Fish Audio: S1
يحوّل Fish Audio S1 النصوص متعددة اللغات إلى صوت تعبيري لمتحدث واحد باستخدام مراجع صوتية وإشارات عاطفية بين قوسين. استخدمه للسرد أو التعليمات المنطوقة القصيرة أو عبارات الشخصيات، مع إعدادات للصيغة والتنغيم في الصوت النهائي.
عن النموذج
يغطي هذا الوصف قدرات النموذج. وترد أدناه المدخلات والمخرجات والخيارات المتاحة في Ailoot للطريقة المحددة.
S1 هو نموذج Fish Audio من الجيل السابق لتحويل النص إلى كلام للسرد التعبيري وإخراج صوت متحدث واحد. يقرأ نصًا مقدّمًا ويعيد صوتًا، باستخدام صوت مختار أو مشروط بمرجع. يختلف نموذج S1 الكامل عن S1-mini الأصغر والمقطّر؛ وتقدمهما الجهة المنتجة بصيغتين من 4 مليارات و0.5 مليار معلمة على التوالي. يغطي هذا الوصف النموذج المسمّى S1.
للسرد، أعدّ الكلمات التي يجب نطقها فعلًا وحدّد مواضع تغير الإلقاء. يضع نص الشرح المفيد فكرته الأساسية أولًا، ويطور فكرة واحدة في كل مرة، ويستخدم الترقيم لفصل العبارات التي تحتاج إلى توقف طبيعي. ولتعليمة قصيرة، حافظ على وضوح الصياغة عند سماعها دون شاشة. حافظ على القراءة المقصودة للأسماء والاختصارات والوحدات، وتحقّق من الأرقام في المخرج المنطوق بدل افتراض أن سلسلة واضحة بصريًا لها نطق واحد فقط.
يستخدم S1 إشارات عاطفية وتوجيهات إلقاء بين قوسين، مثل (angry) أو (sad) أو (in a hurry) أو (chuckling). ضع الإشارة قبل الجملة أو العبارة التي ينبغي أن تؤثر فيها، مع الكلام الفعلي بعدها. يخص الإلقاء النص التالي، لذلك يجب وضع تغير المزاج عند الموضع الذي يحتاج فيه الأداء إلى التغير. وهذه صيغة مختلفة عن توجيهات S2 بين القوسين المربعين؛ حافظ على نص مكتوب للجيل المختار بدل افتراض قابلية استبدال شكلي الترميز.
يمكن اختيار الصوت بمعرّف صوت محفوظ أو اشتراطه بتسجيل مرجعي ونصه. ولمسار مرجعي فوري، يوصي دليل الكلام العام بعينة نظيفة مدتها 10–30 ثانية. اختر عينة يلائم أسلوب كلامها وجودة تسجيلها النتيجة المقصودة، واجعل نصها مطابقًا للكلمات الواردة فيها. ولراوٍ متكرر، أعد استخدام المرجع الصوتي نفسه عبر المقاطع كي لا يتحول تغير الموضوع دون قصد إلى تغير في الشخصية.
يسمي إصدار S1 الإنجليزية والصينية واليابانية والألمانية والفرنسية والإسبانية والكورية والعربية والروسية والهولندية والإيطالية والبولندية والبرتغالية ضمن اللغات المدعومة، ويصف مزج اللغات داخل نص واحد. قدّم الصياغة باللغة المستهدفة بدل التعامل مع توليد الكلام بوصفه خطوة ترجمة. وفي مقطع يحوي اسمًا مستعارًا من لغة أخرى أو تبديلًا لغويًا، اجعل التهجئة وسياق الجملة المحيط واضحين وراجع تعامل الصوت المختار مع ذلك الانتقال.
تدعم واجهة S1 لدى الجهة المنتجة متحدثًا واحدًا لكل طلب توليد. ويمكن إعداد الحوار بأجزاء منفصلة لكل منها مرجعه الصوتي، ثم يجمعها التطبيق؛ أما التوليد الأصلي متعدد المتحدثين في عائلة S2 فهو قدرة منفصلة. احتفظ بارتباط الدور والصوت والنص بكل جزء عند إعداد عبارات الشخصيات. نتيجة التوليد أداء صوتي للنص، بينما توقيت التبادل أو دمجه مع الموسيقى والفيديو خطوة تحرير لاحقة.
تشمل خيارات الإخراج MP3 وWAV وPCM الخام وOpus، مع MP3 افتراضيًا. المخرج الموثّق أحادي القناة؛ ويستخدم WAV وPCM عينات بعمق 16-bit، وتختلف خيارات معدل العينات بحسب الصيغة. يدعم MP3 معدلات 64 و128 و192 kbps، بينما يستخدم Opus معدل 48 kHz. ويمكن ضبط السرعة من 0.5 إلى 2.0 مع إعدادات مستوى الصوت. اختر ملفًا مُرمّزًا لمادة تعليق صوتي أو تدفقًا مناسبًا للتشغيل، واحتفظ بالصوت المختار والنص مع النتيجة.
تعالج الجهة المنتجة النص الطويل في أجزاء، مع نطاق طول أجزاء موثّق من 100–300 وميزانية رموز صوتية لكل جزء، لا مدة تسجيل إجمالية مضمونة. ويمكن لتطبيع النص توسيع الأرقام الإنجليزية والصينية إلى قراءة طبيعية، ولعقوبة التكرار في S1 تقليل الأنماط الصوتية المتكررة. وتطبيع جهارة المخرج إعداد مختلف لا تأثير له في S1. افحص النطق وحدود العبارات والأصوات المتكررة والتحول العاطفي المقصود قبل تجميع المقطع النهائي، ثم عدّل العبارة أو المرجع المحدد الذي يحتاج إلى عناية.
Ailoot Ultra · توليد الكلام POST /v1/audio/speech fish-audio/s1
fish-audio/s1البداية
يحوّل Fish Audio S1 النصوص متعددة اللغات إلى صوت تعبيري لمتحدث واحد باستخدام مراجع صوتية وإشارات عاطفية بين قوسين. استخدمه للسرد أو التعليمات المنطوقة القصيرة أو عبارات الشخصيات، مع إعدادات للصيغة والتنغيم في الصوت النهائي.
- المدخلات المقبولة
- النص
- النتائج
- الصوت
متاح في Ailoot · المدخلات والطرائق
Ailoot Ultra · توليد الكلام POST /v1/audio/speech
- الإدخال
text- الإخراج
audio- صيغة الإخراج
- الصوت الثنائي الفعلي المُعلَن
| الحقل | النوع | المتطلب | القيم والحدود | القيمة الافتراضية |
|---|---|---|---|---|
الحقلmodel | النوعstring | المتطلبمطلوب | القيم والحدود fish-audio/s1 | القيمة الافتراضية— |
الحقلinput | النوعstring | المتطلبمطلوب | القيم والحدود الحد الأدنى للطول: 1 | القيمة الافتراضية— |
الحقلvoice | النوعstring | المتطلبمطلوب | القيم والحدود أمثلة: b347db033a6549378b48d00acb0d06cd | القيمة الافتراضية— |
الحقلresponse_format | النوعstring | المتطلباختياري | القيم والحدود mp3, pcm | القيمة الافتراضيةpcm |
تركيبات مواد الإدخال
text_to_speech · مطلوب: actual UTF-8 script, exact supported voice
معلمات الطريقة ودورة حياتها
| المعلمة | المواصفات |
|---|---|
المعلمةcontent_type | المواصفاتapplication/json |
المعلمةrequired | المواصفاتmodel, input, voice |
المعلمةmaterial_types | المواصفاتtext |
المعلمةvoice_ids | المواصفاتb347db033a6549378b48d00acb0d06cd |
المعلمةvoice_list_exhaustive | المواصفاتfalse |
المعلمةresponse_format | المواصفاتmp3, pcm |
المعلمةdefault_response_format | المواصفاتpcm |
المعلمةquantity | المواصفاتبايتات UTF-8 لسلسلة إدخال واحدة بعد فك ترميزها؛ دون إزالة الفراغات من أطرافها أو تطبيعها |
المعلمةnative_byte_quote_controls | المواصفاتتُرفض قيم instructions غير الفارغة ومدخلات المداخلات متعددة المتحدثين عبر مسار عرض السعر الدقيق للبايتات هذا، إلى أن يُعلَن النص الإضافي الخاضع للفوترة. |
دورة الحياة: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · قيمة task_id الفعلية المُعادة أو سجل مكتبة الوسائط
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
استخدم النموذج الدقيق وحقول الإدخال الموثّقة.
احتفظ بالاستجابة كاملة، وكل مخرج فعلي، والمعرّفات الأصلية المُعادة.
الباقات
مراجع التسعير لا تضيف خيارات للطلب. المعلمات المدعومة مذكورة للطريقة المحددة.
- الوضع السريع
- غير محدد عند اختيار الوضع السريع
- الوضع المرن
- غير محدد عند اختيار وضع flex
- أقصى جهد للاستدلال
- غير محدد عندما يُطبَّق الضبط الافتراضي default مع أقصى جهد للاستدلال
تعرفات Ailoot
الأسعار حسب الإعدادات
طابق كل رسم مع الشروط المعروضة. طبّق تعرفة واحدة لكل مجموعة من الإعدادات البديلة.
| الإعدادات | جدول التعرفة | وحدة الفوترة | الرسوم |
|---|---|---|---|
| الإعداداتالتعرفات الأساسية للرموز | جدول التعرفةالتعرفة الأساسية | وحدة الفوترة— | الرسوم الإدخال · رموز الإدخال — / 1K من الرموز الإخراج · رموز الإخراج — / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
| الإعداداتUltra | جدول التعرفة— | وحدة الفوترةلكل بايت utf8 من الصوت المُدخل | الرسوم الإدخال · بايت UTF-8 لإدخال الصوت $0.00003 لكل بايت utf8 من الصوت المُدخل |
تحجز Ailoot مبلغًا تقديريًا قبل الطلب. وبعد ظهور النتيجة، تُسوّي الرسوم النهائية بناءً على الاستخدام المقاس. وتستخدم تسوية البث سجل الاستخدام النهائي. كيفية عمل حجز المبلغ وتسوية الرسوم →
تفاصيل التعرفة المرجعية
لا تغيّر جداول التعرفة المرجعية على مستوى النموذج اختيار الطريقة أو عروض الأسعار أو الرسوم. وتستخدم الرسوم الفعلية تعرفات طريقة Ailoot المحددة.
Fish Audio: S1
الأسعار حسب الإعدادات
| الإعدادات | شروط الفوترة | الرسوم |
|---|---|---|
| الإعداداتFish Audio: S1 · الإعداد الافتراضي | شروط الفوترةالإعداد الافتراضي | الرسوم الإدخال · بايتات إدخال UTF-8 0.00003 US$ لكل بايت UTF-8 مُدخل |
أمثلة للطلبات
Ailoot Ultra · توليد الكلام
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
request={'model': 'fish-audio/s1', 'input': 'Hello world', 'voice': 'b347db033a6549378b48d00acb0d06cd', 'response_format': 'mp3'}
Path('request.json').write_text(json.dumps(request,ensure_ascii=False),encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/speech \
-H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o response.bin
# Keep the complete original response and headers. Read every returned segment, word and usage field.
# Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting.
استلام النتائج وحفظها
Ailoot Ultra · توليد الكلام
الصوت الثنائي الفعلي المُعلَن
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
الاحتفاظ بكل النتائج المكتملة
احتفظ بكل استجابة كاملة وكل ملف وجزء محتوى تم إرجاعه.
احفظ جميع البايتات الثنائية كاملة وجميع الترويسات الأصلية؛ واحتفظ بكامل JSON إن أُعيد. تُحفظ المعرّفات الفعلية للعمليات والأصول.
عند الحاجة إلى التحقق من الاستجابة الأصلية
احتفظ بـoperation_id/X-Client-Request-ID الأصليين وبالاستجابة الأصلية. اقرأ سجلات المهام والأصول الفعلية المملوكة لك دون إعادة الإرسال؛ ولا يُنشأ عنوان URL مخصص للاستعلام عن الصوت.
حقول الاستجابة
| الحقل | النوع |
|---|---|
الحقلbinary audio | النوعbytes |
الحقلresponse headers | النوعheaders |
الأسماء البديلة
الأسماء البديلة للنموذج
Ailoot Ultra fish-audio/s1
الأسماء البديلة لمسارات الطرائق
استخدم مسارات الطرائق المعروضة أعلاه.
معرّفات النماذج ذات الصلة IDs
FAQ · Fish Audio: S1
- ما المدخلات والنتائج المتاحة؟
POST /v1/audio/speech·fish-audio/s1:text→audio- ما الحقول التي يستخدمها الطلب؟
POST /v1/audio/speech·fish-audio/s1:model,input,voice,response_format