Sesame: CSM 1B
Το Sesame CSM 1B μετατρέπει παρεχόμενο κείμενο σε ομιλία μέσω POST /v1/audio/speech. Χρησιμοποιήστε sesame/csm-1b με το πραγματικό κείμενο εκφώνησης, επιλέξτε μία από τις κατονομασμένες φωνές του και ζητήστε ήχο MP3 ή PCM. Ταιριάζει σε ροή εργασίας που μετατρέπει ένα προετοιμασμένο μήνυμα, μια εξήγηση ή ένα τμήμα αφήγησης σε αρχείο ήχου για αναπαραγωγή ή επεξεργασία.
Σχετικά με το μοντέλο
Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.
Το Sesame CSM 1B είναι μοντέλο μετατροπής κειμένου σε ομιλία διαθέσιμο με το ακριβές ID sesame/csm-1b. Παρέχετε τις λέξεις που θα εκφωνηθούν και διατηρήστε τον παραγόμενο ήχο ως αρχείο. Μια πρακτική περιγραφή μπορεί να είναι προετοιμασμένη εξήγηση προϊόντος, προφορικό μήνυμα εφαρμογής ή τμήμα αφήγησης που θα ενταχθεί σε μοντάζ. Προετοιμάστε το κείμενο ως το επιθυμητό περιεχόμενο εκφώνησης, συμπεριλαμβανομένων των ονομάτων, των αριθμών και της διατύπωσης που χρειάζεται να ακούσει ο ακροατής.
Στείλτε POST /v1/audio/speech με application/json. Τα απαιτούμενα πεδία είναι model, ορισμένο σε sesame/csm-1b, και input, που περιέχει το κείμενο εκφώνησης ως συμβολοσειρά. Διαβάστε ένα αρχείο κειμένου εκφώνησης ως κείμενο UTF-8 και τοποθετήστε το περιεχόμενό του στο input αντί να δώσετε τοπικό όνομα αρχείου. Η διατήρηση του εκφωνούμενου περιεχομένου σε αυτό το πεδίο δίνει στη δημιουργία συγκεκριμένο κείμενο να ακολουθήσει και επιτρέπει στην εφαρμογή να διατηρεί την ακριβή διατύπωση μαζί με το παραγόμενο αρχείο.
Οι κατονομασμένες επιλογές φωνής είναι conversational_a, conversational_b, read_speech_a, read_speech_b, read_speech_c, read_speech_d και none. Διατηρήστε αυτά τα αναγνωριστικά ακριβώς στο πεδίο voice. Επιλέξτε ρητά φωνή όταν μια ροή εργασίας χρειάζεται επαναλήψιμη διαμόρφωση αιτήματος και κρατήστε αυτή την επιλεγμένη ρύθμιση μαζί με το κείμενο εκφώνησης και την έξοδο. Ακούστε ένα αντιπροσωπευτικό τμήμα για να αποφασίσετε ποια διαθέσιμη φωνή ταιριάζει στην επιθυμητή χρήση.
Χρησιμοποιήστε response_format για να επιλέξετε mp3 ή pcm. Το MP3 παραδίδεται ως audio/mpeg και παρέχει αρχείο που μπορεί να περάσει σε πρόγραμμα αναπαραγωγής ή ροή επεξεργασίας που δέχεται MP3. Το PCM παραδίδεται ως audio/pcm με δείγματα 16-bit little-endian· διατηρήστε τα πραγματικά μεταδεδομένα ήχου για την εφαρμογή που θα ερμηνεύσει τα bytes. Ορίστε ρητά τη μορφή ώστε το αρχείο και ο επακόλουθος αποκωδικοποιητής να συμφωνούν. Το τεκμηριωμένο παράδειγμα αιτήματος χρησιμοποιεί speed:1· κρατήστε αυτή τη βασική τιμή όταν προετοιμάζετε αίτημα με τους καθιερωμένους ελέγχους.
Η επιτυχής απάντηση περιέχει ακατέργαστα bytes ήχου. Αποθηκεύστε το σώμα της απάντησης ως ήχο και διατηρήστε τις κεφαλίδες της απάντησης και την ταυτότητα του αρχικού αιτήματος μαζί με το κείμενο εκφώνησης, τη φωνή και τη ζητούμενη μορφή. Αντιμετωπίστε την ολοκλήρωση εκείνης της απάντησης ως το σημείο στο οποίο ο επιστρεφόμενος ήχος μπορεί να διατηρηθεί και να ελεγχθεί. Ελέγξτε τα εκφωνούμενα ονόματα, τους αριθμούς και τα όρια προτάσεων σε σχέση με το αρχικό κείμενο πριν προσθέσετε το αποτέλεσμα σε μεγαλύτερη παραγωγή. Αν ένα αίτημα διακοπεί μετά την υποβολή, διατηρήστε την αρχική του ταυτότητα και τις πληροφορίες της απάντησης κατά τον έλεγχο της υπάρχουσας έκβασης.
Ailoot Ultra · Speech POST /v1/audio/speech sesame/csm-1b
sesame/csm-1bΕισαγωγή
Το Sesame CSM 1B μετατρέπει παρεχόμενο κείμενο σε ομιλία μέσω POST /v1/audio/speech. Χρησιμοποιήστε sesame/csm-1b με το πραγματικό κείμενο εκφώνησης, επιλέξτε μία από τις κατονομασμένες φωνές του και ζητήστε ήχο MP3 ή PCM. Ταιριάζει σε ροή εργασίας που μετατρέπει ένα προετοιμασμένο μήνυμα, μια εξήγηση ή ένα τμήμα αφήγησης σε αρχείο ήχου για αναπαραγωγή ή επεξεργασία.
- Αποδεκτές είσοδοι
- Κείμενο
- Αποτελέσματα
- Ήχος
Διαθέσιμα στο Ailoot · είσοδοι και μέθοδοι
Ailoot Ultra · Speech POST /v1/audio/speech
- Είσοδος
text- Έξοδος
audio- Μορφή εξόδου
- mp3,pcm
| Πεδίο | Τύπος | Απαίτηση | Τιμές και όρια | Προεπιλογή |
|---|---|---|---|---|
Πεδίοmodel | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια sesame/csm-1b | Προεπιλογή— |
Πεδίοinput | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοvoice | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια conversational_a, conversational_b, read_speech_a, read_speech_b, read_speech_c, read_speech_d, none | Προεπιλογή— |
Πεδίοresponse_format | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια mp3, pcm | Προεπιλογή— |
Πεδίοspeed | Τύποςnumber | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Παράμετροι και κύκλος ζωής μεθόδου
| Παράμετρος | Σύμβαση |
|---|---|
Παράμετροςcontent_type | Σύμβασηapplication/json |
Παράμετροςrequired | Σύμβασηmodel, input |
Παράμετροςoptional | Σύμβασηvoice, response_format, speed |
Παράμετροςmaterial_types | Σύμβασηtext |
Παράμετροςconditions | Σύμβαση |
Κύκλος ζωής: synchronous_result_then_owned_library
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Τιμολόγηση
Οι τιμολογιακές αναφορές δεν προσθέτουν επιλογές αιτήματος. Οι υποστηριζόμενες παράμετροι αναφέρονται στην επιλεγμένη μέθοδο.
- Γρήγορη λειτουργία
- Δεν έχει οριστεί Όταν επιλέγεται η γρήγορη λειτουργία
- Λειτουργία flex
- Δεν έχει οριστεί Όταν επιλέγεται η λειτουργία flex
- Μέγιστη προσπάθεια συλλογισμού
- Δεν έχει οριστεί Όταν η μέγιστη προσπάθεια συλλογισμού χρησιμοποιεί την προσαρμογή default
Χρεώσεις Ailoot
Τιμές ανά διαμόρφωση
Αντιστοιχίστε κάθε χρέωση στις συνθήκες που εμφανίζονται. Χρησιμοποιήστε μία χρέωση ανά σύνολο εναλλακτικών διαμορφώσεων.
| Διαμόρφωση | Πίνακας χρεώσεων | Ποσότητα τιμολόγησης | Μονάδα τιμολόγησης | Χρέωση |
|---|---|---|---|---|
| ΔιαμόρφωσηΒασικές χρεώσεις token | Πίνακας χρεώσεωνΒασική χρέωση | Ποσότητα τιμολόγησης— | Μονάδα τιμολόγησης— | Χρέωση Είσοδος · Token εισόδου — / 1K token Έξοδος · Token εξόδου — / 1K token Είσοδος · Ανάγνωση από την κρυφή μνήμη — / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη — / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη, 1 ώρα — / 1K token |
| Διαμόρφωσηχαρακτήρας εισόδου | Πίνακας χρεώσεων— | Ποσότητα τιμολόγησης— | Μονάδα τιμολόγησηςανά χαρακτήρα εισόδου | Χρέωση Είσοδος · χαρακτήρας εισόδου $0.000014 ανά χαρακτήρα εισόδου |
| ΔιαμόρφωσηΑνά αίτημα | Πίνακας χρεώσεων— | Ποσότητα τιμολόγησηςένα αίτημα | Μονάδα τιμολόγησης— | Χρέωση Είσοδος $0 ανά αίτημα |
Το Ailoot δεσμεύει ένα εκτιμώμενο ποσό πριν από το αίτημα. Μετά το αποτέλεσμα, εκκαθαρίζει την τελική χρέωση βάσει της μετρημένης χρήσης. Η εκκαθάριση ροής χρησιμοποιεί την τελική καταγραφή χρήσης. Πώς λειτουργούν η δέσμευση και η εκκαθάριση →
Παραδείγματα αιτημάτων
Ailoot Ultra · Speech
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
export AILOOT_API_KEY
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"input": "Hello world", "model": "sesame/csm-1b", "response_format": "mp3", "speed": 1, "voice": "conversational_a"}')
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 result.json
# Submit once. Retain the complete result, original identifiers and every response header.
Λήψη και αποθήκευση αποτελεσμάτων
Ailoot Ultra · Speech
mp3,pcm
GET /v1/media/assetsGET /v1/media/assets/{asset_id}
Διατηρήστε όλα τα ολοκληρωμένα αποτελέσματα
Διατηρήστε κάθε πλήρη απάντηση, αρχείο και τμήμα περιεχομένου που επιστρέφεται.
Retain the complete binary audio and response headers. Use the actual output Content-Type; no extra container or bit depth is inferred.
Αν χρειάζεται έλεγχος της αρχικής απάντησης
Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.
Εναλλακτικά ονόματα
Εναλλακτικά ονόματα μοντέλου
Ailoot Ultra sesame/csm-1b
Εναλλακτικές διαδρομές μεθόδων
Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.
Σχετικά ID μοντέλων
FAQ · Sesame: CSM 1B
- Ποιες είσοδοι και αποτελέσματα διατίθενται;
POST /v1/audio/speech·sesame/csm-1b:text→audio- Ποια πεδία χρησιμοποιεί το αίτημα;
POST /v1/audio/speech·sesame/csm-1b:model,input,voice,response_format,speed