Fish Audio: Drama 3
Drama 3 verwandelt ein geschriebenes Skript in gezielt inszenierte Sprache. Gestalten Sie Emotion und Vortrag mit natürlichsprachlichen Hinweisen, fügen Sie Pausen und Laute ein, steuern Sie die Aussprache und entwickeln Sie Szenen mit mehreren Sprechern. Der veröffentlichte Sprachablauf unterstützt mehr als 80 Sprachen, auch Sprachwechsel innerhalb eines Satzes.
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.
Drama 3 ist Fish Audios Text-zu-Sprache-Modell für ein darstellerisch umgesetztes Skript. Es erzeugt Sprachaudio aus den von Ihnen gelieferten Worten und gibt der Skriptautorin oder dem Skriptautor Kontrolle über den Vortrag. Eine Zeile kann eine emotionale Regieanweisung, eine lokale Änderung der Stimmgestaltung oder eine Ausspracheanweisung enthalten; die Eingabe umfasst somit den gesprochenen Inhalt und die gewünschte Klanggestaltung.
Schreiben Sie den Wortlaut und führen Sie Regie
Bereiten Sie die genauen Worte vor, die die Zuhörenden hören sollen, bevor Sie Vortragsanweisungen ergänzen. Halten Sie wichtige Namen, Daten und Anweisungen im Skript klar und setzen Sie Satzzeichen für den beabsichtigten Satzrhythmus ein. Platzieren Sie anschließend eine natürlichsprachliche Anweisung in eckigen Klammern vor der betreffenden Zeile. Beschreiben Sie die gewünschte Emotion oder Vortragsweise konkret, etwa eine zurückhaltende Durchsage, einen angespannten Wortwechsel oder eine herzliche Erklärung.
Drama 3 unterstützt außerdem lokale Steuerung innerhalb einer Zeile. Eingebettete Anweisungen können Laute und Pausen einführen, während gepaarte Vortragstags bestimmte Wörter beeinflussen können. Halten Sie den Geltungsbereich jeder Anweisung klar: Eine Vorgabe für eine Phrase sollte nicht versehentlich für die gesamte Szene gelten. Lesen Sie das Skript vor der Synthese einmal auf seine Bedeutung und einmal auf seine darstellerische Umsetzung hin.
Szenen, Sprachen und Aussprache
Das veröffentlichte Modell unterstützt mehrere Sprecher innerhalb einer Anfrage. Organisieren Sie den Dialog in klare Sprecherwechsel und geben Sie jedem Beitrag einen Zweck: eine Frage, eine Unterbrechung, eine Erklärung oder eine Antwort. Bei einer Lektion oder einem Erklärstück kann derselbe Ansatz einen Erzähler von einer zitierten Figur trennen, ohne das Material zu einem undifferenzierten Monolog umzuschreiben.
Drama 3 unterstützt mehr als 80 Sprachen und kann die Sprache innerhalb eines Satzes wechseln, wobei die Stimme erhalten bleibt. Bereiten Sie mehrsprachige Passagen in den vorgesehenen gesprochenen Sprachen vor, statt anzunehmen, eine englische Anweisung liefere eine Übersetzung. Entscheiden Sie, wie fremdsprachige Namen und Lehnbegriffe klingen sollen, und verwenden Sie die Phonemsteuerung des Modells, wenn die Aussprache präzise Vorgaben benötigt.
Nützliche Audiomaterialien
Das Modell eignet sich für Figurendialoge, vertonte Lektionen, kurze Erklärstücke, Produktankündigungen und geskriptete Sprachantworten. Bewahren Sie Inhalt und darstellerische Entscheidungen gemeinsam auf: Eine Lernpassage braucht verständliche Fachbegriffe und zweckmäßige Pausen; eine Figurenszene braucht klar getrennte Beiträge und eine konsistente dramatische Absicht. Dies sind Schreibentscheidungen, die vor jeder Audioerzeugung geprüft werden können.
Vergleichen Sie nach der Synthese die gesprochenen Worte mit dem fertigen Skript. Achten Sie beim Anhören auf ausgelassene Phrasen, falsch platzierte Pausen, unklare Sprecherwechsel und die Aussprache geschützter Namen. Bewahren Sie Skript und Vortragsanweisungen mit dem Audio auf, damit eine Korrektur die betroffene Zeile gezielt behandeln kann. Halten Sie bei einer Überarbeitung den endgültigen gesprochenen Inhalt und die zeilenbezogenen darstellerischen Entscheidungen zusammen.
Fähigkeiten
- Sprachsynthese mit gestalteter Darbietung aus einem fertigen Skript.
- Natürlichsprachliche Regieanweisungen in eckigen Klammern vor einer Zeile.
- Eingebettete Laute und Pausen mit gepaarten Vortragstags für einzelne Wörter.
- Szenen mit mehreren Sprechern und mehr als 80 gesprochenen Sprachen.
- Phonemsteuerung für Namen und Fachterminologie.
Anwendungsfälle
- Figurendialog — Ein Skript mit klar getrennten Sprecherbeiträgen und Vortragsanweisungen. Ergebnis: Eine gesprochene Szene mit bewussten Änderungen des Vortrags.
- Vertonte Erklärung — Eine fertige Lektion mit markierten Fachbegriffen und Pausen. Ergebnis: Sprachaudio, das anhand des Lektionstextes geprüft werden kann.
- Mehrsprachige Ankündigung — Endgültiger Text in den vorgesehenen Sprachen mit erhaltenen Ausspracheentscheidungen. Ergebnis: Eine gesprochene Passage mit kontrollierten Sprachübergängen.
- Geskriptete Sprachantwort — Eine knappe Antwort mit ausdrücklich festgelegtem Ton und zu sprechendem Wortlaut. Ergebnis: Ein wiederverwendbares Sprachsegment für die umgebende Anwendung.
Grenzen
- Eingabe und Ergebnis — Das veröffentlichte Modell nimmt Text entgegen und liefert Sprachaudio zurück.
- Geltungsbereich der Anweisungen — Ordnen Sie eine Anweisung der vorgesehenen Zeile oder Phrase zu und begrenzen Sie gepaarte Vortragstags korrekt.
- Prüfeinheit — Bewahren Sie den genauen Skripttext und die Hinweise mit dem Audio auf; prüfen Sie Aussprache und Sprecherwechsel auf Zeilenebene.
Ailoot Ultra · Sprache POST /v1/audio/speech fish-audio/drama-3
fish-audio/drama-3Start
Drama 3 verwandelt ein geschriebenes Skript in gezielt inszenierte Sprache. Gestalten Sie Emotion und Vortrag mit natürlichsprachlichen Hinweisen, fügen Sie Pausen und Laute ein, steuern Sie die Aussprache und entwickeln Sie Szenen mit mehreren Sprechern. Der veröffentlichte Sprachablauf unterstützt mehr als 80 Sprachen, auch Sprachwechsel innerhalb eines Satzes.
- Zulässige Eingaben
- Text
- Ergebnisse
- Audio
In Ailoot verfügbar · Eingaben und Methoden
Ailoot Ultra · Sprache POST /v1/audio/speech
- Eingabetypen
text- Ausgabetypen
audio
| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits fish-audio/drama-3 | Standard— |
Feldinput | Typstring | AnforderungErforderlich | Werte und Limits Mindestlänge: 1 | Standard— |
Feldvoice | Typstring | AnforderungErforderlich | Werte und Limits Mindestlänge: 1 | Standard— |
Feldresponse_format | Typstring | AnforderungOptional | Werte und Limits mp3, pcm | Standardpcm |
Feldprovider | Typobject | AnforderungOptional | Werte und Limits | Standard— |
Methodenparameter und Lebenszyklus
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, input, voice |
Parametermaterial_types | Vertragtext |
Parametermaterial_conditions | VertragWählen Sie eine tatsächlich unterstützte Stimmen-ID; für dieses Modell wurde kein wörtlicher Standardwert bzw. keine Stimme erfunden. |
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}
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 Token | TarifstaffelGrundtarif | Abrechnungseinheit— | Gebühr Eingabe · Eingabetoken — / 1K Token Ausgabe · Ausgabetoken — / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationUTF-8-Eingabebyte | Tarifstaffel— | Abrechnungseinheitpro UTF-8-Byte der Eingabe | Gebühr Eingabe · UTF-8-Eingabebyte $0.00002 pro UTF-8-Byte der Eingabe |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
Beispielanfragen
Ailoot Ultra · Sprache
set -eu
: "${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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o response.bin
# Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.
Ergebnisse abrufen und speichern
Ailoot Ultra · Sprache
Vollständige binäre Audiodaten oder die ursprüngliche audio_url-Antwort, Header und jedes Ihnen zugeordnete Asset.
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Abrufe anderer Inhalte
set -eu
: "${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 owned-assets.json
# Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token.
Alle fertiggestellten Ergebnisse aufbewahren
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Die vollständige Antwort und ihre Header, jede tatsächliche Ausgabe, die ursprünglich zurückgegebenen Kennungen und alle Nutzungsfelder aufbewahren. Den ursprünglichen Vorgang wiederaufnehmen, ohne die Erstellung erneut anzufordern.
Wenn die ursprüngliche Antwort geprüft werden muss
Die zurückgegebene X-Client-Request-ID zum Abgleich aufbewahren. Nur tatsächlich zurückgegebene task_id-/asset_id-Werte oder die eigene Medienbibliothek abfragen; niemals eine Aufgaben-URL aus der Vorgangs-ID bilden und die Erstellung niemals erneut anfordern.
Aliasnamen
Modellaliasnamen
Ailoot Ultra fish-audio/drama-3
Aliasnamen für Methodenpfade
Verwenden Sie die oben angezeigten Methodenpfade.
Zugehörige Aufrufer-IDs
FAQ · Fish Audio: Drama 3
- Welche Eingaben und Ergebnisse sind verfügbar?
POST /v1/audio/speech·fish-audio/drama-3:text→audio- Welche Felder verwendet die Anfrage?
POST /v1/audio/speech·fish-audio/drama-3:model,input,voice,response_format,provider