Sesame CSM 1B er en tekst-til-tale-model, der er tilgængelig under det præcise ID sesame/csm-1b. Medsend de ord, der skal siges, og gem den resulterende lyd som en fil. En praktisk beskrivelse kan være en forberedt produktforklaring, en indtalt applikationsbesked eller et indtalingssegment, som skal indgå i en redigering. Forbered manuskriptet som den ønskede talte tekst, inklusive de navne, tal og formuleringer, lytteren skal høre.
Send POST /v1/audio/speech med application/json. De obligatoriske felter er model, sat til sesame/csm-1b, og input, der indeholder manuskriptet som en streng. Læs en manuskriptfil som UTF-8-tekst, og placér dens indhold i input frem for at angive et lokalt filnavn. Når det talte indhold holdes i dette felt, får genereringen et konkret manuskript at følge, og applikationen kan gemme den præcise ordlyd sammen med den resulterende fil.
De navngivne stemmevalg er conversational_a, conversational_b, read_speech_a, read_speech_b, read_speech_c, read_speech_d og none. Bevar disse identifikatorer præcist i voice-feltet. Vælg en stemme eksplicit, når en arbejdsgang kræver en gentagelig anmodningskonfiguration, og gem den valgte indstilling sammen med manuskript og output. Lyt til et repræsentativt segment for at afgøre, hvilken tilgængelig stemme der passer til den ønskede anvendelse.
Brug response_format til at vælge mp3 eller pcm. MP3 leveres som audio/mpeg og giver en fil, der kan sendes videre til en afspiller eller redigeringsarbejdsgang, som accepterer MP3. PCM leveres som audio/pcm med 16-bit little-endian-samples; gem dens faktiske lydmetadata til den applikation, der skal fortolke bytes. Angiv formatet eksplicit, så filen og den efterfølgende dekoder stemmer overens. Det dokumenterede anmodningseksempel bruger speed:1; bevar dette udgangspunkt, når du forbereder en anmodning med de fastlagte indstillinger.
Det vellykkede svar indeholder rå lydbytes. Gem svarindholdet som lyd, og bevar svarheaderne og den oprindelige anmodnings identitet sammen med manuskript, stemme og det ønskede format. Betragt afslutningen af dette svar som det tidspunkt, hvor den returnerede lyd kan gemmes og gennemgås. Kontrollér de talte navne, tal og sætningsgrænser mod kildemanuskriptet, før du føjer resultatet til en længere produktion. Hvis en anmodning afbrydes efter indsendelsen, skal du gemme dens oprindelige identitet og svaroplysninger, mens du kontrollerer det eksisterende udfald.
", "aboutText": "Sesame CSM 1B er en tekst-til-tale-model, der er tilgængelig under det præcise ID sesame/csm-1b. Medsend de ord, der skal siges, og gem den resulterende lyd som en fil. En praktisk beskrivelse kan være en forberedt produktforklaring, en indtalt applikationsbesked eller et indtalingssegment, som skal indgå i en redigering. Forbered manuskriptet som den ønskede talte tekst, inklusive de navne, tal og formuleringer, lytteren skal høre.\n\nSend POST /v1/audio/speech med application/json. De obligatoriske felter er model, sat til sesame/csm-1b, og input, der indeholder manuskriptet som en streng. Læs en manuskriptfil som UTF-8-tekst, og placér dens indhold i input frem for at angive et lokalt filnavn. Når det talte indhold holdes i dette felt, får genereringen et konkret manuskript at følge, og applikationen kan gemme den præcise ordlyd sammen med den resulterende fil.\n\nDe navngivne stemmevalg er conversational_a, conversational_b, read_speech_a, read_speech_b, read_speech_c, read_speech_d og none. Bevar disse identifikatorer præcist i voice-feltet. Vælg en stemme eksplicit, når en arbejdsgang kræver en gentagelig anmodningskonfiguration, og gem den valgte indstilling sammen med manuskript og output. Lyt til et repræsentativt segment for at afgøre, hvilken tilgængelig stemme der passer til den ønskede anvendelse.\n\nBrug response_format til at vælge mp3 eller pcm. MP3 leveres som audio/mpeg og giver en fil, der kan sendes videre til en afspiller eller redigeringsarbejdsgang, som accepterer MP3. PCM leveres som audio/pcm med 16-bit little-endian-samples; gem dens faktiske lydmetadata til den applikation, der skal fortolke bytes. Angiv formatet eksplicit, så filen og den efterfølgende dekoder stemmer overens. Det dokumenterede anmodningseksempel bruger speed:1; bevar dette udgangspunkt, når du forbereder en anmodning med de fastlagte indstillinger.\n\nDet vellykkede svar indeholder rå lydbytes. Gem svarindholdet som lyd, og bevar svarheaderne og den oprindelige anmodnings identitet sammen med manuskript, stemme og det ønskede format. Betragt afslutningen af dette svar som det tidspunkt, hvor den returnerede lyd kan gemmes og gennemgås. Kontrollér de talte navne, tal og sætningsgrænser mod kildemanuskriptet, før du føjer resultatet til en længere produktion. Hvis en anmodning afbrydes efter indsendelsen, skal du gemme dens oprindelige identitet og svaroplysninger, mens du kontrollerer det eksisterende udfald.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "f04a26f40157d10bc1c5a6e323725035b5413da0fef9ff44f194f714120a0bf7", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "da", "methods": [ { "html": "sesame/csm-1bSesame CSM 1B omdanner medsendt tekst til tale via POST /v1/audio/speech. Brug sesame/csm-1b med det faktiske manuskript, vælg en af de navngivne stemmer, og anmod om MP3- eller PCM-lyd. Den egner sig til en arbejdsgang, der omdanner en forberedt besked, forklaring eller et indtalingssegment til en lydfil til afspilning eller redigering.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Sesame CSM 1B er en tekst-til-tale-model, der er tilgængelig under det præcise ID sesame/csm-1b. Medsend de ord, der skal siges, og gem den resulterende lyd som en fil. En praktisk beskrivelse kan være en forberedt produktforklaring, en indtalt applikationsbesked eller et indtalingssegment, som skal indgå i en redigering. Forbered manuskriptet som den ønskede talte tekst, inklusive de navne, tal og formuleringer, lytteren skal høre.
Send POST /v1/audio/speech med application/json. De obligatoriske felter er model, sat til sesame/csm-1b, og input, der indeholder manuskriptet som en streng. Læs en manuskriptfil som UTF-8-tekst, og placér dens indhold i input frem for at angive et lokalt filnavn. Når det talte indhold holdes i dette felt, får genereringen et konkret manuskript at følge, og applikationen kan gemme den præcise ordlyd sammen med den resulterende fil.
De navngivne stemmevalg er conversational_a, conversational_b, read_speech_a, read_speech_b, read_speech_c, read_speech_d og none. Bevar disse identifikatorer præcist i voice-feltet. Vælg en stemme eksplicit, når en arbejdsgang kræver en gentagelig anmodningskonfiguration, og gem den valgte indstilling sammen med manuskript og output. Lyt til et repræsentativt segment for at afgøre, hvilken tilgængelig stemme der passer til den ønskede anvendelse.
Brug response_format til at vælge mp3 eller pcm. MP3 leveres som audio/mpeg og giver en fil, der kan sendes videre til en afspiller eller redigeringsarbejdsgang, som accepterer MP3. PCM leveres som audio/pcm med 16-bit little-endian-samples; gem dens faktiske lydmetadata til den applikation, der skal fortolke bytes. Angiv formatet eksplicit, så filen og den efterfølgende dekoder stemmer overens. Det dokumenterede anmodningseksempel bruger speed:1; bevar dette udgangspunkt, når du forbereder en anmodning med de fastlagte indstillinger.
Det vellykkede svar indeholder rå lydbytes. Gem svarindholdet som lyd, og bevar svarheaderne og den oprindelige anmodnings identitet sammen med manuskript, stemme og det ønskede format. Betragt afslutningen af dette svar som det tidspunkt, hvor den returnerede lyd kan gemmes og gennemgås. Kontrollér de talte navne, tal og sætningsgrænser mod kildemanuskriptet, før du føjer resultatet til en længere produktion. Hvis en anmodning afbrydes efter indsendelsen, skal du gemme dens oprindelige identitet og svaroplysninger, mens du kontrollerer det eksisterende udfald.
POST /v1/audio/speechtextaudio| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser sesame/csm-1b | Standard— |
Feltinput | Typestring | KravPåkrævet | Værdier og grænser | Standard— |
Feltvoice | Typestring | KravValgfrit | Værdier og grænser conversational_a, conversational_b, read_speech_a, read_speech_b, read_speech_c, read_speech_d, none | Standard— |
Feltresponse_format | Typestring | KravValgfrit | Værdier og grænser mp3, pcm | Standard— |
Feltspeed | Typenumber | KravValgfrit | Værdier og grænser | Standard— |
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktapplication/json |
Parameterrequired | Kontraktmodel, input |
Parameteroptional | Kontraktvoice, response_format, speed |
Parametermaterial_types | Kontrakttext |
Parameterconditions | Kontrakt |
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 $0.000014 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('{"input": "Hello world", "model": "sesame/csm-1b", "response_format": "mp3", "speed": 1, "voice": "conversational_a"}')\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.\nmp3,pcm
GET /v1/media/assetsGET /v1/media/assets/{asset_id}Gem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.
Retain the complete binary audio and response headers. Use the actual output Content-Type; no extra container or bit depth is inferred.
Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.
Ailoot Ultra sesame/csm-1b
Brug metodestierne vist ovenfor.