Fish Audio: S2 Pro
ينشئ Fish Audio S2 Pro كلامًا معبّرًا متعدد اللغات مع توجيهات على مستوى الكلمات وحوار أصلي متعدد المتحدثين. تتحكم التعليمات بين أقواس مربعة في الإلقاء داخل النص، بينما تحدد المراجع الصوتية المتحدثين وتشكل إعدادات الإخراج المخرج الصوتي.
عن النموذج
يغطي هذا الوصف قدرات النموذج. وترد أدناه المدخلات والمخرجات والخيارات المتاحة في Ailoot للطريقة المحددة.
S2 Pro هو نموذج Fish Audio من الجيل الثاني لتحويل النص إلى كلام للسرد المعبّر وحوار الشخصيات والإخراج الصوتي الحواري. يحوّل نصًا مكتوبًا إلى صوت ويدعم التوجيه باللغة الطبيعية على مستوى الكلمة أو العبارة. يستخدم الجيل السابق S1 إشارات بين أقواس مستديرة، بينما يستخدم S2 Pro الأقواس المربعة أصليًا ويدعم عدة متحدثين ضمن طلب توليد واحد. تنشر الشركة أوزان S2 Pro وشيفرة الضبط الدقيق لأعمال تخصيص منفصلة؛ ويستخدم طلب الكلام العادي النموذج المختار بدل تدريب نموذج جديد.
اكتب المحتوى المنطوق أولًا، ثم ضع تعليمات الإلقاء مباشرة قبل الكلمة أو العبارة التي ينبغي أن تؤثر فيها. يمكن للتوجيهات وصف همس أو رد فعل أو وقفة أو تحول عاطفي أو أسلوب كلام مفتوح الوصف. لشرح منتج قصير، أبقِ الجملة الواقعية واضحة وضع التأكيد فقط حيث ينبغي أن يلاحظ المستمع فرقًا. لجملة شخصية، صِف التغير العاطفي لحظة حدوثه بدل جعل المقطع كله يشترك في مزاج ثابت واحد.
الوسوم بين الأقواس المربعة أوصاف مفتوحة المجال وليست قائمة مغلقة. تشمل الأمثلة [whispering] و[sigh] و[long pause] وعبارة مثل [speaking slowly, almost hesitant]. يمكن أن تظهر الوسوم وسط الجملة وتؤثر في الكلام التالي. يحتاج الوسم الوصفي نصًا فعليًا بعده؛ وقد تعطي تعليمات معزولة إخراجًا غير متوقع. ابدأ بتوجيه أو اثنين مفيدين قبل إضافة طبقات، لأن الوسوم المتنافسة قد تحجب الأداء المقصود. قد تستجيب مراجع صوتية مختلفة للتوجيه نفسه بشدة متفاوتة.
يصف إصدار S2 نحو ٨٠ لغة ويقدّم أمثلة لكتابة تعليمات الإلقاء بلغة النص نفسها. أعد الصياغة باللغة المطلوب نطقها واحتفظ بالأسماء والوحدات والاختصارات التي تتطلب قراءة معينة. يمكن للسرد متعدد اللغات الحفاظ على صوته المقصود مع تغيير لغة النص، لكن المخرج النهائي يظل بحاجة إلى الاستماع للتحقق من النطق والاستمرارية. ينتج التوليد المحتوى المقدّم ككلام بدل أن يقرر المعلومات التي ينبغي للتطبيق قولها.
لمتحدث واحد، اختر معرّف صوت محفوظًا أو قدّم صوتًا مرجعيًا مع تفريغه المطابق. يوصي المنتج بعينة نقية مدتها ١٠–٣٠ ثانية للتهيئة الفورية. للحوار، استخدم علامات متحدثين مثل <|speaker:0|> و<|speaker:1|> مع قائمة مرتبة من معرّفات الأصوات أو مجموعات مرجعية منفصلة للمتحدثين. تختار العلامة الرقمية إدخال الصوت المقابل؛ حافظ على ثبات الترتيب مع تطور المحادثة. لتوجيهات الأداء باللغة الطبيعية واختيار المتحدث أدوار مختلفة في النص.
يمكن أن يكون الإخراج الصوتي MP3 أو WAV أو PCM خامًا أو Opus. يكون MP3 افتراضيًا بمعدل ١٢٨ كيلوبت/ثانية ويتيح ٦٤ أو ١٩٢ كيلوبت/ثانية؛ ويستخدم Opus تردد ٤٨ كيلوهرتز، بينما يدعم WAV وPCM خيارات معدلات العينات الموثقة بصوت أحادي ذي ١٦ بت. اختر الصيغة لوجهتها الفعلية: ملف محفوظ للسرد أو أجزاء صوتية مناسبة للتشغيل. يصف مسار الكلام لدى المنتج كذلك تدفق النص المباشر عندما يصل تدريجيًا. ينبغي أن تظل النتيجة المولّدة مرتبطة بالنص الكامل والأصوات المختارة.
يمكن تعديل السرعة بين 0.5 و2.0، مع عناصر تحكم في مستوى الصوت وتسوية جهارة الإخراج. تحسّن تسوية النص قراءة الأرقام الإنجليزية والصينية. تستخدم المعالجة أجزاء ضمن نطاق ١٠٠–٣٠٠ وميزانية رموز صوتية لكل جزء، لذا ينبغي ألا تُقرأ هذه الإعدادات كحد أقصى ثابت لطول السرد كاملًا. يمكن للتهيئة بالجزء السابق نقل سياق الصوت إلى المقطع التالي. تؤثر عناصر أخذ العينات مثل temperature وtop-p في التنوع؛ وتظل الجملة الموجّهة عمدًا بحاجة إلى نص وسياق كافيين لحمل الصوت المقصود.
يفصل موجز الإنتاج المفيد بين السرد والحوار وتوجيهات الإلقاء، ثم يحدد صوت المخرج وصيغته. استمع بحثًا عن كلمات مفقودة وصوت مكرر ونطق الأرقام وتغييرات المتحدثين وتوقيت رد فعل. نقّح الجملة أو المرجع الصوتي المسؤول عن عدم التطابق بدل افتراض أن المزيد من الوسوم يحسّن كل مقطع. يظل S2 Pro نموذج S2 سابق الجيل ومتميزًا؛ وS2.1 Pro هو الإصدار اللاحق بتحسيناته وسلوك إعداداته الخاص بالنموذج.
Ailoot Ultra · الكلام POST /v1/audio/speech fish-audio/s2-pro
fish-audio/s2-proالبداية
ينشئ Fish Audio S2 Pro كلامًا معبّرًا متعدد اللغات مع توجيهات على مستوى الكلمات وحوار أصلي متعدد المتحدثين. تتحكم التعليمات بين أقواس مربعة في الإلقاء داخل النص، بينما تحدد المراجع الصوتية المتحدثين وتشكل إعدادات الإخراج المخرج الصوتي.
- المدخلات المقبولة
- النص
- النتائج
- الصوت
متاح في Ailoot · المدخلات والطرائق
Ailoot Ultra · الكلام POST /v1/audio/speech
- الإدخال
text- الإخراج
audio
| الحقل | النوع | المتطلب | القيم والحدود | القيمة الافتراضية |
|---|---|---|---|---|
الحقلmodel | النوعstring | المتطلبمطلوب | القيم والحدود fish-audio/s2-pro | القيمة الافتراضية— |
الحقلinput | النوعstring | المتطلبمطلوب | القيم والحدود الحد الأدنى للطول: 1 | القيمة الافتراضية— |
الحقلvoice | النوعstring | المتطلبمطلوب | القيم والحدود b347db033a6549378b48d00acb0d06cd الحد الأدنى للطول: 1 | القيمة الافتراضية— |
الحقلresponse_format | النوعstring | المتطلباختياري | القيم والحدود mp3, pcm | القيمة الافتراضيةpcm |
الحقلprovider | النوعobject | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
معلمات الطريقة ودورة حياتها
| المعلمة | المواصفات |
|---|---|
المعلمةcontent_type | المواصفاتapplication/json |
المعلمةrequired | المواصفاتmodel, input, voice |
المعلمةmaterial_types | المواصفاتtext |
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}
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 |
| الإعداداتبايت إدخال UTF-8 | جدول التعرفة— | وحدة الفوترةلكل بايت UTF-8 مُدخل | الرسوم الإدخال · بايت إدخال UTF-8 $0.00003 لكل بايت UTF-8 مُدخل |
تحجز Ailoot مبلغًا تقديريًا قبل الطلب. وبعد ظهور النتيجة، تُسوّي الرسوم النهائية بناءً على الاستخدام المقاس. وتستخدم تسوية البث سجل الاستخدام النهائي. كيفية عمل حجز المبلغ وتسوية الرسوم →
أمثلة للطلبات
Ailoot Ultra · الكلام
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_INPUT_TEXT:?Set the actual documented input value}"
export AILOOT_INPUT_TEXT
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
request={'model': 'fish-audio/s2-pro', 'input': '${ACTUAL_INPUT_TEXT}', 'voice': 'b347db033a6549378b48d00acb0d06cd', 'response_format': 'mp3'}
request['input']=os.environ['AILOOT_INPUT_TEXT']
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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o response.bin
# Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.
استلام النتائج وحفظها
Ailoot Ultra · الكلام
الصوت الثنائي كاملاً أو استجابة audio_url الأصلية، والترويسات، وكل أصل مملوك لك.
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
عمليات أخرى لقراءة المحتوى
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \
-H "Authorization: Bearer $AILOOT_API_KEY" -o owned-assets.json
# Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token.
الاحتفاظ بكل النتائج المكتملة
احتفظ بكل استجابة كاملة وكل ملف وجزء محتوى تم إرجاعه.
احتفظ بالاستجابة كاملة وبجميع الترويسات، وبكل مخرج فعلي، وبالمعرّفات الأصلية المُعادة، وبجميع حقول الاستخدام. استعد العملية الأصلية دون إرسال طلب الإنشاء مجددًا.
عند الحاجة إلى التحقق من الاستجابة الأصلية
احتفظ بقيمة X-Client-Request-ID المُعادة للمطابقة. اقرأ فقط قيم task_id/asset_id الفعلية المُعادة أو مكتبة الوسائط المملوكة لك؛ ولا تنشئ عنوان URL لمهمة من معرّف العملية، ولا تُعِد إرسال طلب الإنشاء مطلقًا.
الأسماء البديلة
الأسماء البديلة للنموذج
Ailoot Ultra fish-audio/s2-pro
الأسماء البديلة لمسارات الطرائق
استخدم مسارات الطرائق المعروضة أعلاه.
معرّفات النماذج ذات الصلة IDs
FAQ · Fish Audio: S2 Pro
- ما المدخلات والنتائج المتاحة؟
POST /v1/audio/speech·fish-audio/s2-pro:text→audio- ما الحقول التي يستخدمها الطلب؟
POST /v1/audio/speech·fish-audio/s2-pro:model,input,voice,response_format,provider