Deepgram: Flux TTS
Deepgram Flux TTS wandelt englischen Text in gesprochene Gesprächsbeiträge um und bewahrt den Ton über mehrere Beiträge hinweg. Sein Streaming-Modus behandelt Unterbrechungen; Batch-Synthese erzeugt wiederverwendbares Audio mit demselben Stimmenkatalog.
Über das Modell
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Flux TTS ist Deepgrams Text-to-Speech-Familie für Live-Gespräche und fest vorbereitete gesprochene Inhalte. Ihr bestimmendes Merkmal ist Gesprächskontinuität: Das Streaming-Modell erhält Prosodie über Beiträge hinweg, sodass der Vortrag während einer fortlaufenden Interaktion einen konsistenten Ton bewahren kann. Es akzeptiert geschriebenen Text und gibt Sprachaudio zurück. Flux TTS und das separat benannte Spracherkennungsmodell Flux übernehmen unterschiedliche Teile eines Sprachgesprächs.
Eine englische Stimme auswählen
Der dokumentierte Flux-Katalog spricht Englisch mit amerikanischen, britischen, irischen, australischen, indischen, singapurischen und philippinischen Akzenten. Stimmbeschreibungen helfen bei der Sprecherwahl für Kundenservice, Telefonmenüs, Erzähltexte oder lockere Gespräche. Der Hersteller führt beispielsweise Haley als ruhige amerikanische Stimme und Jack als professionelle britische Stimme auf. Wählen Sie eine Stimme anhand des Publikums und der Art des vorzulesenden Wortlauts und halten Sie sie während des Stücks oder Gesprächs stabil. Sprachausgabe in anderen Sprachen gehört zu einer separat dokumentierten Modellwahl.
Live-Beiträge und Unterbrechungen
Im Streaming-Workflow des Herstellers kann Text eintreffen, während die Anwendung eine Antwort verfasst, und Audio wird schrittweise zurückgegeben. Ein Beitrag hat eigene Start- und Abschlussereignisse; das Beenden des Beitrags schließt die verbleibende Synthese ab. Kontext über mehrere Beiträge erhält die Prosodie innerhalb dieser Sitzung. Dies ist für einen gesprochenen Assistenten nützlich, der erst eine Auswahl erklärt und dann eine Rückfrage beantwortet, ohne seinen Stimmcharakter zu ändern.
Eine Unterbrechung bricht den aktiven Beitrag ab und gibt den gesprochenen Teil sowie den übrig gebliebenen Text zurück. Diese Unterscheidung hilft der Anwendung, an das tatsächlich vom Hörer Gehörte anzuknüpfen. Bereiten Sie für eine praktische Interaktion eine kurze Antwort mit der wichtigen Anweisung zuerst und der Erklärung danach vor. Unterbricht der Hörer nach dieser ersten Anweisung, kann die nächste Antwort auf die neue Frage eingehen, statt davon auszugehen, dass der Hörer die vollständige Erklärung gehört hat.
Festes Audio und Ausgabeformate
Batch-Synthese nimmt einen vollständigen Textblock entgegen und gibt dessen Audio in einer Antwort zurück. Sie verwendet denselben Stimmenkatalog wie Streaming und eignet sich für vorab vorbereitete Telefonansagen, Benachrichtigungen oder Erzählaufnahmen. Batch-Anfragen sind unabhängig; Streaming-Beitragszustand und Unterbrechungsereignisse gelten nicht für einen festen Clip.
Die Streaming-Ausgabe ist rohes Audio ohne Dateicontainer: 16-Bit-PCM, mu-law oder A-law. Der Hersteller dokumentiert PCM-Abtastraten von 8, 16, 24, 32, 44.1 und 48 kHz; mu-law und A-law verwenden 8 oder 16 kHz. Batch-Ausgabe unterstützt zusätzlich MP3, Opus, FLAC und AAC. Wählen Sie eine Kodierung und einen Container, die der vorgesehene Player oder Telefonieweg interpretieren kann, statt einen Strom roher Samples als gewöhnliche Audiodatei zu behandeln.
Vortragseinstellungen und Grenzen
Der Hersteller dokumentiert einen Sprechgeschwindigkeitsbereich von 0.5 bis 1.5 in Schritten von 0.05. Geschwindigkeitsänderungen im Streaming werden an einer Segmentgrenze wirksam. Eine separate Beta-Einstellung für Ausdrucksstärke verändert den Vortrag von ruhig bis lebhaft. Gewöhnliches SSML und erkannte Tags von Wettbewerbern werden entfernt, statt als Ausdrucksanweisungen verwendet zu werden; native Flux-Einstellungen haben ihre eigene Bedeutung.
Inline-Pausen gehören zur Batch-Synthese, mit Dauern von 500–3.000 ms in Schritten von 100 ms und höchstens acht Markierungen pro Anfrage. Text muss benachbarte Pausen trennen, und bei vorhandener Pause ist die Geschwindigkeit auf 1.15 begrenzt. Aussprachevorgaben verwenden IPA und sind im Early Access; der Hersteller weist darauf hin, dass eine angeforderte Aussprache zwischen Generierungen variieren kann. Aussprachevorgaben können nicht mit einer vom Standard abweichenden Geschwindigkeit oder Pauseneinstellungen kombiniert werden. Hören Sie bei einem Skript mit Fachnamen diese Begriffe in der gewählten Stimme an und halten Sie den Sprechwortlaut ausdrücklich fest.
Deepgrams dokumentierte Streaming-Sitzung dauert bis zu einer Stunde und schließt nach sechzig Sekunden ohne eingehende Nachricht, sofern sie nicht durch den unterstützten Verbindungsmechanismus aktiv gehalten wird. Diese Sitzungsgrenzen betreffen den Workflow zur Live-Synthese. Ein nützliches Ergebnis besteht aus einer bewusst gewählten Stimme, hörerfreundlichem Text und zielgerechtem Audio, wobei Live-Anwendungen bei einer Beitragsunterbrechung verfolgen, was tatsächlich gesprochen wurde.
Ailoot Ultra · Sprachausgabe POST /v1/audio/speech deepgram/flux-tts
deepgram/flux-ttsEinstieg
Deepgram Flux TTS wandelt englischen Text in gesprochene Gesprächsbeiträge um und bewahrt den Ton über mehrere Beiträge hinweg. Sein Streaming-Modus behandelt Unterbrechungen; Batch-Synthese erzeugt wiederverwendbares Audio mit demselben Stimmenkatalog.
- Zulässige Eingaben
- Text
- Ergebnisse
- Audio
In Ailoot verfügbar · Eingaben und Methoden
Ailoot Ultra · Sprachausgabe POST /v1/audio/speech
- Eingabe
text- Ausgabe
audio- Ausgabeformat
- mp3
| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits deepgram/flux-tts | Standard— |
Feldinput | Typstring | AnforderungErforderlich | Werte und Limits Mindestlänge: 1 Einheit: Unicode-Zeichen | Standard— |
Feldvoice | Typstring | AnforderungErforderlich | Werte und Limits flux-alexis-en, flux-bree-en, flux-brittany-en, flux-brooke-en, flux-bruce-en, flux-cliff-en, flux-cole-en, flux-colin-en, flux-conor-en, flux-donovan-en, flux-drew-en, flux-elise-en, flux-gemma-en, flux-haley-en, flux-hannah-en, flux-heather-en, flux-jack-en, flux-kai-en, flux-kelsey-en, flux-kit-en, flux-maeve-en, flux-marcelo-en, flux-marcus-en, flux-meena-en, flux-meghan-en, flux-miles-en, flux-naveen-en, flux-paige-en, flux-priya-en, flux-rufus-en, flux-sean-en, flux-sharon-en, flux-sienna-en, flux-tanner-en, flux-wade-en, flux-wes-en | Standard— |
Feldresponse_format | Typstring | AnforderungErforderlich | Werte und Limits mp3 | Standard— |
Kombinationen von Eingabematerialien
text_to_speech · Erforderlich: input
Methodenparameter und Lebenszyklus
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, input, voice, response_format |
Parametervoice_ids | Vertragflux-alexis-en, flux-bree-en, flux-brittany-en, flux-brooke-en, flux-bruce-en, flux-cliff-en, flux-cole-en, flux-colin-en, flux-conor-en, flux-donovan-en, flux-drew-en, flux-elise-en, flux-gemma-en, flux-haley-en, flux-hannah-en, flux-heather-en, flux-jack-en, flux-kai-en, flux-kelsey-en, flux-kit-en, flux-maeve-en, flux-marcelo-en, flux-marcus-en, flux-meena-en, flux-meghan-en, flux-miles-en, flux-naveen-en, flux-paige-en, flux-priya-en, flux-rufus-en, flux-sean-en, flux-sharon-en, flux-sienna-en, flux-tanner-en, flux-wade-en, flux-wes-en |
Parameterresponse_format | Vertragmp3 |
Parametermax_input_characters | Vertragnull |
Parameterother_options | Vertragfalse |
Parameterinput | Vertragexakter UTF-8-Text; Unicode-Zeichenzahl ohne Normalisierung |
Parametermaterial_types | Vertragtext |
Lebenszyklus: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · die tatsächlich zurückgegebene task_id oder ein Eintrag in der Medienbibliothek
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Wählen Sie die genaue Stimme aus diesem Modellprofil.
Eingabezeichen und Audiosekunden sind unterschiedliche Messgrößen.
Tarife
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
- Schnellmodus
- Nicht angegeben Wenn der Schnellmodus ausgewählt ist
- Flex-Modus
- Nicht angegeben Wenn der Modus flex ausgewählt ist
- Maximaler Denkaufwand
- Nicht angegeben Wenn beim maximalen Denkaufwand die Standardanpassung (default) verwendet wird
Ailoot-Tarife
Preise nach Konfiguration
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Abrechnungseinheit | Gebühr |
|---|---|---|---|
| KonfigurationBasistarife für Tokens | TarifstaffelGrundtarif | Abrechnungseinheit— | Gebühr Eingabe · Eingabetoken — / 1K Tokens Ausgabe · Ausgabetoken — / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · In Cache schreiben — / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationEingabezeichen | Tarifstaffel— | Abrechnungseinheitpro Eingabezeichen | Gebühr Eingabe · Eingabezeichen $0.00009 pro Eingabezeichen |
Details zum Referenztarif
Referenztarifstaffeln auf Modellebene ändern weder Methodenauswahl noch Kostenvoranschläge oder Gebühren. Für die aktive Abrechnung gelten die Tarife der ausgewählten Ailoot-Methode.
Deepgram: Flux TTS
Preise nach Konfiguration
| Konfiguration | Abrechnungsbedingungen | Gebühr |
|---|---|---|
| KonfigurationDeepgram: Flux TTS · Standardkonfiguration | AbrechnungsbedingungenStandardkonfiguration | Gebühr Eingabe · Eingabezeichen $ 0,00009 pro Eingabezeichen |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
Beispielanfragen
Ailoot Ultra · Sprachausgabe
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": "deepgram/flux-tts", "input": "Good afternoon! This is a short voice take."}')
voice=os.environ["AILOOT_VOICE_ID"]
allowed=json.loads('["flux-alexis-en", "flux-bree-en", "flux-brittany-en", "flux-brooke-en", "flux-bruce-en", "flux-cliff-en", "flux-cole-en", "flux-colin-en", "flux-conor-en", "flux-donovan-en", "flux-drew-en", "flux-elise-en", "flux-gemma-en", "flux-haley-en", "flux-hannah-en", "flux-heather-en", "flux-jack-en", "flux-kai-en", "flux-kelsey-en", "flux-kit-en", "flux-maeve-en", "flux-marcelo-en", "flux-marcus-en", "flux-meena-en", "flux-meghan-en", "flux-miles-en", "flux-naveen-en", "flux-paige-en", "flux-priya-en", "flux-rufus-en", "flux-sean-en", "flux-sharon-en", "flux-sienna-en", "flux-tanner-en", "flux-wade-en", "flux-wes-en"]')
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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o speech.mp3
Ergebnisse abrufen und speichern
Ailoot Ultra · Sprachausgabe
mp3
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Abrufe anderer Inhalte
set -eu
: "${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
Alle fertiggestellten Ergebnisse aufbewahren
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Das vollständige Binärergebnis und die Header aufbewahren. Wenn JSON oder mehrere Ausgaben zurückgegeben werden, jedes Datenelement aufbewahren und jede tatsächlich zurückgegebene signierte Asset-URL abrufen.
Wenn die ursprüngliche Antwort geprüft werden muss
Die ursprüngliche operation_id/X-Client-Request-ID für den Abgleich ohne erneute Einreichung aufbewahren; es gibt keine eigene Route zur Abfrage des Audiostatus.
Antwortfelder
| Feld | Typ |
|---|---|
Feldbinary audio | Typbytes |
Feldresponse headers | Typheaders |
Fehler und nächste Schritte
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Antwortserver_error | BedingungDie zurückgegebene Antwort gibt an, dass der Vorgang oder das Ergebnis eine Prüfung erfordert | Nächster SchrittDie ursprünglich zurückgegebene Vorgangs-/Aufgaben-ID, die Anfrageheader und die Antwort aufbewahren; mit unterstützten Leseaufrufen für diesen ursprünglichen Vorgang fortfahren. Die Erstellungsanfrage nicht erneut senden. |
Aliasnamen
Modellaliasnamen
Ailoot Ultra deepgram/flux-tts
Aliasnamen für Methodenpfade
Verwenden Sie die oben angezeigten Methodenpfade.
Zugehörige Aufrufer-IDs
FAQ · Deepgram: Flux TTS
- Welche Eingaben und Ergebnisse sind verfügbar?
POST /v1/audio/speech·deepgram/flux-tts:text→audio- Welche Felder verwendet die Anfrage?
POST /v1/audio/speech·deepgram/flux-tts:model,input,voice,response_format