Fish Audio: Drama 3
Drama 3 omdanner et skrevet manuskript til instrueret tale. Form følelse og fremførelse med anvisninger på almindeligt sprog, tilføj pauser og lyde, styr udtalen, og byg scener med flere talere. Det offentliggjorte taleforløb understøtter mere end 80 sprog, herunder sprogskift inden for en sætning.
Om modellen
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Drama 3 er Fish Audios tekst-til-tale-model til et fremført manuskript. Den producerer talelyd fra de ord, du angiver, og giver manuskriptforfatteren kontrol over fremførelsen. En replik kan indeholde en følelsesanvisning, en lokal ændring i stemmefremførelsen eller en udtaleinstruktion, så inputtet indeholder både det talte indhold og den måde, det bør lyde på.
Skriv ordene, og instruér fremførelsen
Forbered de præcise ord, lytteren bør høre, før du tilføjer fremførelsesanvisninger. Hold vigtige navne, datoer og instruktioner tydelige i manuskriptet, og brug tegnsætning til at etablere den tilsigtede sætningsrytme. Placér derefter en anvisning på almindeligt sprog i firkantede parenteser før den replik, den vedrører. Beskriv den ønskede følelse eller fremførelse konkret, såsom en afdæmpet meddelelse, en anspændt udveksling eller en varm forklaring.
Drama 3 understøtter også lokale kontroller i en replik. Instruktioner inde i teksten kan indføre lyde og pauser, mens parrede fremførelsestags kan påvirke bestemte ord. Hold hver instruktions omfang tydeligt: en anvisning til én frase bør ikke ved et uheld blive anvisningen til hele scenen. Læs manuskriptet én gang for betydning og én gang for fremførelse før syntese.
Scener, sprog og udtale
Den offentliggjorte model understøtter flere talere i én anmodning. Organisér dialog i tydelige talerture, og giv hver tur et formål: et spørgsmål, en afbrydelse, en forklaring eller et svar. Til en lektion eller en forklarende produktion kan samme tilgang adskille en fortæller fra en citeret karakter uden at omskrive materialet til én udifferentieret monolog.
Drama 3 understøtter mere end 80 sprog og kan skifte sprog inden for en sætning, mens stemmen bevares. Forbered flersprogede passager på deres tilsigtede talte sprog frem for at antage, at en engelsk instruktion giver en oversættelse. Beslut, hvordan udenlandske navne og låneord bør lyde, og brug modellens fonemkontroller, når udtalen kræver præcis instruktion.
Nyttige lydresultater
Modellen passer til karakterdialog, fortalte lektioner, korte forklaringer, produktmeddelelser og manuskriptbaserede stemmesvar. Hold indhold og skuespilvalg sammen: en undervisningspassage kræver forståelig terminologi og meningsfulde pauser; en karakterscene kræver tydeligt adskilte ture og en konsekvent dramatisk hensigt. Det er skrivebeslutninger, som kan gennemgås, før nogen lyd genereres.
Efter syntese skal du sammenligne de talte ord med det færdige manuskript. Lyt efter udeladte fraser, forkert placerede pauser, uklare talerskift og udtalen af navne, der skal bevares. Bevar manuskriptet og fremførelsesanvisningerne sammen med lyden, så en rettelse kan målrettes den berørte replik. Hold det endelige talte indhold og dets fremførelsesvalg på replikniveau sammen, når en revision forberedes.
Funktioner
- Tekst-til-tale-fremførelse fra et færdigt manuskript.
- Anvisninger på almindeligt sprog i firkantede parenteser før en replik.
- Lyde og pauser inde i teksten med parrede fremførelsestags til enkelte ord.
- Scener med flere talere og mere end 80 talte sprog.
- Fonemkontroller til navne og specialistterminologi.
Brugsscenarier
- Karakterdialog — Et manuskript med tydeligt adskilte talerture og fremførelsesanvisninger. Resultat: En talt scene med bevidste ændringer i fremførelsen.
- Fortalt forklaring — En færdig lektion med terminologi og pauser markeret. Resultat: Talelyd, som kan gennemgås mod lektionsteksten.
- Flersproget meddelelse — Endelig tekst på de tilsigtede sprog med udtalevalgene bevaret. Resultat: En talt passage med styrede sprogskift.
- Manuskriptbaseret stemmesvar — Et kort svar med en eksplicit tone og de ord, der skal siges. Resultat: Et genanvendeligt talesegment til den omgivende applikation.
Begrænsninger
- Input og resultat — Den offentliggjorte model modtager tekst og returnerer talelyd.
- Styringens omfang — Knyt en anvisning til den tilsigtede replik eller frase, og hold parrede fremførelsestags inden for det korrekte omfang.
- Gennemgangsenhed — Bevar det præcise manuskript og anvisninger med lyden; gennemgå udtale og talerture på replikniveau.
Ailoot Ultra · Tale POST /v1/audio/speech fish-audio/drama-3
fish-audio/drama-3Start
Drama 3 omdanner et skrevet manuskript til instrueret tale. Form følelse og fremførelse med anvisninger på almindeligt sprog, tilføj pauser og lyde, styr udtalen, og byg scener med flere talere. Det offentliggjorte taleforløb understøtter mere end 80 sprog, herunder sprogskift inden for en sætning.
- Accepterede input
- Tekst
- Resultater
- Lyd
Tilgængelig i Ailoot · input og metoder
Ailoot Ultra · Tale POST /v1/audio/speech
- Inputtyper
text- Outputtyper
audio
| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser fish-audio/drama-3 | Standard— |
Feltinput | Typestring | KravPåkrævet | Værdier og grænser Minimumslængde: 1 | Standard— |
Feltvoice | Typestring | KravPåkrævet | Værdier og grænser Minimumslængde: 1 | Standard— |
Feltresponse_format | Typestring | KravValgfrit | Værdier og grænser mp3, pcm | Standardpcm |
Feltprovider | Typeobject | KravValgfrit | Værdier og grænser | Standard— |
Metodeparametre og livscyklus
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktapplication/json |
Parameterrequired | Kontraktmodel, input, voice |
Parametermaterial_types | Kontrakttext |
Parametermaterial_conditions | KontraktVælg et faktisk understøttet stemme-ID; der er ikke opfundet en bogstavelig standardværdi eller stemme til denne model. |
Livscyklus: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · det faktisk returnerede task_id eller posten i mediebiblioteket
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Priser
Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.
- Hurtig tilstand
- Ikke angivet Når hurtig tilstand er valgt
- flex-tilstand
- Ikke angivet Når flex-tilstanden er valgt
- Maksimal ræsonneringsindsats
- Ikke angivet Når default-justeringen anvendes ved maksimal ræsonneringsindsats
Ailoot-takster
Priser efter konfiguration
Knyt hver omkostning til de viste betingelser. Brug én takst for hver gruppe af alternative konfigurationer.
| Konfiguration | Takstplan | Afregningsenhed | Beløb |
|---|---|---|---|
| KonfigurationGrundpriser for tokens | TakstplanGrundtakst | Afregningsenhed— | Beløb Input · Inputtokens — / 1K tokens Output · Outputtokens — / 1K tokens Input · Cachelæsning — / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| KonfigurationUTF-8-inputbyte | Takstplan— | Afregningsenhedpr. UTF-8-byte input | Beløb Input · UTF-8-inputbyte $0.00002 pr. UTF-8-byte input |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
Eksempelanmodninger
Ailoot Ultra · Tale
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_INPUT_TEXT:?Set the actual documented input value}"
export AILOOT_INPUT_TEXT
: "${AILOOT_VOICE:?Set the actual documented input value}"
export AILOOT_VOICE
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
request={'model': 'fish-audio/drama-3', 'input': '${ACTUAL_INPUT_TEXT}', 'voice': '${ACTUAL_SUPPORTED_VOICE}'}
request['input']=os.environ['AILOOT_INPUT_TEXT']
request['voice']=os.environ['AILOOT_VOICE']
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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o response.bin
# Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.
Hent og gem resultater
Ailoot Ultra · Tale
Komplet binær lyd eller det oprindelige audio_url-svar, headere og hvert aktiv, du ejer.
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Læsning af andet indhold
set -eu
: "${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.
Behold alle færdige resultater
Gem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.
Gem hele svaret og alle headere, alle faktisk returnerede output, de oprindeligt returnerede identifikatorer og alle felter med forbrugsdata. Gendan den oprindelige operation uden at sende oprettelsesanmodningen igen.
Hvis det oprindelige svar skal kontrolleres
Gem det returnerede X-Client-Request-ID til afstemning. Brug kun faktisk returnerede task_id/asset_id-værdier eller dit eget mediebibliotek til læseanmodninger; opbyg aldrig en opgave-URL ud fra operations-ID’et, og send aldrig oprettelsesanmodningen igen.
Aliaser
Modelaliaser
Ailoot Ultra fish-audio/drama-3
Aliaser for metodestier
Brug metodestierne vist ovenfor.
Relaterede kalder-ID’er
FAQ · Fish Audio: Drama 3
- Hvilke input og resultater er tilgængelige?
POST /v1/audio/speech·fish-audio/drama-3:text→audio- Hvilke felter bruger anmodningen?
POST /v1/audio/speech·fish-audio/drama-3:model,input,voice,response_format,provider