Inworld AI

Inworld AI

访问网站

Inworld AI 为开发消费级应用的团队提供实时语音模型（文字转语音、语音转文字、语音到语音）以及托管的开放 LLM 推理服务，适合 AI 陪伴、教育、客服语音代理与游戏等场景。

关注
标签
AI APItext-to-speech语音转文字大型语言模型AI语音识别
最后更新 2026 年 10 月 21 日
Inworld AI 截图

简介

Inworld AI 是一个面向消费级应用的实时语音模型与托管开放大语言模型平台。它要解决的问题是：为 AI 陪伴、家教辅导、健康教练、客服与销售语音代理、互动游戏和媒体等应用加入自然、低延迟的语音与语言能力，同时团队不必自己搭建和运维模型基础设施。

公司提供的语音模型包括 Realtime TTS-2 与 TTS-2 Flash（文字转语音）、Realtime STT-1（语音转文字），以及用于完整语音对话的语音到语音产品；此外还有 Inference——一个 OpenAI 兼容的 API，在 Inworld 自营的集群上提供开放 LLM 服务。每个模型都有独立的 API，可以组合使用；另提供面向专属部署的 Compute 选项。据 Inworld 介绍，其首段音频最快可在 50 ms 内到达，每月服务的 token 量达数十万亿。

主要功能

Realtime TTS-2 文字转语音：支持约 500 种语言和方言，可接受 `[whisper]` 这类自然语言语音指令，并提供词级时间戳和视位（viseme）时间信息用于口型同步。
Realtime TTS-2 Flash：家族中最快的模型，语言覆盖与 TTS-2 相同，服务端首音频 P90 延迟低至 20 ms；不解析指令标签，但能播放 `[laugh]` 等非语言声音。
语音到语音：单一连接即可完成听、推理和说话，通过 WebSocket 或 WebRTC 传输，遵循 OpenAI Realtime 协议，支持轮次检测、打断和工具调用。
Realtime STT-1 语音转文字：可转写 30 种语言，每份转写结果附带语音画像，涵盖年龄、情绪、音高、嗓音风格和口音；说话人分离功能处于实验阶段。
Inworld Inference：通过 OpenAI 兼容 API 托管开放模型，包括 Gemma 4、GLM 5.3 Flash、MiMo 2.6 Pro、DeepSeek V4.1 Flash 以及 Clef 决策模型。
语音克隆与语音设计：约 3 秒音频即可即时克隆声音，也可根据文字描述设计出新的声音。
全球基础设施：语音服务覆盖四个区域（美国、欧洲、印度、亚太）共五个节点，LLM 服务位于美国，符合 SOC 2 Type II、HIPAA 和 GDPR 合规要求。

定价与费用

  • 定价：套餐按积分计费，起步为免费的 On-Demand 档（TTS-2 为 $25/100 万字符，TTS-2 Flash 为 $15/100 万字符，STT-1 为 $0.15/小时，LLM 推理低至 $0.07/100 万 tokens）。付费档位为 Creator $25/月、Builder $100/月、Developer $300/月、Growth $1,500/月，各档提供月度积分，TTS 和 STT 费率最高可享约 47% 折扣。企业级 TTS-2 Flash 价格可降至 $5/100 万字符。
  • 免费档：On-Demand 套餐价格为 $0，按量计费，包含最多 70 分钟 TTS、100 个自定义声音和 2 个专业级声音克隆。
  • 集成：Inworld 语音可在 LiveKit Agents 中直接使用，无需第二个 API key；公司还发布了一个可粘贴到 Claude Code、Cursor 等编程代理中的"skill"。
  • 可靠性与规模：Inworld 称其 Priority LLM 和语音模型 99.999% 的请求得到正常服务，在 30 天测量窗口内，失败请求少于十万分之一。

适用人群

Inworld AI 面向开发日常被用户“对话”的消费级应用的工程团队，包括 AI 陪伴与社交应用开发者、语言家教和教育产品、健康与健身教练应用、客服和销售场景的语音代理团队，以及需要实时对话和富有表现力的角色配音的游戏与叙事媒体工作室。OpenAI 兼容的推理 API 也适合希望由第三方托管开放 LLM、而不是自己管理 GPU 集群的团队。

常见问题

Inworld AI 是什么？它是一个提供实时语音模型（文字转语音、语音转文字、语音到语音）和 OpenAI 兼容开放 LLM 推理服务的平台，专为消费级应用打造。

Inworld AI 有免费套餐吗？有。On-Demand 套餐按量计费，价格为 $0，包含最多 70 分钟 TTS、100 个自定义声音和 2 个专业级声音克隆。

Inworld AI 支持哪些平台和集成？提供 REST、WebSocket 和 WebRTC API，只需修改 base URL 即可配合 OpenAI SDK 使用；可在 LiveKit Agents 中无需第二个 API key 直接集成，并为 Claude Code、Cursor 等编程代理提供了 skill。

Inworld AI 的文字转语音支持多少种语言？Realtime TTS-2 和 TTS-2 Flash 用单一语音模型即可说约 500 种语言和方言，Realtime STT-1 则可转写 30 种语言。

隐私与合规情况如何？Inworld 列明了 SOC 2 Type II、HIPAA 和 GDPR 合规，语音基础设施覆盖四个区域，LLM 服务位于美国；SOC 2 Type II 和 GDPR 覆盖适用于所有定价套餐。

用户评价 (0)

你会推荐 Inworld AI 吗？留下你的评价

0/5000

相关教程

查看全部 →
AI 早报 10月21日
AI 早报 10月21日 阅读更多 →
AI 早报 10月20日
AI 早报 10月20日 阅读更多 →
AI 早报 10月19日
AI 早报 10月19日 阅读更多 →
AI 早报 10月18日
AI 早报 10月18日 阅读更多 →
AI 早报 10月17日
AI 早报 10月17日 阅读更多 →

相关工具

查看全部 →
FunASR - End-to-End Speech Recognition Toolkit - 高效语音识别 FunASR - End-to-End Speech Recognition Toolkit - 高效语音识别 FunASR 是一款工业级端到端语音识别工具包，支持 50+ 语言，GPU 上可达 170 倍实时率，并提供说话人分离、情感检测与 OpenAI 兼容 API 等能力。 听脑AI - 录音助手 听脑AI - 录音助手 听脑AI是一款专业智能录音转文字工具，采用AI技术实现98%准确率的实时语音转写，支持多场景会议记录与智能总结，3分钟即可处理1小时会议内容。 IBM Watson text-to-speech IBM Watson text-to-speech 提供多语言语音转文本API，支持SaaS及本地化部署。 NaturalReader NaturalReader NaturalReader 是一款 AI 文字转语音平台，可将文档、网页和扫描文本转换为自然的语音，适合个人、商业和教育场景使用。 VoxCPM - 开源音频生成 VoxCPM - 开源音频生成 VoxCPM 是新一代富有创意与表现力（Creative & Expressive）的开源音频生成平台。它依托先进的大语言模型（LLM）音频对齐技术与先进的扩散解码架构，致力于提供电影级、广播级的语音合成体验。