hexgrad: Kokoro 82M
Kokoro 82M od hexgrad generuje řeč pomocí kompaktního modelu s 82 miliony parametrů a jazykově specifického přednastaveného hlasu. Jeho dokumentovaný profil v1.0 zahrnuje osm jazyků, 54 hlasů a zvukový výstup 24 kHz.
O modelu
Tento popis zahrnuje schopnosti modelu. Vstupy, výstupy a možnosti dostupné v Ailoot jsou uvedeny níže pro vybranou metodu.
Kokoro 82M je model převodu textu na řeč od hexgrad s otevřenými vahami a osmdesáti dvěma miliony parametrů. Modelová karta popisuje kompaktní architekturu pouze s dekodérem založenou na StyleTTS 2 a iSTFTNet. Psaný text se převádí na informace o výslovnosti a následně na řeč ve vybraném hlase. Dokumentované vydání v1.0 poskytuje padesát čtyři hlasů v osmi jazycích; tento profil se liší od dřívějšího výhradně anglického vydání v0.19.
Vyberte odpovídající jazyk a hlas
Katalog hlasů zahrnuje americkou a britskou angličtinu, japonštinu, mandarínskou čínštinu, španělštinu, francouzštinu, hindštinu, italštinu a brazilskou portugalštinu. Dva anglické přízvuky jsou variantami jednoho jazyka. Názvy hlasů a jazyková nastavení patří k sobě: af_heart je americký anglický příklad v oficiálním postupu, zatímco katalog má samostatné skupiny pro ostatní jazyky a přízvuky.
Mluvčího vybírejte se skutečným materiálem, který bude číst. Krátké namluvení kurzu může ve všech oddílech používat jeden konzistentní přednastavený hlas; vícejazyčná sbírka může zvolit hlas z každé požadované jazykové skupiny. Pokrytí katalogu se mezi skupinami liší. Francouzština je například zastoupena jedním uvedeným hlasem, nikoli širším výběrem dostupným pro angličtinu.
Připravte výslovnost a pasáže
Referenční pipeline Kokoro převádí písemné podoby na fonémy. Její příklady umožňují výslovně zadat fonetické čtení termínu, takže lze obtížné jméno připravit a neponechávat je nejednoznačnému zápisu. Okolní větu udržujte přirozenou a zachovejte znění, které má posluchač slyšet.
Praktický příklad anglické pasáže zní: „The guide has three parts. First, choose the material. Next, compare the examples. Finally, save the version you want to use.“ Pište úplné fráze a zachovejte pauzy naznačené interpunkcí. U dlouhého díla uspořádejte vstup do souvislých odstavců, místo abyste celý dokument považovali za jednu nepřerušovanou promluvu.
Příručka hlasů uvádí, že mnoho mluvčích podává nejlepší výkon u pasáží přibližně 100–200 tokenů v rozsahu asi 500 tokenů. Upozorňuje na slabiny u velmi krátkých promluv, zvláště pod 10–20 tokenů, a na sklon zrychlovat delší pasáže, zejména nad 400 tokenů. Jde o poznatky k přípravě založené na tokenech, nikoli o limity počtu slov nebo délky nahrávky. Spojení krátkých fragmentů nebo rozdělení dlouhé pasáže může vytvořit vhodnější jednotku řeči.
Zvukový výstup a tempo
Oficiální postup pro každý generovaný segment vrací zpracovaný text, fonémy a zvukový výsledek. Tyto segmenty ukládá jako WAV při 24 000 Hz a v referenční pipeline zpřístupňuje nastavení rychlosti. Text segmentu a pořadí uchovávejte se zvukem, aby sestavené vyprávění sledovalo zamýšlený scénář.
Užitečnou kontrolou při úpravách je poslech přechodu mezi dvěma pasážemi a následná kontrola opakovaných jmen i tempa seznamů. Zvukový výstup a zobrazení fonémů slouží odlišným účelům: jedno je nahrávkou pro posluchače, druhé pomáhá ověřit, jak se psaný text vyslovuje.
Jazykové pokrytí a užitečná omezení
Výrobce výslovně upozorňuje, že podpora jiných jazyků než angličtiny může být omezená kvůli nedostatkům zpracování výslovnosti nebo hlasových trénovacích dat. Jeho přednastavené skupiny proto nelze považovat za rovnocennou záruku přednesu každé pasáže. Vyberte vhodného mluvčího a zkontrolujte skutečná jména i formulace požadované úkolem.
Užitečným výstupem je mluvená pasáž nebo sestavené vyprávění využívající dokumentovaný přednastavený hlas, s textem připraveným podle potřeb výslovnosti a délky pasáží. Tento profil vychází z materiálů výrobce pro v1.0 Kokoro 82M; jiný checkpoint, kvantizovaná implementace nebo externě upravený hlas mají vlastní technický rozsah.
Ailoot Ultra · Převod na řeč POST /v1/audio/speech hexgrad/kokoro-82m
hexgrad/kokoro-82mÚvod
Kokoro 82M od hexgrad generuje řeč pomocí kompaktního modelu s 82 miliony parametrů a jazykově specifického přednastaveného hlasu. Jeho dokumentovaný profil v1.0 zahrnuje osm jazyků, 54 hlasů a zvukový výstup 24 kHz.
- 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 hexgrad/kokoro-82m | Výchozí— |
Poleinput | Typstring | PožadavekPovinné | Hodnoty a limity Minimální délka: 1 Jednotka: znaky Unicode | Výchozí— |
Polevoice | Typstring | PožadavekPovinné | Hodnoty a limity af_alloy, af_aoede, af_bella, af_heart, af_jessica, af_kore, af_nicole, af_nova, af_river, af_sarah, af_sky, am_adam, am_echo, am_eric, am_fenrir, am_liam, am_michael, am_onyx, am_puck, am_santa, bf_alice, bf_emma, bf_isabella, bf_lily, bm_daniel, bm_fable, bm_george, bm_lewis, ef_dora, em_alex, em_santa, ff_siwis, hf_alpha, hf_beta, hm_omega, hm_psi, if_sara, im_nicola, jf_alpha, jf_gongitsune, jf_nezumi, jf_tebukuro, jm_kumo, pf_dora, pm_alex, pm_santa, zf_xiaobei, zf_xiaoni, zf_xiaoxiao, zf_xiaoyi, zm_yunjian, zm_yunxi, zm_yunxia, zm_yunyang | 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 | Kontraktaf_alloy, af_aoede, af_bella, af_heart, af_jessica, af_kore, af_nicole, af_nova, af_river, af_sarah, af_sky, am_adam, am_echo, am_eric, am_fenrir, am_liam, am_michael, am_onyx, am_puck, am_santa, bf_alice, bf_emma, bf_isabella, bf_lily, bm_daniel, bm_fable, bm_george, bm_lewis, ef_dora, em_alex, em_santa, ff_siwis, hf_alpha, hf_beta, hm_omega, hm_psi, if_sara, im_nicola, jf_alpha, jf_gongitsune, jf_nezumi, jf_tebukuro, jm_kumo, pf_dora, pm_alex, pm_santa, zf_xiaobei, zf_xiaoni, zf_xiaoxiao, zf_xiaoyi, zm_yunjian, zm_yunxi, zm_yunxia, zm_yunyang |
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 | Účtované množství | Účtovací jednotka | Poplatek |
|---|---|---|---|---|
| KonfiguraceZákladní sazby za tokeny | Tabulka sazebZákladní sazba | Účtované množství— | 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 |
| KonfiguraceUltra | Tabulka sazeb— | Účtované množstvíKaždý kódový bod Unicode se počítá jako jeden znak, včetně znaků Han. | Účtovací jednotkaza 1K vstupních znaků | Poplatek Vstup · vstupní znak $0.008 za 1K vstupních znaků |
Podrobnosti referenčního tarifu
Referenční tabulky modelu nemění výběr metody, cenové nabídky ani poplatky. Skutečné poplatky používají sazby vybrané metody Ailoot.
hexgrad: Kokoro 82M
Ceny podle konfigurace
| Konfigurace | Podmínky účtování | Poplatek |
|---|---|---|
| Konfiguracehexgrad: Kokoro 82M · Výchozí konfigurace | Podmínky účtováníVýchozí konfigurace | Poplatek Vstup · Vstupní znaky 0,00000124 US$ 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": "hexgrad/kokoro-82m", "input": "Good afternoon! This is a short voice take."}')
voice=os.environ["AILOOT_VOICE_ID"]
allowed=json.loads('["af_alloy", "af_aoede", "af_bella", "af_heart", "af_jessica", "af_kore", "af_nicole", "af_nova", "af_river", "af_sarah", "af_sky", "am_adam", "am_echo", "am_eric", "am_fenrir", "am_liam", "am_michael", "am_onyx", "am_puck", "am_santa", "bf_alice", "bf_emma", "bf_isabella", "bf_lily", "bm_daniel", "bm_fable", "bm_george", "bm_lewis", "ef_dora", "em_alex", "em_santa", "ff_siwis", "hf_alpha", "hf_beta", "hm_omega", "hm_psi", "if_sara", "im_nicola", "jf_alpha", "jf_gongitsune", "jf_nezumi", "jf_tebukuro", "jm_kumo", "pf_dora", "pm_alex", "pm_santa", "zf_xiaobei", "zf_xiaoni", "zf_xiaoxiao", "zf_xiaoyi", "zm_yunjian", "zm_yunxi", "zm_yunxia", "zm_yunyang"]')
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 hexgrad/kokoro-82m
Aliasy cest metod
Použijte cesty metod uvedené výše.
Související ID modelů
FAQ · hexgrad: Kokoro 82M
- Jaké vstupy a výsledky jsou dostupné?
POST /v1/audio/speech·hexgrad/kokoro-82m:text→audio- Jaká pole požadavek používá?
POST /v1/audio/speech·hexgrad/kokoro-82m:model,input,voice,response_format