳定性和异常处理规则。
如某个声音或发音人仅供企业专用，需要确认授权企业、授权业务场景和上线范围。

4.2 提供声音进行 TTS 复刻

如果企业没有可直接使用的定制声音，但希望将某个真人声音或品牌声音用于语音机器人、自动外呼等场景，可以选择提供录音材料进行音色复刻。

该路径建议重点确认：

复刻音色将用于哪个业务场景。
录音人声音是否已获得合法授权。
录音材料是否满足数量、时长、格式和录音质量要求。
复刻后的音色是否需要先用于 POC 试听验证。
正式上线时，音色是否仅限授权企业和授权业务场景使用。

4.3 适用对象

BYO-TTS 适用于以下 TTS 服务接入和音色复刻场景：

企业已有 TTS 服务。
希望形成统一品牌声音的语音场景。
定制音色或音色复刻。
云厂商 TTS。
第三方 TTS。
多语言或特定业务场景语音合成能力。

4.4 平台侧能力

CTICloud 在 BYO-TTS 接入中提供统一 Runtime 和治理能力，主要包括：

支持将已有 TTS 服务接入对话式 AI 语音链路。
支持按企业、业务场景或语音机器人配置不同声音或发音人。
支持定制音色上线后的应用范围管理。
支持企业定制音色与全平台通用音色区分管理。
支持基于业务文本进行音色试听和效果验证。
支持后续新增或更换 TTS 音色。

5. 音色复刻说明

音色复刻用于将指定真人声音或品牌声音制作成可在业务场景中使用的 TTS 音色。该能力适合企业希望保留品牌声音、复用高转化座席音色，或在外呼、回访、营销等场景中提升声音一致性的情况。

5.1 复刻原则

音色复刻前，建议先明确该音色将用于哪个业务场景，并以业务效果为核心判断声音是否合适。

POC 阶段可先进行复刻体验，用于验证音色效果和业务适配度。
如正式上线使用定制音色，需根据实际商务约定确认费用和使用范围。
建议优先选择真实业务中表现较好的真人座席音色，例如转化率较高、沟通自然、与业务场景匹配的声音。
不建议使用新闻播报、影视剧配音或过度朗读式声音作为复刻样本。
音色风格需要贴合业务场景。例如催收场景通常需要更强势、严肃的声音；如果使用过于温柔甜美的音色，可能不符合业务沟通目标。

5.2 录音材料要求

为保证复刻效果，企业需提供符合要求的录音材料。

材料项	要求
音频数量	建议提供 5 段音频。单段音频也可用于复刻，但多段音频更便于筛选和保证效果。
单段时长	每段音频建议控制在 10-15 秒左右。
音频格式	支持 `wav`、`mp3`、`m4a` 等常见格式。
录音环境	尽量避免噪声、回响、喷麦、电流音等干扰。
说话方式	使用自然日常的电话沟通方式，不建议使用朗读腔或播音腔。
断句要求	遇到标点符号需要自然断句，可按个人习惯加入过渡词或语气词。
语速语调	语速正常或略快，避免奇怪语调、破音、卡壳、拖音等问题。
场景适配	录音声音应贴合实际业务场景，而不是只追求“好听”。

收到录音后，平台侧会对声音质量、发音清晰度和实际沟通效果进行审核。如录音质量影响复刻效果，可能需要重新录制或补充材料。

5.3 音色选择建议

不同业务场景对声音风格的要求不同。选择复刻对象时，建议从实际业务目标出发，而不是只选择听感上更突出的声音。

回访、通知类场景：建议选择情绪波动适中、稳定自然、长时间听感舒适的音色。
营销、转化类场景：建议选择拟人度较高、情绪表达更自然、能承载业务话术感染力的音色。
催收、提醒类场景：建议选择更清晰、坚定、严肃的音色，避免过于柔和导致沟通力度不足。
客服、咨询类场景：建议选择亲和、清晰、不易疲劳的音色，保证用户长时间交互体验。

5.4 试听验证

复刻音色生成后，建议使用真实业务文本进行试听验证，而不是只使用通用测试语句。

试听时重点确认：

音色是否接近原始录音中的说话人特征。
语气、节奏和情绪是否符合业务场景。
业务关键词、专有名词和常用话术是否自然。
是否存在明显机械感、拖音、破音、停顿异常或发音不清。
电话链路中播放后的听感是否仍然清晰自然。

若试听结果不符合预期，可根据问题类型重新选择录音片段、补充录音材料或调整音色方案。

5.5 上线与应用范围

定制音色上线前，需要完成效果验证和应用范围确认。

企业定制音色仅限授权企业使用，不会默认开放给其他企业。
上线前建议先在测试环境或测试任务中验证电话播放效果。
正式启用前，应确认音色名称、业务场景、使用企业和授权范围。
如后续需要调整音色、替换音色或扩展使用范围，需同步更新平台侧配置。

6. 业务场景说明

6.1 自动外呼：使用定制音色进行批量触达

在自动外呼场景中，TTS 音色会直接影响被叫用户对机器人身份、业务可信度和沟通氛围的感知。企业可根据营销、回访、提醒、催收等不同任务选择更匹配的音色。

该场景建议重点关注：

音色是否贴合业务目标和目标用户群体。
电话链路中播放是否清晰、稳定、自然。
业务话术中的关键词是否发音准确。
批量呼叫前是否已完成测试任务验证。

6.2 语音机器人：保持多轮对话中的声音一致性

在语音机器人场景中，TTS 负责将机器人回复文本合成为语音。使用统一音色可以让多轮对话的声音表现更加稳定，也便于企业保持品牌声音一致性。

该场景建议重点关注：

音色是否适合长时间、多轮次交互。
语速和语气是否符合自然电话沟通习惯。
不同流程节点中的播报是否保持一致听感。
音色切换或更新后，是否重新完成关键流程试听。

6.3 智能客服与回访通知：提升品牌声音识别度

在智能客服、回访通知等场景中，企业可使用统一品牌声音或复刻音色形成更一致的用户触达体验。

该场景建议重点关注：

音色是否符合企业品牌形象。
通知类文本是否清晰、简洁、易理解。
不同业务线是否需要区分不同音色。
定制音色的使用范围是否符合授权要求。

7. 联调验证与注意事项

7.1 联调验证

TTS 或音色配置完成后，CTICloud 会基于业务场景进行试听和链路验证。联调时重点确认：

音色是否已配置到正确企业和业务场景。
合成语音在电话链路中的播放效果是否清晰自然。
业务文本、关键词和专有名词是否能稳定播报。
音色应用范围是否符合授权要求。
如使用企业已有 TTS 服务，需同步确认服务连通性、稳定性和异常处理规则。

7.2 接入前检查

提交接入或复刻前，请确认：

已明确 TTS 使用场景、声音风格和上线范围。
如需音色复刻，录音材料已满足数量、时长、格式和录音质量要求。
录音人声音已获得相应授权，可用于企业业务场景。
业务测试文本已准备完成，便于复刻后试听验证。
如接入企业已有 TTS 服务，已确认服务访问方式和平台侧配置需求。

7.3 注意事项

企业需确保录音材料和定制音色具备合法授权。
定制音色不应开放给未授权企业或不相关业务场景使用。
音色效果与录音质量、说话方式、业务文本和合成方案有关。
录音质量不佳时，平台侧可能建议重新录制或补充材料。
音色上线后，如需修改名称、使用范围或业务配置，需同步更新平台侧配置。

8. 企业价值

BYO-TTS 的核心不是要求企业替换现有语音合成能力，而是将企业已有 TTS 服务或复刻生成的定制音色纳入 CTICloud 统一 Runtime。通过 Runtime 与 TTS 服务解耦，企业可以在保持业务流程稳定的前提下，自由选择、复用和扩展语音合成能力。

主要价值包括：

保留企业已有 TTS 服务和品牌声音资产。
支持通过音色复刻快速验证定制音色效果。
支持根据业务场景选择更匹配的声音风格。
避免绑定单一 TTS 供应商或单一通用音色。
通过应用范围治理，保障企业定制音色只在授权范围内使用。