BreezeBlue 网页版在线使用教程

BreezeBlue（breezeblue.ai）的旗舰语音合成模型 Breeze TTS 2，在 Artificial Analysis 发布的 Provider Voice Arena 盲测榜单上以 Elo 1215 位居开放权重模型第一，并且超过了 Google Gemini 3.1 Flash TTS、ElevenLabs Eleven v3 等一众闭源模型。对大多数内容创作者来说，没必要先把模型下载到自己电脑上跑起来——BreezeBlue 官方提供了开箱即用的网页版工作台 Breeze Creator，打开浏览器就能完成选音色、写文稿、加指令、生成、试听和导出。本文就是一份面向网页版用户的完整上手教程。

和传统 TTS 工具"填一段文本、出一个音频"的简单逻辑不同，Breeze Creator 把克隆、设计、指令、音色库四件事放在同一个界面里：你可以先用 30 秒录音克隆出自己的声音，再用一句自然语言指挥它的语气，最后一键导出 MP3 或 WAV 交给剪辑软件使用。整个过程不需要写一行代码，也不需要租 GPU。

官方链接汇总

开始之前，先把常用入口整理成一张表，全部来自官方渠道，后续遇到问题可以直接回到对应页面查。

说明：如果你想把 Breeze TTS 2 部署到自己的服务器、跑流式接口或接进自己的工程，那是另一条路线，本文不再展开，可以参考本博客另一篇《Breeze TTS 2：开放权重实时语音合成模型 · 部署与使用最全指南》，里面从源码、依赖、Docker 到流式 API 都有完整记录。

网页版核心功能

Breeze Creator 的网页工作台围绕"选一个声音、说一段话、定一下怎么演"来设计，核心能力有六项。

音色克隆（Voice Clone）：上传一段参考录音，网页版就能提取并克隆出这个声音。官方示例使用的是一段约 30 秒的参考音频，克隆完成后会得到一个属于你自己的 voice id，之后可以在任意项目里反复调用。对博主、播客主来说，这意味着你可以把自己的声音克隆下来，之后哪怕只是把文稿敲进去，也能"用自己的嘴"批量生成配音，省去逐句录音的时间。

音色设计（Voice Design）：不想找录音素材也没关系，直接用文字描述你想要的声音——年龄、性别、口音、音色质感、情绪气质——系统会按提示词生成一个全新音色。官方展示的例子里，一句"中年、欧洲葡萄牙语、温暖、有共鸣感的记者"就能生成出对应的声音卡片。做角色配音、有声书时，这种方式比到处找样本录音更省事。

指令遵循（Voice Direction / Instruction）：这是 Breeze TTS 2 榜单拿高分的看家本领。你可以在生成时填一段自然语言指令，例如"保持温暖、不紧不慢的节奏，让这句话里的感悟沉淀完再轻轻叹气"，模型会照着这个语气、情绪和节奏去朗读，而不是机械地照字念。配合官方文档里提到的 guidance_scale（1.0 到 10.0）这类参数，指令的服从度还能进一步调强。

音色库（Voice Library）：官方预置了一批带人格设定的音色，比如 Reflective Narrator（沉思旁白）、Horror Storyteller（恐怖故事讲述者）、Customer Service（客服）、Podcast Host（播客主持）等，可以直接试听、一键选用。每个音色都像一个已经入戏的演员，不用自己再慢慢调教。

实时低延迟：官方给出的首字节时间（Time to first byte）不超过 25ms，也就是说点下生成后几乎立刻就能听到声音开头，流式播放不会干等，适合对话式、配音式的实时工作流。做直播互动、AI 语音助手、实时对口型场景时，这个延迟体感和"录完再放出来"是两种完全不同的体验。

50+ 语言与口音控制：网页版内置 50 多种语言，并且支持口音控制，中文、英文及常见语种都能直接切换，不需要为不同语言换模型或调整工作方式。做面向多语种受众的内容时，这一点尤其省心力。

网页版操作步骤

整个流程在浏览器里就能完成，不需要装任何本地软件。

第一步：注册 / 登录。 打开 官网首页，点击首屏或导航上的「Start for free」（免费开始）按钮，进入 Breeze Creator 的登录注册页，按页面提示完成账号注册或登录即可。具体可用的登录方式以页面实际展示为准。

第二步：进入 Breeze Creator 工作台。 登录后即进入 Breeze Creator，界面顶部是 Text to Speech、Voice Design、Voice Clone、Voice Library 几个功能标签，默认停留在文本转语音主面板。

第三步：选音色。 在 Voice Library 里浏览、搜索或试听预置音色，找到合适的就点中它；页面上会显示音色名称（如 Aurora）。也可以先用 Voice Clone 克隆自己的声音，或用 Voice Design 描述一个新音色。

第四步：输入文稿。 把要朗读的文本粘贴进正文框。需要注意的是，通过 HTTP 接口单次请求默认最多 1000 个字符（官方文档说明，账户在申请提升后最高可到 2000 字符），长文本建议分段生成或使用异步任务。文本里还可以直接插入音频动作标签，例如 (sighs)，模型会在对应位置吐出叹气之类的非语言声音。

第五步：写指令（可选）。 展开 Instruction 栏，用一句话描述你希望的语气、情绪、节奏。拿不准怎么写时，旁边有 Enhance（润色）按钮可以帮你把指令改得更顺口。

第六步：生成、试听与导出。 点击 Generate / Generate & Play，声音会边生成边播放；满意后即可在线试听回放并下载，官方文档列出的输出格式包括 MP3、WAV、FLAC、PCM、AAC、Opus 等，网页版可导出的具体格式以工作台实际提供的下载选项为准，完整说明见官方 Output formats 文档。生成历史会保存在账户里，之后随时可以回来重新试听或下载，不用重复生成。

写指令的小技巧

Instruction 栏不是必填项，但它往往是"机器念稿"和"真人配音"之间的分水岭。实操中有几个经验可以参考：指令用和文稿相同的语言写；一次只聚焦一种情绪或节奏，比如"放轻松、像跟朋友聊天一样"比"要丰富、要专业、要有感情"更有效；可以在文稿里直接插 (sighs)、(laughs) 这类动作标签，模型会在对应位置自然地带出叹气、轻笑等非语言声音；拿不准怎么措辞时，点旁边的 Enhance 按钮让官方帮你把指令润色得更可执行。

音色库的七大使用场景

官方把 Voice Library 按内容场景分成了七类，选音色时可以先对号入座。

• 对话（Conversational）：像两个人面对面聊天那样自然松弛的声音，适合对话脚本、客服对白、口语化短视频口播。
• 旁白（Narration）：沉稳有叙事感的声音，适合纪录片、有声书、读书博主、知识科普视频的画外音。
• 角色（Characters）：带鲜明人物性格的声音，适合广播剧、剧情向配音、AI 角色互动、游戏 NPC 台词。
• 社交（Social）：轻快、有感染力的声音，适合短视频口播、直播切片、社交媒体配音。
• 教育（Education）：清晰、有耐心的声音，适合课程讲解、知识点朗读、少儿内容与培训课件配音。
• 广告与促销（Ads & Promo）：有说服力、节奏紧凑的声音，适合产品广告、促销旁白、宣传片配音。
• 娱乐（Entertainment）：戏剧感强、表现力丰富的声音，适合综艺、游戏、娱乐向音频内容。

API 简介：网页版与开发者接口是同一套账户

Breeze Creator 网页版背后就是 Breeze API。官方明确说明：网页版和 API 共用同一个账户、同一个订阅方案、同一套额度（credit balance）和同一个已保存音色库；API Key、用量和请求日志都在 Developer Console 里管理。也就是说，你在网页版里克隆或设计好的音色，写代码时能直接复用，反之亦然。

官方首页 Voice Clone 区给出了 Python 示例，字段和参数原样引用如下：

import os
from pathlib import Path
from breeze_blue import BreezeBlue

client = BreezeBlue(api_key=os.environ["BREEZE_API_KEY"])

preview = client.voices.create_clone_preview(
    name="My signature voice",
    file=Path("reference.wav"),
    description="Cloned from a 30s reference recording",
)
print(preview["generated_voice_id"])

官方文档里对应的 TypeScript 调用方式是：

import { BreezeBlueClient } from "@breeze.blue/sdk";
import { save } from "@breeze.blue/sdk/node";

const client = new BreezeBlueClient({
  apiKey: process.env.BREEZE_API_KEY!,
});
const audio = await client.textToSpeech.convert(
  "voc_xeh3w54cqvnp",
  { text: "Hello from Breeze. Your SDK is ready." },
  { outputFormat: "mp3" },
);
await play(audio);
await save(audio, "hello.mp3");

如果不想装 SDK，官方文档也给出了等价的 cURL 请求：

curl -X POST "https://api.breeze.blue/v1/text-to-speech/voc_8rsb3nhb7645?output_format=mp3" \
  -H "xi-api-key: $BREEZE_API_KEY" \
  -H "content-type: application/json" \
  -d '{ "text": "I can'\''t believe you brought him here!" }' \
  --output surprise.mp3

环境变量 BREEZE_API_KEY 形如 brz_...，在 Developer Console 的 API keys 页面点「Create API key」生成，只在创建时完整显示一次，注意妥善保管。更多请求字段、流式、异步任务和实时 WebSocket 协议，建议直接查阅官方 SDK 快速上手 与 文本转语音指南，本文不逐一枚举参数。

常见问题

网页版和本地部署有什么区别？ 网页版 Breeze Creator 不用下载模型、不用配环境，浏览器打开即用，适合个人创作者和轻度配音场景；本地部署则是把开放权重模型跑在自己服务器上，适合有工程团队、需要深度定制或对数据出站有要求的用户，相关流程见本博客另一篇部署指南。

生成要等多久？ 官方数据是首字节时间不超过 25ms，流式播放几乎点完就响；整段音频的总时长取决于文稿长度和账户并发，长文本建议分段或走异步任务。官方文档里还提到，流式请求默认使用 PCM 格式以换取更低的首字节延迟，需要 MP3、WAV 这类成品文件时再显式指定输出格式。

支持哪些语言？ 官方称支持 50 多种语言，并带口音控制。中文、英文等常见语言可以直接使用；具体语言代码清单以官方文档的 supported language codes 为准。需要注意的是，实时对话模式下的音频固定为 24000 Hz 单声道 PCM，如果下游要接播放器或做后期，最好在 HTTP 接口里直接请求 MP3 或 WAV。

音色克隆对素材有什么要求？ 官方示例使用一段约 30 秒的参考录音。建议录音干净、单一说话人、情绪和你想要的音色接近，克隆相似度会更高；多人对话、背景噪音大或者情绪极端的录音，克隆出来往往不像本人。

网页版和 API 的额度、音色是分开的吗？ 不是。官方说明网页版和 API 共用同一账户、订阅方案、额度和已保存音色库，Developer Console 里统一管理 Key、用量和请求日志。这意味着你在网页版里克隆好的声音，写脚本时可以直接用同一个 voice id 调出来；反过来，通过 API 生成过的历史记录，在网页版的历史列表里也能看到，不必两头重复。

单次输入有字数限制吗？ 官方文档写明 HTTP 文本转语音请求默认最多 1000 个字符，经审批提升后最高可到 2000 字符；超出的长文本会被拒绝而不是截断，需要分段或使用异步任务。对中文长文，官方文档还提到针对 zh 语言的非流式请求会在内部自动按标点切成不超过五段、每段不超过 500 字的小段，段间补 0.25 秒静音，最终合并成一个音频交付。

生成的声音可以商用吗？ 具体商用权限、订阅档位和音色版权归属，以官方页面的 Pricing 与许可证条款为准；克隆他人声音时，请确保你取得了录音本人的授权，避免侵权风险。

遇到问题去哪查？ 先翻官方 文档中心，常见接口和错误都有说明；再可以加入官方 Discord 社区，或关注 X 官方账号 看更新动态。

小结

对普通用户来说，BreezeBlue 网页版 Breeze Creator 把"选音色—写文稿—加指令—生成导出"整条链路压缩到了一个浏览器页面里，25ms 级的首字节延迟和 50+ 语言覆盖，让它既适合播客、有声书、视频配音这类长内容，也适合对话式、实时互动这类场景。需要自己搭工程、控数据的用户，再去走本地部署那条路线即可。