Deepgram: Flux TTS
Deepgram Flux TTS převádí anglický text na konverzační řeč a přenáší tón mezi jednotlivými replikami. Jeho streamovaný režim zpracovává přerušení; dávková syntéza vytváří opakovaně použitelný zvuk se stejným katalogem hlasů.
O modelu
Tento popis zahrnuje schopnosti modelu. Vstupy, výstupy a možnosti dostupné v Ailoot jsou uvedeny níže pro vybranou metodu.
Flux TTS je rodina převodu textu na řeč od Deepgram pro živou konverzaci a předem připravený mluvený obsah. Její určující vlastností je konverzační návaznost: streamovaný model přenáší prozodii mezi replikami, takže si může přednes během pokračující interakce uchovat konzistentní tón. Přijímá písemný text a vrací zvuk řeči. Flux TTS a samostatně pojmenovaný model rozpoznávání řeči Flux plní odlišné části hlasové konverzace.
Vyberte anglický hlas
Dokumentovaný katalog Flux mluví anglicky s americkým, britským, irským, australským, indickým, singapurským a filipínským přízvukem. Popisy hlasů pomáhají vybrat mluvčího pro zákaznickou podporu, telefonní nabídky, vyprávění či neformální konverzaci. Výrobce například uvádí Haley jako klidný americký hlas a Jack jako profesionální britský hlas. Vyberte hlas podle publika a typu textu, který bude číst, a pak jej v celém díle či konverzaci zachovejte. Řeč v jiných jazycích spadá pod samostatně dokumentovanou volbu modelu.
Živé repliky a přerušení
Ve streamovaném postupu výrobce může text přicházet již během sestavování odpovědi aplikací a zvuk se vrací průběžně. Replika má vlastní události zahájení a dokončení; ukončení repliky dokončí zbývající syntézu. Kontext mezi replikami zachovává prozodii v rámci dané relace. To se hodí pro hlasového asistenta, který nejprve vysvětlí volbu a poté odpoví na upřesňující dotaz, aniž by změnil charakter hlasu.
Přerušení zruší aktivní repliku a vrátí již vyslovenou část i zbývající text. Toto rozlišení pomáhá aplikaci navázat na to, co posluchač skutečně slyšel. Pro praktickou interakci připravte krátkou odpověď s důležitým pokynem na začátku a následným vysvětlením. Pokud posluchač přeruší odpověď po prvním pokynu, další reakce může řešit novou otázku, místo aby předpokládala, že zaznělo celé vysvětlení.
Pevné nahrávky a výstupní formáty
Dávková syntéza přijímá úplný blok textu a vrací jeho zvuk v jedné odpovědi. Používá stejný katalog hlasů jako streamování a hodí se pro nahrané telefonní výzvy, oznámení nebo předem připravené vyprávění. Dávkové požadavky jsou nezávislé; stav streamovaných replik a události přerušení se na pevný klip nevztahují.
Streamovaný výstup je surový zvuk bez souborového kontejneru: 16bitový PCM, mu-law nebo A-law. Výrobce dokumentuje vzorkovací frekvence PCM 8, 16, 24, 32, 44.1 a 48 kHz; mu-law a A-law používají 8 nebo 16 kHz. Dávkový výstup navíc podporuje MP3, Opus, FLAC a AAC. Vyberte kódování a kontejner, kterému cílový přehrávač nebo telefonní přenos rozumí; proud surových vzorků nepovažujte za běžný zvukový soubor.
Ovládání přednesu a hranice možností
Výrobce dokumentuje rozsah rychlosti řeči od 0.5 do 1.5 v krocích po 0.05. Změny rychlosti při streamování se projeví na hranici segmentu. Samostatné beta ovládání expresivity mění přednes od klidného po živý. Běžné SSML a rozpoznané značky konkurence se odstraňují a nepoužívají se jako výrazové pokyny; nativní ovládací prvky Flux mají vlastní význam.
Vložené pauzy patří k dávkové syntéze, s délkami 500–3 000 ms v krocích po 100 ms a nejvýše osmi značkami na požadavek. Sousední pauzy musí oddělovat text a při použití pauzy je rychlost omezena na 1.15. Přepsání výslovnosti používá IPA a je v režimu Early Access; výrobce upozorňuje, že se požadovaná výslovnost může mezi generováními lišit. Výslovnost nelze kombinovat s jinou než výchozí rychlostí ani s ovládáním pauz. U scénáře s odbornými názvy si tyto výrazy poslechněte ve vybraném hlase a jejich mluvenou podobu výslovně připravte.
Dokumentovaná streamovaná relace Deepgram trvá nejvýše jednu hodinu a uzavře se po šedesáti sekundách bez příchozí zprávy, pokud není udržována podporovaným mechanismem spojení. Tyto limity relace se týkají živé syntézy. Užitečným výstupem je záměrně vybraný hlas, text vhodný k poslechu a zvuk odpovídající cílovému použití; živé aplikace přitom při přerušení repliky sledují, co skutečně zaznělo.
Ailoot Ultra · Převod na řeč POST /v1/audio/speech deepgram/flux-tts
deepgram/flux-ttsÚvod
Deepgram Flux TTS převádí anglický text na konverzační řeč a přenáší tón mezi jednotlivými replikami. Jeho streamovaný režim zpracovává přerušení; dávková syntéza vytváří opakovaně použitelný zvuk se stejným katalogem hlasů.
- Přijímané vstupy
- Text
- Výsledky
- Zvuk
Dostupné v Ailoot · vstupy a metody
Ailoot Ultra · Převod na řeč POST /v1/audio/speech
- Vstup
text- Výstup
audio- Výstupní formát
- mp3
| Pole | Typ | Požadavek | Hodnoty a limity | Výchozí |
|---|---|---|---|---|
Polemodel | Typstring | PožadavekPovinné | Hodnoty a limity deepgram/flux-tts | Výchozí— |
Poleinput | Typstring | PožadavekPovinné | Hodnoty a limity Minimální délka: 1 Jednotka: znaky Unicode | Výchozí— |
Polevoice | Typstring | PožadavekPovinné | Hodnoty a limity flux-alexis-en, flux-bree-en, flux-brittany-en, flux-brooke-en, flux-bruce-en, flux-cliff-en, flux-cole-en, flux-colin-en, flux-conor-en, flux-donovan-en, flux-drew-en, flux-elise-en, flux-gemma-en, flux-haley-en, flux-hannah-en, flux-heather-en, flux-jack-en, flux-kai-en, flux-kelsey-en, flux-kit-en, flux-maeve-en, flux-marcelo-en, flux-marcus-en, flux-meena-en, flux-meghan-en, flux-miles-en, flux-naveen-en, flux-paige-en, flux-priya-en, flux-rufus-en, flux-sean-en, flux-sharon-en, flux-sienna-en, flux-tanner-en, flux-wade-en, flux-wes-en | Výchozí— |
Poleresponse_format | Typstring | PožadavekPovinné | Hodnoty a limity mp3 | Výchozí— |
Kombinace vstupních materiálů
text_to_speech · Povinné: input
Parametry a životní cyklus metody
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, input, voice, response_format |
Parametrvoice_ids | Kontraktflux-alexis-en, flux-bree-en, flux-brittany-en, flux-brooke-en, flux-bruce-en, flux-cliff-en, flux-cole-en, flux-colin-en, flux-conor-en, flux-donovan-en, flux-drew-en, flux-elise-en, flux-gemma-en, flux-haley-en, flux-hannah-en, flux-heather-en, flux-jack-en, flux-kai-en, flux-kelsey-en, flux-kit-en, flux-maeve-en, flux-marcelo-en, flux-marcus-en, flux-meena-en, flux-meghan-en, flux-miles-en, flux-naveen-en, flux-paige-en, flux-priya-en, flux-rufus-en, flux-sean-en, flux-sharon-en, flux-sienna-en, flux-tanner-en, flux-wade-en, flux-wes-en |
Parametrresponse_format | Kontraktmp3 |
Parametrmax_input_characters | Kontraktnull |
Parametrother_options | Kontraktfalse |
Parametrinput | Kontraktpřesný text UTF-8; počet znaků Unicode bez normalizace |
Parametrmaterial_types | Kontrakttext |
Životní cyklus: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · skutečně vrácené task_id nebo záznam v knihovně médií
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Vyberte přesný hlas z tohoto profilu modelu.
Vstupní znaky a sekundy zvuku jsou různé měrné jednotky.
Tarify
Údaje o tarifech nepřidávají možnosti požadavku. Podporované parametry jsou uvedeny u vybrané metody.
- Rychlý režim
- Neuvedeno Při výběru rychlého režimu
- Režim flex
- Neuvedeno Při výběru režimu flex
- Maximální intenzita uvažování
- Neuvedeno Když se při maximální intenzitě uvažování použije výchozí úprava (default)
Sazby Ailoot
Ceny podle konfigurace
Přiřaďte každý poplatek k uvedeným podmínkám. Pro každou sadu alternativních konfigurací použijte jednu sazbu.
| Konfigurace | Tabulka sazeb | Účtovací jednotka | Poplatek |
|---|---|---|---|
| KonfiguraceZákladní sazby za tokeny | Tabulka sazebZákladní sazba | Účtovací jednotka— | Poplatek Vstup · Vstupní tokeny — / 1K tokenů Výstup · Výstupní tokeny — / 1K tokenů Vstup · Čtení z mezipaměti — / 1K tokenů Vstup · Zápis do mezipaměti — / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina — / 1K tokenů |
| Konfiguracevstupní znak | Tabulka sazeb— | Účtovací jednotkaza vstupní znak | Poplatek Vstup · vstupní znak $0.00009 za vstupní znak |
Podrobnosti referenčního tarifu
Referenční tabulky modelu nemění výběr metody, cenové nabídky ani poplatky. Skutečné poplatky používají sazby vybrané metody Ailoot.
Deepgram: Flux TTS
Ceny podle konfigurace
| Konfigurace | Podmínky účtování | Poplatek |
|---|---|---|
| KonfiguraceDeepgram: Flux TTS · Výchozí konfigurace | Podmínky účtováníVýchozí konfigurace | Poplatek Vstup · Vstupní znaky 0,00009 US$ za vstupní znak |
Ailoot před požadavkem rezervuje odhadovanou částku. Po výsledku vyúčtuje konečný poplatek podle naměřeného využití. Při streamování se účtování řídí konečným záznamem využití. Jak funguje rezervace a vyúčtování →
Příklady požadavků
Ailoot Ultra · Převod na řeč
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_VOICE_ID:?Choose an accepted voice ID from this exact model profile}"
export AILOOT_VOICE_ID
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "deepgram/flux-tts", "input": "Good afternoon! This is a short voice take."}')
voice=os.environ["AILOOT_VOICE_ID"]
allowed=json.loads('["flux-alexis-en", "flux-bree-en", "flux-brittany-en", "flux-brooke-en", "flux-bruce-en", "flux-cliff-en", "flux-cole-en", "flux-colin-en", "flux-conor-en", "flux-donovan-en", "flux-drew-en", "flux-elise-en", "flux-gemma-en", "flux-haley-en", "flux-hannah-en", "flux-heather-en", "flux-jack-en", "flux-kai-en", "flux-kelsey-en", "flux-kit-en", "flux-maeve-en", "flux-marcelo-en", "flux-marcus-en", "flux-meena-en", "flux-meghan-en", "flux-miles-en", "flux-naveen-en", "flux-paige-en", "flux-priya-en", "flux-rufus-en", "flux-sean-en", "flux-sharon-en", "flux-sienna-en", "flux-tanner-en", "flux-wade-en", "flux-wes-en"]')
if voice not in allowed: raise SystemExit("Choose an accepted voice ID from this exact model profile")
p["voice"]=voice
p["response_format"]="mp3"
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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o speech.mp3
Přijímání a ukládání výsledků
Ailoot Ultra · Převod na řeč
mp3
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Další načtení obsahu
set -eu
: "${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
Uchovejte všechny dokončené výsledky
Uchovejte každou úplnou vrácenou odpověď, soubor i část obsahu.
Uchovejte úplný binární výsledek a hlavičky. Pokud odpověď obsahuje JSON nebo více výstupů, uchovejte všechny datové položky a stáhněte každý soubor ze skutečně vrácené podepsané URL.
Pokud je nutné ověřit původní odpověď
Uchovejte původní operation_id/X-Client-Request-ID pro spárování záznamů bez opětovného odeslání; samostatná trasa pro dotazování na stav zvuku neexistuje.
Pole odpovědi
| Pole | Typ |
|---|---|
Polebinary audio | Typbytes |
Poleresponse headers | Typheaders |
Chyby a další kroky
| Odpověď | Podmínka | Další krok |
|---|---|---|
Odpověď400 · invalid_request_error | PodmínkaNeplatná povinná pole, reprezentace podkladů nebo hodnota parametru | Další krokPřed novým požadavkem na vytvoření opravte uvedená pole. |
Odpověďserver_error | PodmínkaVrácená odpověď uvádí, že operaci nebo výsledek je třeba zkontrolovat | Další krokUchovejte původní vrácené ID operace nebo úlohy, hlavičky požadavku a odpověď; pokračujte v podporovaném načítání údajů o této původní operaci. Požadavek na vytvoření znovu neodesílejte. |
Aliasy
Aliasy modelu
Ailoot Ultra deepgram/flux-tts
Aliasy cest metod
Použijte cesty metod uvedené výše.
Související ID modelů
FAQ · Deepgram: Flux TTS
- Jaké vstupy a výsledky jsou dostupné?
POST /v1/audio/speech·deepgram/flux-tts:text→audio- Jaká pole požadavek používá?
POST /v1/audio/speech·deepgram/flux-tts:model,input,voice,response_format