S2.1 Pro Free je edice modelu pro převod textu na řeč S2.1 od Fish Audio zaměřená na vývojáře. Se S2.1 Pro sdílí základní model i hlavní schopnosti syntézy: expresivní vícejazyčnou řeč, pokyny k přednesu v přirozeném jazyce a nativní dialog více mluvčích. Je určena k testování, tvorbě prototypů, vývoji a menším aplikačním postupům.
U prototypu hlasového asistenta začněte úplnou ukázkovou odpovědí a posuďte její zvuk dříve, než začnete zkoušet postupně přicházející text. Pro vzdělávací produkt připravte krátké vysvětlení s přesnými termíny a způsobem čtení čísel, které posluchač potřebuje. U prototypu dialogu definujte mluvčí a jejich hlasové reference před přidáním pokynů k přednesu. Tyto kroky vytvářejí zvukový výstup a aplikační postup kolem něj, místo aby za celou konverzaci odpovídal požadavek na syntézu.
Napište slova, která mají skutečně zaznít, a bezprostředně před pasáž, jejíž přednes se má změnit, vložte pokyn. Pokyny v hranatých závorkách mohou vyjádřit šepot, pauzu, reakci, důraz nebo volně popsaný styl řeči. Změnu uprostřed věty umístěte tam, kde ji přednes potřebuje, a za popisným pokynem vždy uveďte skutečný mluvený text. Užitečné zadání výkladu odděluje jeho věcné znění od vřelosti, tempa či důrazu, které má posluchač vnímat.
Pro jednoho mluvčího vyberte uložený identifikátor hlasu nebo poskytněte referenční nahrávku s přepisem. Hlasový průvodce výrobce doporučuje pro okamžité přizpůsobení hlasu čistý vzorek o délce 10–30 sekund. Zvolte referenci s tónem a kvalitou záznamu vhodnými pro scénář a u souvisejících pasáží zachovejte stejnou referenci. Hlasová reference dodává zvuk mluvčího; text a vložené pokyny určují obsah a jeho přednes.
Nativní syntéza s více mluvčími používá značky jako <|speaker:0|> a <|speaker:1|> spolu s uspořádaným polem identifikátorů hlasů nebo samostatnými skupinami referencí. Číselná označení mluvčích musí odpovídat tomuto pořadí. U výukového rozhovoru napište repliku každého mluvčího a pokyn k přednesu vložte na příslušné místo za značku mluvčího. Tak vznikne dialog v jediném požadavku; tento postup se liší od samostatných úseků s jedním mluvčím u S1 a jejich následného sestavení.
Postup výrobce nabízí výstup MP3, WAV, surové PCM a Opus; výchozí je MP3. MP3 podporuje 64, 128 a 192 kb/s; WAV a PCM používají zdokumentované 16bitové monofonní formáty vzorků, zatímco Opus používá 48 kHz. Formát zvolte podle toho, zda potřebujete uložený soubor s komentářem, streamované přehrávání nebo navazující zpracování zvuku. Se zvukem uchovávejte celý scénář a výběr hlasu, aby pozdější úprava jedné repliky neztratila zamýšlený přednes.
Rychlost lze upravit v rozsahu 0,5 až 2,0 a k dispozici je také ovládání hlasitosti. Normalizace textu rozepisuje anglická a čínská čísla pro přirozené čtení. Normalizace hlasitosti výstupu má výchozí hodnotu true a používá se u rodiny S2; stejné pole u S1 nemělo žádný účinek. Parametr repetition_penalty z S1 nemění zvuk S2.1 Pro, takže staré nastavení nelze považovat za účinný ovládací prvek tohoto modelu. Opakované zvuky a slova kontrolujte přímo, místo abyste výsledek posuzovali podle převzatého parametru.
Delší scénáře se zpracovávají po částech. Zdokumentovaný rozsah délky části je 100–300 a max_new_tokens představuje rozpočet zvukových tokenů na jednu část, nikoli záruku celkové délky nahrávky. Podmínění předchozí částí může přenášet hlasový kontext dále. Postup doručení výrobce popisuje úplný zvuk, postupně dodávané zvukové části a živé streamování textu, když scénář přichází průběžně. Zvolte způsob odběru vhodný pro aplikaci a zachovejte dostatek kontextu scénáře pro výslovnost a tón další pasáže.
Aby byl výsledný soubor užitečný, poslechem kontrolujte vynechaná či opakovaná slova, výslovnost čísel, střídání mluvčích, pauzy a intenzitu pokynů. Různé hlasové reference mohou stejný pokyn vyložit s odlišnou silou, proto začněte jednoduchou replikou s jedním pokynem a teprve poté přidávejte případně soupeřící značky. Při vícejazyčné práci dodejte scénář v cílovém jazyce, místo abyste hlasový model žádali o vymýšlení či překlad obsahu. Cílená úprava mění repliku, pokyn nebo referenci odpovědnou za nesoulad a zachovává části přednesu, které již zadání odpovídají.
", "aboutText": "S2.1 Pro Free je edice modelu pro převod textu na řeč S2.1 od Fish Audio zaměřená na vývojáře. Se S2.1 Pro sdílí základní model i hlavní schopnosti syntézy: expresivní vícejazyčnou řeč, pokyny k přednesu v přirozeném jazyce a nativní dialog více mluvčích. Je určena k testování, tvorbě prototypů, vývoji a menším aplikačním postupům.\n\nU prototypu hlasového asistenta začněte úplnou ukázkovou odpovědí a posuďte její zvuk dříve, než začnete zkoušet postupně přicházející text. Pro vzdělávací produkt připravte krátké vysvětlení s přesnými termíny a způsobem čtení čísel, které posluchač potřebuje. U prototypu dialogu definujte mluvčí a jejich hlasové reference před přidáním pokynů k přednesu. Tyto kroky vytvářejí zvukový výstup a aplikační postup kolem něj, místo aby za celou konverzaci odpovídal požadavek na syntézu.\n\nNapište slova, která mají skutečně zaznít, a bezprostředně před pasáž, jejíž přednes se má změnit, vložte pokyn. Pokyny v hranatých závorkách mohou vyjádřit šepot, pauzu, reakci, důraz nebo volně popsaný styl řeči. Změnu uprostřed věty umístěte tam, kde ji přednes potřebuje, a za popisným pokynem vždy uveďte skutečný mluvený text. Užitečné zadání výkladu odděluje jeho věcné znění od vřelosti, tempa či důrazu, které má posluchač vnímat.\n\nPro jednoho mluvčího vyberte uložený identifikátor hlasu nebo poskytněte referenční nahrávku s přepisem. Hlasový průvodce výrobce doporučuje pro okamžité přizpůsobení hlasu čistý vzorek o délce 10–30 sekund. Zvolte referenci s tónem a kvalitou záznamu vhodnými pro scénář a u souvisejících pasáží zachovejte stejnou referenci. Hlasová reference dodává zvuk mluvčího; text a vložené pokyny určují obsah a jeho přednes.\n\nNativní syntéza s více mluvčími používá značky jako <|speaker:0|> a <|speaker:1|> spolu s uspořádaným polem identifikátorů hlasů nebo samostatnými skupinami referencí. Číselná označení mluvčích musí odpovídat tomuto pořadí. U výukového rozhovoru napište repliku každého mluvčího a pokyn k přednesu vložte na příslušné místo za značku mluvčího. Tak vznikne dialog v jediném požadavku; tento postup se liší od samostatných úseků s jedním mluvčím u S1 a jejich následného sestavení.\n\nPostup výrobce nabízí výstup MP3, WAV, surové PCM a Opus; výchozí je MP3. MP3 podporuje 64, 128 a 192 kb/s; WAV a PCM používají zdokumentované 16bitové monofonní formáty vzorků, zatímco Opus používá 48 kHz. Formát zvolte podle toho, zda potřebujete uložený soubor s komentářem, streamované přehrávání nebo navazující zpracování zvuku. Se zvukem uchovávejte celý scénář a výběr hlasu, aby pozdější úprava jedné repliky neztratila zamýšlený přednes.\n\nRychlost lze upravit v rozsahu 0,5 až 2,0 a k dispozici je také ovládání hlasitosti. Normalizace textu rozepisuje anglická a čínská čísla pro přirozené čtení. Normalizace hlasitosti výstupu má výchozí hodnotu true a používá se u rodiny S2; stejné pole u S1 nemělo žádný účinek. Parametr repetition_penalty z S1 nemění zvuk S2.1 Pro, takže staré nastavení nelze považovat za účinný ovládací prvek tohoto modelu. Opakované zvuky a slova kontrolujte přímo, místo abyste výsledek posuzovali podle převzatého parametru.\n\nDelší scénáře se zpracovávají po částech. Zdokumentovaný rozsah délky části je 100–300 a max_new_tokens představuje rozpočet zvukových tokenů na jednu část, nikoli záruku celkové délky nahrávky. Podmínění předchozí částí může přenášet hlasový kontext dále. Postup doručení výrobce popisuje úplný zvuk, postupně dodávané zvukové části a živé streamování textu, když scénář přichází průběžně. Zvolte způsob odběru vhodný pro aplikaci a zachovejte dostatek kontextu scénáře pro výslovnost a tón další pasáže.\n\nAby byl výsledný soubor užitečný, poslechem kontrolujte vynechaná či opakovaná slova, výslovnost čísel, střídání mluvčích, pauzy a intenzitu pokynů. Různé hlasové reference mohou stejný pokyn vyložit s odlišnou silou, proto začněte jednoduchou replikou s jedním pokynem a teprve poté přidávejte případně soupeřící značky. Při vícejazyčné práci dodejte scénář v cílovém jazyce, místo abyste hlasový model žádali o vymýšlení či překlad obsahu. Cílená úprava mění repliku, pokyn nebo referenci odpovědnou za nesoulad a zachovává části přednesu, které již zadání odpovídají.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "b60eb0ad85db1c1934432947e97611ed06d969fa139e4f388966f4c202bfed15", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "cs", "methods": [ { "html": "fish-audio/s2.1-pro-free:freeS2.1 Pro Free je vývojová edice hlasového modelu S2.1 od Fish Audio pro komentář, řízený hlasový výstup a dialog více mluvčích. Sdílí schopnosti syntézy tohoto modelu pro testování a tvorbu prototypů.
Tento popis zahrnuje schopnosti modelu. Vstupy, výstupy a možnosti dostupné v Ailoot jsou uvedeny níže pro vybranou metodu.
S2.1 Pro Free je edice modelu pro převod textu na řeč S2.1 od Fish Audio zaměřená na vývojáře. Se S2.1 Pro sdílí základní model i hlavní schopnosti syntézy: expresivní vícejazyčnou řeč, pokyny k přednesu v přirozeném jazyce a nativní dialog více mluvčích. Je určena k testování, tvorbě prototypů, vývoji a menším aplikačním postupům.
U prototypu hlasového asistenta začněte úplnou ukázkovou odpovědí a posuďte její zvuk dříve, než začnete zkoušet postupně přicházející text. Pro vzdělávací produkt připravte krátké vysvětlení s přesnými termíny a způsobem čtení čísel, které posluchač potřebuje. U prototypu dialogu definujte mluvčí a jejich hlasové reference před přidáním pokynů k přednesu. Tyto kroky vytvářejí zvukový výstup a aplikační postup kolem něj, místo aby za celou konverzaci odpovídal požadavek na syntézu.
Napište slova, která mají skutečně zaznít, a bezprostředně před pasáž, jejíž přednes se má změnit, vložte pokyn. Pokyny v hranatých závorkách mohou vyjádřit šepot, pauzu, reakci, důraz nebo volně popsaný styl řeči. Změnu uprostřed věty umístěte tam, kde ji přednes potřebuje, a za popisným pokynem vždy uveďte skutečný mluvený text. Užitečné zadání výkladu odděluje jeho věcné znění od vřelosti, tempa či důrazu, které má posluchač vnímat.
Pro jednoho mluvčího vyberte uložený identifikátor hlasu nebo poskytněte referenční nahrávku s přepisem. Hlasový průvodce výrobce doporučuje pro okamžité přizpůsobení hlasu čistý vzorek o délce 10–30 sekund. Zvolte referenci s tónem a kvalitou záznamu vhodnými pro scénář a u souvisejících pasáží zachovejte stejnou referenci. Hlasová reference dodává zvuk mluvčího; text a vložené pokyny určují obsah a jeho přednes.
Nativní syntéza s více mluvčími používá značky jako <|speaker:0|> a <|speaker:1|> spolu s uspořádaným polem identifikátorů hlasů nebo samostatnými skupinami referencí. Číselná označení mluvčích musí odpovídat tomuto pořadí. U výukového rozhovoru napište repliku každého mluvčího a pokyn k přednesu vložte na příslušné místo za značku mluvčího. Tak vznikne dialog v jediném požadavku; tento postup se liší od samostatných úseků s jedním mluvčím u S1 a jejich následného sestavení.
Postup výrobce nabízí výstup MP3, WAV, surové PCM a Opus; výchozí je MP3. MP3 podporuje 64, 128 a 192 kb/s; WAV a PCM používají zdokumentované 16bitové monofonní formáty vzorků, zatímco Opus používá 48 kHz. Formát zvolte podle toho, zda potřebujete uložený soubor s komentářem, streamované přehrávání nebo navazující zpracování zvuku. Se zvukem uchovávejte celý scénář a výběr hlasu, aby pozdější úprava jedné repliky neztratila zamýšlený přednes.
Rychlost lze upravit v rozsahu 0,5 až 2,0 a k dispozici je také ovládání hlasitosti. Normalizace textu rozepisuje anglická a čínská čísla pro přirozené čtení. Normalizace hlasitosti výstupu má výchozí hodnotu true a používá se u rodiny S2; stejné pole u S1 nemělo žádný účinek. Parametr repetition_penalty z S1 nemění zvuk S2.1 Pro, takže staré nastavení nelze považovat za účinný ovládací prvek tohoto modelu. Opakované zvuky a slova kontrolujte přímo, místo abyste výsledek posuzovali podle převzatého parametru.
Delší scénáře se zpracovávají po částech. Zdokumentovaný rozsah délky části je 100–300 a max_new_tokens představuje rozpočet zvukových tokenů na jednu část, nikoli záruku celkové délky nahrávky. Podmínění předchozí částí může přenášet hlasový kontext dále. Postup doručení výrobce popisuje úplný zvuk, postupně dodávané zvukové části a živé streamování textu, když scénář přichází průběžně. Zvolte způsob odběru vhodný pro aplikaci a zachovejte dostatek kontextu scénáře pro výslovnost a tón další pasáže.
Aby byl výsledný soubor užitečný, poslechem kontrolujte vynechaná či opakovaná slova, výslovnost čísel, střídání mluvčích, pauzy a intenzitu pokynů. Různé hlasové reference mohou stejný pokyn vyložit s odlišnou silou, proto začněte jednoduchou replikou s jedním pokynem a teprve poté přidávejte případně soupeřící značky. Při vícejazyčné práci dodejte scénář v cílovém jazyce, místo abyste hlasový model žádali o vymýšlení či překlad obsahu. Cílená úprava mění repliku, pokyn nebo referenci odpovědnou za nesoulad a zachovává části přednesu, které již zadání odpovídají.
POST /v1/audio/speechtextaudio| Pole | Typ | Požadavek | Hodnoty a limity | Výchozí |
|---|---|---|---|---|
Polemodel | Typstring | PožadavekPovinné | Hodnoty a limity fish-audio/s2.1-pro-free:free | Výchozí— |
Poleinput | Typstring | PožadavekPovinné | Hodnoty a limity Minimální délka: 1 | Výchozí— |
Polevoice | Typstring | PožadavekPovinné | Hodnoty a limity b347db033a6549378b48d00acb0d06cd Minimální délka: 1 | Výchozí— |
Poleresponse_format | Typstring | PožadavekVolitelné | Hodnoty a limity mp3, pcm | Výchozípcm |
Poleprovider | Typobject | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, input, voice |
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}
Údaje o tarifech nepřidávají možnosti požadavku. Podporované parametry jsou uvedeny u vybrané metody.
Přiřaďte každý poplatek k uvedeným podmínkám. Pro každou sadu alternativních konfigurací použijte jednu sazbu.
| Konfigurace | Tabulka sazeb | Množství pro účtování | Poplatek |
|---|---|---|---|
| KonfiguraceZákladní sazby za tokeny | Tabulka sazebZákladní sazba | Množství pro účtování— | 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 |
| KonfiguraceZa požadavek | Tabulka sazeb— | Množství pro účtováníjeden požadavek | Poplatek Vstup $0 za požadavek |
Ailoot před požadavkem rezervuje odhadovanou částku. Po výsledku vyúčtuje konečný poplatek podle naměřeného využití. Při streamování se účtování řídí konečným záznamem využití. Jak funguje rezervace a vyúčtování →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_INPUT_TEXT:?Set the actual documented input value}"\nexport AILOOT_INPUT_TEXT\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\nrequest={'model': 'fish-audio/s2.1-pro-free:free', 'input': '${ACTUAL_INPUT_TEXT}', 'voice': 'b347db033a6549378b48d00acb0d06cd', 'response_format': 'mp3'}\nrequest['input']=os.environ['AILOOT_INPUT_TEXT']\nPath('request.json').write_text(json.dumps(request,ensure_ascii=False),encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/speech \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o response.bin\n# Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.\nÚplný binární zvuk nebo původní odpověď audio_url, hlavičky a každý soubor spravovaný službou.
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o owned-assets.json\n# Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token.\nUchovejte každou úplnou vrácenou odpověď, soubor i část obsahu.
Uchovejte úplnou odpověď a hlavičky, všechny skutečné výstupy, původní vrácené identifikátory a všechna pole s údaji o využití. Obnovte původní operaci bez opětovného odeslání požadavku na vytvoření.
Uchovejte vrácené X-Client-Request-ID pro spárování záznamů. Načítejte pouze skutečně vrácené hodnoty task_id/asset_id nebo vlastní knihovnu médií; nikdy nevytvářejte URL úlohy z ID operace a nikdy znovu neodesílejte požadavek na vytvoření.
Ailoot Ultra fish-audio/s2.1-pro-free:free
Použijte cesty metod uvedené výše.