GLM-TTS er Zhipus talesyntesemodel, der vælges med det præcise ID glm-tts. Send POST /v1/audio/speech med model, input og voice. Placér ordene, der skal siges, direkte i input, og vælg response_format=wav til denne profil. Resultatet er en indtalt optagelse af det medsendte manuskript, som er egnet til afspilning eller import i et lyd- eller videoredigeringsprogram.
Brug den til en kort produktforklaring, en indtalt velkomst, en instruktionspassage eller en meddelelse. Forbered manuskriptet, som det skal læses højt: medtag de ønskede sætningspauser, og skriv udtryk helt ud, når deres udtale er vigtig for opgaven. Til en vejledning kan én anmodning indeholde en fokuseret instruktion, der ledsager ét synligt trin. Til en velkomstbesked skal du angive den faktiske ordlyd og gennemgå optagelsen, før den indsættes i kundeforløbet.
Den dokumenterede maksimale inputlængde er 1 024 tegn. Kontrollér grænsen ud fra den færdige tekst, inklusive tegnsætning og mellemrum. Længere indtaling kræver et manuskript opdelt i passende passager; gem passagernes rækkefølge og de valgte indstillinger sammen med optagelserne, så de kan samles og gennemgås sammen. En tegngrænse beskriver inputteksten og fastlægger ikke en bestemt optagelsesvarighed.
Skemaet for voice angiver tongtong, chuichui, jam, kazi, douji og luodo. Det offentliggjorte eksempel bruger tongtong med speed=1 og volume=1. Både speed og volume er valgfrie indstillinger med en dokumenteret standardværdi på 1. Til denne WAV-metode er speed et heltal, der accepterer 1 eller 2, og volume er et heltal fra 1 til 10. Den valgfrie booleske watermark_enabled styrer lydvandmærket. Lad stream være uspecificeret, eller sæt den til false for at modtage hele WAV-optagelsen. Tag udgangspunkt i dette eksplicitte eksempel, når du forbereder en første optagelse, og hold derefter den valgte stemme og de accepterede indstillinger ens på tværs af sammenhængende passager.
WAV-optagelsen er det færdige output fra taleanmodningen. Gem hele lydresultatet og dets svaroplysninger, og lyt derefter hele passagen igennem for at kontrollere udtale, ordlyd, pauser og den ønskede rækkefølge. Gem det præcise kildemanuskript ved siden af optagelsen, når du forbereder revisioner. Hvis udfaldet af en anmodning er uafklaret, skal du gemme den oprindelige anmodning og oplysningerne om det returnerede resultat, før du opretter en ny synteseanmodning; en manglende afspilningsfil i sig selv beviser ikke, at der ikke blev oprettet en optagelse.
", "aboutText": "GLM-TTS er Zhipus talesyntesemodel, der vælges med det præcise ID glm-tts. Send POST /v1/audio/speech med model, input og voice. Placér ordene, der skal siges, direkte i input, og vælg response_format=wav til denne profil. Resultatet er en indtalt optagelse af det medsendte manuskript, som er egnet til afspilning eller import i et lyd- eller videoredigeringsprogram.\n\nBrug den til en kort produktforklaring, en indtalt velkomst, en instruktionspassage eller en meddelelse. Forbered manuskriptet, som det skal læses højt: medtag de ønskede sætningspauser, og skriv udtryk helt ud, når deres udtale er vigtig for opgaven. Til en vejledning kan én anmodning indeholde en fokuseret instruktion, der ledsager ét synligt trin. Til en velkomstbesked skal du angive den faktiske ordlyd og gennemgå optagelsen, før den indsættes i kundeforløbet.\n\nDen dokumenterede maksimale inputlængde er 1 024 tegn. Kontrollér grænsen ud fra den færdige tekst, inklusive tegnsætning og mellemrum. Længere indtaling kræver et manuskript opdelt i passende passager; gem passagernes rækkefølge og de valgte indstillinger sammen med optagelserne, så de kan samles og gennemgås sammen. En tegngrænse beskriver inputteksten og fastlægger ikke en bestemt optagelsesvarighed.\n\nSkemaet for voice angiver tongtong, chuichui, jam, kazi, douji og luodo. Det offentliggjorte eksempel bruger tongtong med speed=1 og volume=1. Både speed og volume er valgfrie indstillinger med en dokumenteret standardværdi på 1. Til denne WAV-metode er speed et heltal, der accepterer 1 eller 2, og volume er et heltal fra 1 til 10. Den valgfrie booleske watermark_enabled styrer lydvandmærket. Lad stream være uspecificeret, eller sæt den til false for at modtage hele WAV-optagelsen. Tag udgangspunkt i dette eksplicitte eksempel, når du forbereder en første optagelse, og hold derefter den valgte stemme og de accepterede indstillinger ens på tværs af sammenhængende passager.\n\nWAV-optagelsen er det færdige output fra taleanmodningen. Gem hele lydresultatet og dets svaroplysninger, og lyt derefter hele passagen igennem for at kontrollere udtale, ordlyd, pauser og den ønskede rækkefølge. Gem det præcise kildemanuskript ved siden af optagelsen, når du forbereder revisioner. Hvis udfaldet af en anmodning er uafklaret, skal du gemme den oprindelige anmodning og oplysningerne om det returnerede resultat, før du opretter en ny synteseanmodning; en manglende afspilningsfil i sig selv beviser ikke, at der ikke blev oprettet en optagelse.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "211254ea910cad8df0c55b1f24d6dafb1a55979a04b24b6c06ea5c048ebc83a6", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "da", "methods": [ { "html": "glm-ttsGLM-TTS omdanner et medsendt manuskript til tale. Profilen glm-tts bruger Audio Speech-metoden med en udtrykkeligt valgt stemme og WAV-output, hvilket gør den egnet til kort indtaling, talte instruktioner og afspilning af beskeder. Forbered teksten inden for den dokumenterede inputgrænse på 1 024 tegn.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
GLM-TTS er Zhipus talesyntesemodel, der vælges med det præcise ID glm-tts. Send POST /v1/audio/speech med model, input og voice. Placér ordene, der skal siges, direkte i input, og vælg response_format=wav til denne profil. Resultatet er en indtalt optagelse af det medsendte manuskript, som er egnet til afspilning eller import i et lyd- eller videoredigeringsprogram.
Brug den til en kort produktforklaring, en indtalt velkomst, en instruktionspassage eller en meddelelse. Forbered manuskriptet, som det skal læses højt: medtag de ønskede sætningspauser, og skriv udtryk helt ud, når deres udtale er vigtig for opgaven. Til en vejledning kan én anmodning indeholde en fokuseret instruktion, der ledsager ét synligt trin. Til en velkomstbesked skal du angive den faktiske ordlyd og gennemgå optagelsen, før den indsættes i kundeforløbet.
Den dokumenterede maksimale inputlængde er 1 024 tegn. Kontrollér grænsen ud fra den færdige tekst, inklusive tegnsætning og mellemrum. Længere indtaling kræver et manuskript opdelt i passende passager; gem passagernes rækkefølge og de valgte indstillinger sammen med optagelserne, så de kan samles og gennemgås sammen. En tegngrænse beskriver inputteksten og fastlægger ikke en bestemt optagelsesvarighed.
Skemaet for voice angiver tongtong, chuichui, jam, kazi, douji og luodo. Det offentliggjorte eksempel bruger tongtong med speed=1 og volume=1. Både speed og volume er valgfrie indstillinger med en dokumenteret standardværdi på 1. Til denne WAV-metode er speed et heltal, der accepterer 1 eller 2, og volume er et heltal fra 1 til 10. Den valgfrie booleske watermark_enabled styrer lydvandmærket. Lad stream være uspecificeret, eller sæt den til false for at modtage hele WAV-optagelsen. Tag udgangspunkt i dette eksplicitte eksempel, når du forbereder en første optagelse, og hold derefter den valgte stemme og de accepterede indstillinger ens på tværs af sammenhængende passager.
WAV-optagelsen er det færdige output fra taleanmodningen. Gem hele lydresultatet og dets svaroplysninger, og lyt derefter hele passagen igennem for at kontrollere udtale, ordlyd, pauser og den ønskede rækkefølge. Gem det præcise kildemanuskript ved siden af optagelsen, når du forbereder revisioner. Hvis udfaldet af en anmodning er uafklaret, skal du gemme den oprindelige anmodning og oplysningerne om det returnerede resultat, før du opretter en ny synteseanmodning; en manglende afspilningsfil i sig selv beviser ikke, at der ikke blev oprettet en optagelse.
POST /v1/audio/speechtextaudio| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser glm-tts | Standard— |
Feltinput | Typestring | KravPåkrævet | Værdier og grænser | Standard— |
Feltvoice | Typestring | KravPåkrævet | Værdier og grænser tongtong, chuichui, jam, kazi, douji, luodo | Standard— |
Feltresponse_format | Typestring | KravPåkrævet | Værdier og grænser wav | Standard— |
Feltencode_format | Typestring | KravValgfrit | Værdier og grænser base64, hex | Standard— |
Feltspeed | Typeinteger | KravValgfrit | Værdier og grænser Minimum: 1 Maksimum: 2 | Standard1 |
Feltvolume | Typeinteger | KravValgfrit | Værdier og grænser Minimum: 1 Maksimum: 10 | Standard1 |
Feltwatermark_enabled | Typeboolean | KravValgfrit | Værdier og grænser | Standard— |
Feltstream | Typeboolean | KravValgfrit | Værdier og grænser false | Standard— |
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktapplication/json |
Parameterrequired | Kontraktmodel, input, voice, response_format |
Parameteroptional | Kontraktencode_format, speed, volume, watermark_enabled, stream |
Parametermaterial_types | Kontrakttext |
Parameterconditions | KontraktUse direct WAV output. speed and volume are positive integers within the listed bounds. stream is false or omitted. |
Livscyklus: synchronous_result_then_owned_library
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 | Afregningsenhed | Beløb |
|---|---|---|---|---|
| KonfigurationGrundpriser for tokens | TakstplanGrundtakst | Afregnet mængde— | Afregningsenhed— | Beløb Input · Inputtokens — / 1K tokens Output · Outputtokens — / 1K tokens Input · Cachelæsning — / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| Konfigurationinputtegn | Takstplan— | Afregnet mængde— | Afregningsenhedpr. inputtegn | Beløb Input · inputtegn $0.00006 pr. inputtegn |
| KonfigurationPr. forespørgsel | Takstplan— | Afregnet mængdeén forespørgsel | Afregningsenhed— | 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}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "glm-tts", "input": "Hello, this is a short speech example.", "voice": "tongtong", "response_format": "wav"}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\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 result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\nwav
GET /v1/media/assetsGET /v1/media/assets/{asset_id}Gem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.
Retain the complete binary WAV, response headers and original request identity.
Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.
Ailoot Ultra glm-tts
Brug metodestierne vist ovenfor.