tts-1
يحوّل TTS-1 النص المُعدّ إلى صوت منطوق بأصوات وسرعة تشغيل وصيغ إخراج قابلة للاختيار. تُحسّن OpenAI هذا الإصدار لتوليد الكلام بكمون أقل، مما يجعله خيارًا عمليًا للقراءات سريعة الاستجابة والسرد القصير والتقديم بالبث لنص مكتوب مسبقًا.
عن النموذج
يغطي هذا الوصف قدرات النموذج. وترد أدناه المدخلات والمخرجات والخيارات المتاحة في Ailoot للطريقة المحددة.
TTS-1 هو نموذج OpenAI لتحويل النص إلى كلام المُحسّن للسرعة. يتلقى الكلمات المطلوب نطقها وينتج صوتًا، بدل تفريغ أو إجابة مكتوبة. وتشمل أمثلة الشركة المصنّعة سرد مقالات مكتوبة وإنتاج كلام بلغات متعددة وتشغيل الصوت عند وصوله. TTS-1 هو الخيار الأقل كمونًا مقارنة بـTTS-1 HD؛ ويركّز نموذج HD على جودة المخرج. لذلك يتمثل القرار المفيد في أولوية بدء التشغيل سريعًا أو مواصفات السرد الأعلى جودة للمهمة.
يتمحور سير عمل توليد الكلام حول النموذج والنص المدخل والصوت المختار. يحد مرجع OpenAI النص المدخل بـ4096 حرفًا، وهو حد أحرف لا نافذة سياق رمزية. أعدّ النص الفعلي قبل التوليد: اكتب الجمل التي يجب أن يسمعها المستمع، ووضّح الاختصارات، وحدّد كيفية نطق الأسماء والكميات والعناوين. ولمقالة طويلة، نظّم الأقسام في مقاطع مفهومة بصورة مستقلة بدل التعامل مع مستند طويل كطلب كلام واحد.
قائمة أصوات TTS-1 المحددة للنموذج لدى OpenAI حاليًا هي alloy وash وcoral وecho وfable وonyx وnova وsage وshimmer. هذه أصوات معدّة مسبقًا؛ وليست المجموعة الصوتية الكاملة لكل نموذج كلام أحدث. الأصوات مُحسّنة للإنجليزية، بينما يُدعم الكلام متعدد اللغات بتقديم المدخل باللغة المطلوب نطقها. اختر صوتًا بمقطع ممثل له المفردات والوتيرة نفسيهما الخاصتان بالنص النهائي. وحافظ على الاختيار نفسه عبر المقاطع المترابطة عندما تهم الاستمرارية.
يمكن بث الصوت في أجزاء ليبدأ التشغيل قبل انتهاء توليد الملف كاملًا. هذا بث لكلام منشأ من نص، لا محادثة منطوقة ثنائية الاتجاه. صيغ الإخراج الموثّقة هي MP3 وOpus وAAC وFLAC وWAV وPCM، مع MP3 افتراضيًا. يوفر MP3 وAAC صوتًا مضغوطًا؛ وتناسب Opus البث والاتصالات؛ أما FLAC فضغطها بلا فقد. تتجنب WAV فك ترميز الصوت المضغوط، ويحتوي PCM الخام على عينات عند 24 kHz بعمق 16-bit موقّعة وذات ترتيب little-endian دون ترويسة ملف. توصي OpenAI بـWAV أوPCM عندما يكون زمن الاستجابة أولوية.
يوفر مرجع الكلام إعداد سرعة من 0.25 إلى 4.0، مع 1.0 افتراضيًا. لا يعمل حقل التعليمات الإضافي باللغة الطبيعية مع TTS-1، ولا يدعم هذا النموذج إخراج SSE على هيئة أحداث. إعداداته الموثّقة هي النص والصوت والسرعة والصيغة الصوتية؛ ولا ينبغي إسناد إعدادات اللكنة أو العاطفة أو الهمس في نماذج أحدث إلى هذا الإصدار. وعند إعداد مقطع، اختر السرعة لخدمة الوضوح ثم افحص الكلمات والتوقفات الناتجة، بدل افتراض أن عدد أحرف النص يحدد مدة دقيقة.
يشمل دليل اللغات الإنجليزية والروسية والأوكرانية والفرنسية والألمانية والإسبانية والبرتغالية والإيطالية والعربية والصينية واليابانية والكورية والهندية والكازاخية ولغات أخرى كثيرة. يتبع الكلام لغة النص المقدّم. لذلك تبدأ متطلبات السرد متعدد اللغات بالنص المترجم والجمهور المقصود؛ فتحويل النص إلى كلام خطوة أداء، لا تعليمة لترجمته أو إعادة كتابته. ولإعلان عملي، أعدّ الرسالة الدقيقة والأسماء. وللسرد التعليمي، اجعل حدود الأقسام والتعريفات واضحة في الكلمات التي ستُقرأ.
يمكن أن تكون المادة المكتملة تعليمة قصيرة منطوقة أو مقطعًا مسرودًا أو جزءًا صوتيًا لتحرير أكبر. راجع النطق والاكتمال والوتيرة والصيغة المختارة باستخدام المخرج الفعلي. احتفظ بالنص مع الصوت حتى يمكن حصر التصحيحات اللاحقة في المقطع المتأثر. تتطلب إرشادات OpenAI إخبار المستمعين بوضوح أن الصوت مولّد بالذكاء الاصطناعي. وينتمي هذا الإفصاح إلى تجربة الاستماع؛ ولا يحوّل TTS-1 إلى تسجيل لصوت بشري أو يضيف إعدادات استنساخ الصوت إلى النموذج.
Ailoot Ultra · توليد الكلام POST /v1/audio/speech openai/tts-1
openai/tts-1البداية
يحوّل TTS-1 النص المُعدّ إلى صوت منطوق بأصوات وسرعة تشغيل وصيغ إخراج قابلة للاختيار. تُحسّن OpenAI هذا الإصدار لتوليد الكلام بكمون أقل، مما يجعله خيارًا عمليًا للقراءات سريعة الاستجابة والسرد القصير والتقديم بالبث لنص مكتوب مسبقًا.
- المدخلات المقبولة
- النص
- النتائج
- الصوت
متاح في Ailoot · المدخلات والطرائق
Ailoot Ultra · توليد الكلام POST /v1/audio/speech
- الإدخال
text- الإخراج
audio- صيغة الإخراج
- mp3
| الحقل | النوع | المتطلب | القيم والحدود | القيمة الافتراضية |
|---|---|---|---|---|
الحقلmodel | النوعstring | المتطلبمطلوب | القيم والحدود openai/tts-1 | القيمة الافتراضية— |
الحقلinput | النوعstring | المتطلبمطلوب | القيم والحدود الحد الأدنى للطول: 1 الحد الأقصى للطول: 4,096 الوحدة: محارف Unicode | القيمة الافتراضية— |
الحقلvoice | النوعstring | المتطلبمطلوب | القيم والحدود alloy | القيمة الافتراضية— |
تركيبات مواد الإدخال
text_to_speech · مطلوب: input
معلمات الطريقة ودورة حياتها
| المعلمة | المواصفات |
|---|---|
المعلمةcontent_type | المواصفاتapplication/json |
المعلمةrequired | المواصفاتmodel, input, voice |
المعلمةvoice_ids | المواصفاتalloy |
المعلمةmax_input_characters | المواصفات4096 |
المعلمةother_options | المواصفاتfalse |
المعلمةinput | المواصفاتنص UTF-8 الدقيق؛ يُحصى عدد محارف Unicode دون تطبيع |
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}
اختر الصوت المحدد من ملف إعداد هذا النموذج.
أحرف الإدخال وثواني الصوت مقياسان مختلفان للاستخدام.
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 | الكمية القابلة للفوترة | كمية الفوترة | وحدة الفوترة | الرسوم |
|---|---|---|---|---|---|
| الإعداداتالتعرفات الأساسية للرموز | جدول التعرفةالتعرفة الأساسية | الكمية القابلة للفوترة— | كمية الفوترة— | 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— | الكمية القابلة للفوترةتُحتسب كل نقطة ترميز Unicode حرفًا واحدًا، بما في ذلك محارف هان. | كمية الفوترة— | وحدة الفوترةلكل 1K حرف مُدخل | الرسوم الإدخال · محرف إدخال $0.03 لكل 1K حرف مُدخل |
| الإعداداتلكل طلب | جدول التعرفة— | الكمية القابلة للفوترة— | كمية الفوترةطلب واحد | وحدة الفوترة— | الرسوم الإدخال $0 لكل طلب |
تحجز Ailoot مبلغًا تقديريًا قبل الطلب. وبعد ظهور النتيجة، تُسوّي الرسوم النهائية بناءً على الاستخدام المقاس. وتستخدم تسوية البث سجل الاستخدام النهائي. كيفية عمل حجز المبلغ وتسوية الرسوم →
أمثلة للطلبات
Ailoot Ultra · توليد الكلام
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "openai/tts-1", "input": "Good afternoon! This is a short voice take.", "voice": "alloy"}')
Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/speech \
-H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o speech.mp3
استلام النتائج وحفظها
Ailoot Ultra · توليد الكلام
mp3
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
عمليات أخرى لقراءة المحتوى
set -eu
: "${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 $AILOOT_API_KEY" -o media-assets.json
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_MEDIA_TASK_ID:?Set the actual ID returned by the response or media-library metadata}"
export AILOOT_MEDIA_TASK_ID
resource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_MEDIA_TASK_ID"],safe=""))')
curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/tasks/$resource_id" \
-H "Authorization: Bearer $AILOOT_API_KEY" -o media-task.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path("media-task.json").read_text())))
PY_RESULT
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_ASSET_ID:?Set the actual ID returned by the response or media-library metadata}"
export AILOOT_ASSET_ID
resource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_ASSET_ID"],safe=""))')
curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/assets/$resource_id" \
-H "Authorization: Bearer $AILOOT_API_KEY" -o media-asset.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path("media-asset.json").read_text())))
PY_RESULT
الاحتفاظ بكل النتائج المكتملة
احتفظ بكل استجابة كاملة وكل ملف وجزء محتوى تم إرجاعه.
احتفظ بالنتيجة الثنائية كاملة وبجميع الترويسات. إذا أُعيدت بيانات JSON أو مخرجات متعددة، فاحتفظ بكل عنصر بيانات واجلب محتوى كل عنوان URL فعلي موقّع لأصل من أصول الوسائط.
عند الحاجة إلى التحقق من الاستجابة الأصلية
احتفظ بقيمة operation_id/X-Client-Request-ID الأصلية للمطابقة دون إعادة الإرسال؛ لا يوجد مسار مخصص للاستعلام الدوري عن الصوت.
حقول الاستجابة
| الحقل | النوع |
|---|---|
الحقلbinary audio | النوعbytes |
الحقلresponse headers | النوعheaders |
الأخطاء والخطوات التالية
| الاستجابة | الشرط | الخطوة التالية |
|---|---|---|
الاستجابة400 · invalid_request_error | الشرطحقول مطلوبة أو تمثيل مادة أو قيمة معلمة غير صحيحة | الخطوة التاليةصحّح الحقول المحددة قبل طلب إنشاء جديد. |
الاستجابةserver_error | الشرطتشير الاستجابة المُعادة إلى أن العملية أو النتيجة تتطلب التحقق | الخطوة التاليةاحتفظ بمعرّف العملية أو المهمة الأصلي المُعاد، وبترويسات الطلب وبالاستجابة؛ وواصل عمليات القراءة المدعومة لتلك العملية الأصلية. لا تُعِد إرسال طلب الإنشاء. |
الأسماء البديلة
الأسماء البديلة للنموذج
Ailoot Ultra openai/tts-1
الأسماء البديلة لمسارات الطرائق
استخدم مسارات الطرائق المعروضة أعلاه.
معرّفات النماذج ذات الصلة IDs
FAQ · tts-1
- ما المدخلات والنتائج المتاحة؟
POST /v1/audio/speech·openai/tts-1:text→audio- ما الحقول التي يستخدمها الطلب؟
POST /v1/audio/speech·openai/tts-1:model,input,voice- ما الحدود المطبقة؟
POST /v1/audio/speech·openai/tts-1:input.maximum_length:4096