S2.1 Pro Free er Fish Audios udviklerorienterede udgave af tekst-til-tale-modellen S2.1. Den deler den underliggende model og de centrale synteseegenskaber med S2.1 Pro: udtryksfuld flersproget tale, instruktioner for fremførelse i naturligt sprog og indbygget dialog med flere talere. Dens rolle er test, prototyper, udvikling og mindre applikationsarbejdsgange.
Til en prototype på en stemmeassistent skal du begynde med et komplet prøvesvar og vurdere, hvordan det lyder, før du tester tekst, der ankommer gradvist. Til et læringsprodukt skal du forberede en kort forklaring med de præcise termer og taloplæsninger, som lytteren har brug for. Til en dialogprototype skal du definere talerne og deres stemmereferencer, før du tilføjer instruktioner for fremførelse. Disse trin udvikler et lydresultat og et applikationsforløb omkring det frem for at gøre en synteseanmodning ansvarlig for hele samtalen.
Skriv de ord, der faktisk skal siges, og placer derefter en instruktion umiddelbart før den passage, hvis fremførelse skal ændres. Instruktioner i firkantede parenteser kan udtrykke en hvisken, en pause, en reaktion, betoning eller en frit beskrevet talestil. Placer en ændring midt i en sætning dér, hvor fremførelsen kræver det, og lad beskrivende instruktioner efterfølges af faktisk tale. En nyttig brief til en forklaring adskiller den faktuelle ordlyd fra den varme, det tempo eller den betoning, der ønskes for lytteren.
Til én taler skal du vælge en gemt stemmeidentifikator eller levere en referenceoptagelse med dens transskription. Producentens talevejledning anbefaler en ren prøve på 10–30 sekunder til øjeblikkelig stemmetilpasning. Vælg en reference med en tone og optagekvalitet, der passer til manuskriptet, og bevar samme reference på tværs af sammenhængende passager. Stemmereferencen leverer talerens klang; teksten og de indlejrede instruktioner leverer indholdet og dets fremførelse.
Indbygget syntese med flere talere bruger markører som <|speaker:0|> og <|speaker:1|> sammen med et ordnet array af stemmeidentifikatorer eller separate referencegrupper. Hold de numeriske talerbetegnelser i overensstemmelse med denne rækkefølge. Ved en undervisende udveksling skal du skrive hver talers replik og placere instruktionen for fremførelse efter talermarkøren dér, hvor den hører til. Det genererer en dialog i én anmodning; det er en anden arbejdsgang end S1s separate segmenter med én taler og efterfølgende samling.
Producentens arbejdsgang tilbyder MP3, WAV, rå PCM og Opus som output med MP3 som standard. MP3 understøtter 64, 128 og 192 kbps; WAV og PCM bruger de dokumenterede 16-bit mono-sampleformater, mens Opus bruger 48 kHz. Vælg formatet til en gemt indtalingsfil, streamet afspilning eller en efterfølgende lydpipeline. Bevar det komplette manuskript og stemmevalget sammen med lyden, så en senere redigering kan rette én replik uden at miste den tilsigtede fremførelse.
Hastigheden kan justeres fra 0.5 til 2.0 sammen med lydstyrkeindstillinger. Tekstnormalisering udvider engelske og kinesiske tal til naturlig oplæsning. Normalisering af outputtets oplevede lydstyrke er som standard true og anvendes på S2-familien; samme felt havde ingen effekt på S1. S1s repetition_penalty ændrer ikke S2.1 Pro-lyd, så en gammel indstilling bør ikke betragtes som en virksom indstilling til denne model. Gennemgå gentagne lyde og ordlyd direkte i stedet for at stole på en overført parameter som dokumentation for resultatet.
Længere manuskripter behandles i blokke. Det dokumenterede interval for bloklængde er 100–300, og max_new_tokens er et budget for lydtokens pr. blok frem for en garanti for samlet varighed. Tilpasning ud fra den foregående blok kan føre stemmekontekst videre. Producentens leveringsarbejdsgang beskriver komplet lyd, trinvise lydblokke og live tekststreaming, når manuskriptet ankommer gradvist. Vælg applikationens modtagelsesmetode, og bevar tilstrækkelig manuskriptkontekst til næste passages udtale og tone.
For at få et nyttigt slutresultat skal du lytte efter udeladte eller gentagne ord, taludtale, talerskift, pauser og instruktionernes intensitet. Forskellige stemmereferencer kan fortolke et signal med forskellig styrke, så begynd med en enkel instrueret replik, før du tilføjer modstridende tags. Ved flersproget arbejde skal du levere manuskriptet på målsproget i stedet for at bede talemodellen om at opfinde eller oversætte indholdet. En fokuseret revision ændrer den replik, det signal eller den reference, der forårsager afvigelsen, og bevarer de dele af fremførelsen, som allerede passer til briefen.
", "aboutText": "S2.1 Pro Free er Fish Audios udviklerorienterede udgave af tekst-til-tale-modellen S2.1. Den deler den underliggende model og de centrale synteseegenskaber med S2.1 Pro: udtryksfuld flersproget tale, instruktioner for fremførelse i naturligt sprog og indbygget dialog med flere talere. Dens rolle er test, prototyper, udvikling og mindre applikationsarbejdsgange.\n\nTil en prototype på en stemmeassistent skal du begynde med et komplet prøvesvar og vurdere, hvordan det lyder, før du tester tekst, der ankommer gradvist. Til et læringsprodukt skal du forberede en kort forklaring med de præcise termer og taloplæsninger, som lytteren har brug for. Til en dialogprototype skal du definere talerne og deres stemmereferencer, før du tilføjer instruktioner for fremførelse. Disse trin udvikler et lydresultat og et applikationsforløb omkring det frem for at gøre en synteseanmodning ansvarlig for hele samtalen.\n\nSkriv de ord, der faktisk skal siges, og placer derefter en instruktion umiddelbart før den passage, hvis fremførelse skal ændres. Instruktioner i firkantede parenteser kan udtrykke en hvisken, en pause, en reaktion, betoning eller en frit beskrevet talestil. Placer en ændring midt i en sætning dér, hvor fremførelsen kræver det, og lad beskrivende instruktioner efterfølges af faktisk tale. En nyttig brief til en forklaring adskiller den faktuelle ordlyd fra den varme, det tempo eller den betoning, der ønskes for lytteren.\n\nTil én taler skal du vælge en gemt stemmeidentifikator eller levere en referenceoptagelse med dens transskription. Producentens talevejledning anbefaler en ren prøve på 10–30 sekunder til øjeblikkelig stemmetilpasning. Vælg en reference med en tone og optagekvalitet, der passer til manuskriptet, og bevar samme reference på tværs af sammenhængende passager. Stemmereferencen leverer talerens klang; teksten og de indlejrede instruktioner leverer indholdet og dets fremførelse.\n\nIndbygget syntese med flere talere bruger markører som <|speaker:0|> og <|speaker:1|> sammen med et ordnet array af stemmeidentifikatorer eller separate referencegrupper. Hold de numeriske talerbetegnelser i overensstemmelse med denne rækkefølge. Ved en undervisende udveksling skal du skrive hver talers replik og placere instruktionen for fremførelse efter talermarkøren dér, hvor den hører til. Det genererer en dialog i én anmodning; det er en anden arbejdsgang end S1s separate segmenter med én taler og efterfølgende samling.\n\nProducentens arbejdsgang tilbyder MP3, WAV, rå PCM og Opus som output med MP3 som standard. MP3 understøtter 64, 128 og 192 kbps; WAV og PCM bruger de dokumenterede 16-bit mono-sampleformater, mens Opus bruger 48 kHz. Vælg formatet til en gemt indtalingsfil, streamet afspilning eller en efterfølgende lydpipeline. Bevar det komplette manuskript og stemmevalget sammen med lyden, så en senere redigering kan rette én replik uden at miste den tilsigtede fremførelse.\n\nHastigheden kan justeres fra 0.5 til 2.0 sammen med lydstyrkeindstillinger. Tekstnormalisering udvider engelske og kinesiske tal til naturlig oplæsning. Normalisering af outputtets oplevede lydstyrke er som standard true og anvendes på S2-familien; samme felt havde ingen effekt på S1. S1s repetition_penalty ændrer ikke S2.1 Pro-lyd, så en gammel indstilling bør ikke betragtes som en virksom indstilling til denne model. Gennemgå gentagne lyde og ordlyd direkte i stedet for at stole på en overført parameter som dokumentation for resultatet.\n\nLængere manuskripter behandles i blokke. Det dokumenterede interval for bloklængde er 100–300, og max_new_tokens er et budget for lydtokens pr. blok frem for en garanti for samlet varighed. Tilpasning ud fra den foregående blok kan føre stemmekontekst videre. Producentens leveringsarbejdsgang beskriver komplet lyd, trinvise lydblokke og live tekststreaming, når manuskriptet ankommer gradvist. Vælg applikationens modtagelsesmetode, og bevar tilstrækkelig manuskriptkontekst til næste passages udtale og tone.\n\nFor at få et nyttigt slutresultat skal du lytte efter udeladte eller gentagne ord, taludtale, talerskift, pauser og instruktionernes intensitet. Forskellige stemmereferencer kan fortolke et signal med forskellig styrke, så begynd med en enkel instrueret replik, før du tilføjer modstridende tags. Ved flersproget arbejde skal du levere manuskriptet på målsproget i stedet for at bede talemodellen om at opfinde eller oversætte indholdet. En fokuseret revision ændrer den replik, det signal eller den reference, der forårsager afvigelsen, og bevarer de dele af fremførelsen, som allerede passer til briefen.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "4338755b6a8a31c1f47e32f246d2bfa236c0c5d749760082ebc984869068729f", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "da", "methods": [ { "html": "fish-audio/s2.1-pro-free:freeS2.1 Pro Free er Fish Audios udviklingsudgave af S2.1-talemodellen til indtaling, instrueret taleoutput og dialog med flere talere. Den deler modellens synteseegenskaber til test og prototyper.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
S2.1 Pro Free er Fish Audios udviklerorienterede udgave af tekst-til-tale-modellen S2.1. Den deler den underliggende model og de centrale synteseegenskaber med S2.1 Pro: udtryksfuld flersproget tale, instruktioner for fremførelse i naturligt sprog og indbygget dialog med flere talere. Dens rolle er test, prototyper, udvikling og mindre applikationsarbejdsgange.
Til en prototype på en stemmeassistent skal du begynde med et komplet prøvesvar og vurdere, hvordan det lyder, før du tester tekst, der ankommer gradvist. Til et læringsprodukt skal du forberede en kort forklaring med de præcise termer og taloplæsninger, som lytteren har brug for. Til en dialogprototype skal du definere talerne og deres stemmereferencer, før du tilføjer instruktioner for fremførelse. Disse trin udvikler et lydresultat og et applikationsforløb omkring det frem for at gøre en synteseanmodning ansvarlig for hele samtalen.
Skriv de ord, der faktisk skal siges, og placer derefter en instruktion umiddelbart før den passage, hvis fremførelse skal ændres. Instruktioner i firkantede parenteser kan udtrykke en hvisken, en pause, en reaktion, betoning eller en frit beskrevet talestil. Placer en ændring midt i en sætning dér, hvor fremførelsen kræver det, og lad beskrivende instruktioner efterfølges af faktisk tale. En nyttig brief til en forklaring adskiller den faktuelle ordlyd fra den varme, det tempo eller den betoning, der ønskes for lytteren.
Til én taler skal du vælge en gemt stemmeidentifikator eller levere en referenceoptagelse med dens transskription. Producentens talevejledning anbefaler en ren prøve på 10–30 sekunder til øjeblikkelig stemmetilpasning. Vælg en reference med en tone og optagekvalitet, der passer til manuskriptet, og bevar samme reference på tværs af sammenhængende passager. Stemmereferencen leverer talerens klang; teksten og de indlejrede instruktioner leverer indholdet og dets fremførelse.
Indbygget syntese med flere talere bruger markører som <|speaker:0|> og <|speaker:1|> sammen med et ordnet array af stemmeidentifikatorer eller separate referencegrupper. Hold de numeriske talerbetegnelser i overensstemmelse med denne rækkefølge. Ved en undervisende udveksling skal du skrive hver talers replik og placere instruktionen for fremførelse efter talermarkøren dér, hvor den hører til. Det genererer en dialog i én anmodning; det er en anden arbejdsgang end S1s separate segmenter med én taler og efterfølgende samling.
Producentens arbejdsgang tilbyder MP3, WAV, rå PCM og Opus som output med MP3 som standard. MP3 understøtter 64, 128 og 192 kbps; WAV og PCM bruger de dokumenterede 16-bit mono-sampleformater, mens Opus bruger 48 kHz. Vælg formatet til en gemt indtalingsfil, streamet afspilning eller en efterfølgende lydpipeline. Bevar det komplette manuskript og stemmevalget sammen med lyden, så en senere redigering kan rette én replik uden at miste den tilsigtede fremførelse.
Hastigheden kan justeres fra 0.5 til 2.0 sammen med lydstyrkeindstillinger. Tekstnormalisering udvider engelske og kinesiske tal til naturlig oplæsning. Normalisering af outputtets oplevede lydstyrke er som standard true og anvendes på S2-familien; samme felt havde ingen effekt på S1. S1s repetition_penalty ændrer ikke S2.1 Pro-lyd, så en gammel indstilling bør ikke betragtes som en virksom indstilling til denne model. Gennemgå gentagne lyde og ordlyd direkte i stedet for at stole på en overført parameter som dokumentation for resultatet.
Længere manuskripter behandles i blokke. Det dokumenterede interval for bloklængde er 100–300, og max_new_tokens er et budget for lydtokens pr. blok frem for en garanti for samlet varighed. Tilpasning ud fra den foregående blok kan føre stemmekontekst videre. Producentens leveringsarbejdsgang beskriver komplet lyd, trinvise lydblokke og live tekststreaming, når manuskriptet ankommer gradvist. Vælg applikationens modtagelsesmetode, og bevar tilstrækkelig manuskriptkontekst til næste passages udtale og tone.
For at få et nyttigt slutresultat skal du lytte efter udeladte eller gentagne ord, taludtale, talerskift, pauser og instruktionernes intensitet. Forskellige stemmereferencer kan fortolke et signal med forskellig styrke, så begynd med en enkel instrueret replik, før du tilføjer modstridende tags. Ved flersproget arbejde skal du levere manuskriptet på målsproget i stedet for at bede talemodellen om at opfinde eller oversætte indholdet. En fokuseret revision ændrer den replik, det signal eller den reference, der forårsager afvigelsen, og bevarer de dele af fremførelsen, som allerede passer til briefen.
POST /v1/audio/speechtextaudio| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser fish-audio/s2.1-pro-free:free | Standard— |
Feltinput | Typestring | KravPåkrævet | Værdier og grænser Minimumslængde: 1 | Standard— |
Feltvoice | Typestring | KravPåkrævet | Værdier og grænser b347db033a6549378b48d00acb0d06cd Minimumslængde: 1 | Standard— |
Feltresponse_format | Typestring | KravValgfrit | Værdier og grænser mp3, pcm | Standardpcm |
Feltprovider | Typeobject | KravValgfrit | Værdier og grænser | Standard— |
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktapplication/json |
Parameterrequired | Kontraktmodel, input, voice |
Parametermaterial_types | Kontrakttext |
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}
Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.
Knyt hver omkostning til de viste betingelser. Brug én takst for hver gruppe af alternative konfigurationer.
| Konfiguration | Takstplan | Afregnet mængde | Beløb |
|---|---|---|---|
| KonfigurationGrundpriser for tokens | TakstplanGrundtakst | Afregnet mængde— | Beløb Input · Inputtokens — / 1K tokens Output · Outputtokens — / 1K tokens Input · Cachelæsning — / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| KonfigurationPr. forespørgsel | Takstplan— | Afregnet mængdeén forespørgsel | Beløb Input $0 pr. anmodning |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
set -eu\n: "${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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o response.bin\n# Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.\nKomplet binær lyd eller det oprindelige audio_url-svar, headere og hvert aktiv, du ejer.
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}set -eu\n: "${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.\nGem 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.
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.
Ailoot Ultra fish-audio/s2.1-pro-free:free
Brug metodestierne vist ovenfor.