Sesame CSM 1B es un modelo de texto a voz disponible con el ID exacto sesame/csm-1b. Proporciona las palabras que deben pronunciarse y conserva el audio resultante como un archivo. Un encargo práctico puede ser una explicación preparada de un producto, un mensaje hablado de una aplicación o un segmento de narración que se incorporará a un montaje. Prepara el guion como el texto hablado previsto, incluidos los nombres, los números y las palabras que el oyente necesita escuchar.
Envía POST /v1/audio/speech con application/json. Los campos obligatorios son model, establecido en sesame/csm-1b, e input, que contiene el guion como una cadena. Lee un archivo de guion como texto UTF-8 y coloca su contenido en input en lugar de proporcionar un nombre de archivo local. Mantener el contenido hablado en ese campo da a la generación un guion concreto que seguir y permite a la aplicación conservar la redacción exacta junto al archivo resultante.
Las opciones de voz con nombre son conversational_a, conversational_b, read_speech_a, read_speech_b, read_speech_c, read_speech_d y none. Conserva esos identificadores exactamente en el campo voice. Selecciona una voz de forma explícita cuando un flujo de trabajo necesite una configuración de solicitud repetible y conserva ese ajuste elegido con el guion y la salida. Escucha un segmento representativo para decidir qué voz disponible encaja con el uso previsto.
Utiliza response_format para elegir mp3 o pcm. MP3 se entrega como audio/mpeg y proporciona un archivo que puede pasarse a un reproductor o a un flujo de edición que admita MP3. PCM se entrega como audio/pcm con muestras de 16 bits en orden little-endian; conserva sus metadatos de audio reales para la aplicación que interpretará los bytes. Establece el formato de forma explícita para que el archivo y el decodificador posterior coincidan. El ejemplo de solicitud documentado utiliza speed:1; mantén esa base al preparar una solicitud con los controles establecidos.
La respuesta satisfactoria contiene bytes de audio sin procesar. Guarda el cuerpo de la respuesta como audio y conserva las cabeceras de respuesta y la identidad de la solicitud original junto con el guion, la voz y el formato solicitado. Considera la finalización de esa respuesta como el punto en que el audio devuelto puede guardarse y revisarse. Comprueba los nombres y los números pronunciados, así como los límites entre frases, frente al guion de origen antes de añadir el resultado a una producción más larga. Si una solicitud se interrumpe después del envío, conserva su identidad original y la información de la respuesta mientras compruebas el resultado existente.
", "aboutText": "Sesame CSM 1B es un modelo de texto a voz disponible con el ID exacto sesame/csm-1b. Proporciona las palabras que deben pronunciarse y conserva el audio resultante como un archivo. Un encargo práctico puede ser una explicación preparada de un producto, un mensaje hablado de una aplicación o un segmento de narración que se incorporará a un montaje. Prepara el guion como el texto hablado previsto, incluidos los nombres, los números y las palabras que el oyente necesita escuchar.\n\nEnvía POST /v1/audio/speech con application/json. Los campos obligatorios son model, establecido en sesame/csm-1b, e input, que contiene el guion como una cadena. Lee un archivo de guion como texto UTF-8 y coloca su contenido en input en lugar de proporcionar un nombre de archivo local. Mantener el contenido hablado en ese campo da a la generación un guion concreto que seguir y permite a la aplicación conservar la redacción exacta junto al archivo resultante.\n\nLas opciones de voz con nombre son conversational_a, conversational_b, read_speech_a, read_speech_b, read_speech_c, read_speech_d y none. Conserva esos identificadores exactamente en el campo voice. Selecciona una voz de forma explícita cuando un flujo de trabajo necesite una configuración de solicitud repetible y conserva ese ajuste elegido con el guion y la salida. Escucha un segmento representativo para decidir qué voz disponible encaja con el uso previsto.\n\nUtiliza response_format para elegir mp3 o pcm. MP3 se entrega como audio/mpeg y proporciona un archivo que puede pasarse a un reproductor o a un flujo de edición que admita MP3. PCM se entrega como audio/pcm con muestras de 16 bits en orden little-endian; conserva sus metadatos de audio reales para la aplicación que interpretará los bytes. Establece el formato de forma explícita para que el archivo y el decodificador posterior coincidan. El ejemplo de solicitud documentado utiliza speed:1; mantén esa base al preparar una solicitud con los controles establecidos.\n\nLa respuesta satisfactoria contiene bytes de audio sin procesar. Guarda el cuerpo de la respuesta como audio y conserva las cabeceras de respuesta y la identidad de la solicitud original junto con el guion, la voz y el formato solicitado. Considera la finalización de esa respuesta como el punto en que el audio devuelto puede guardarse y revisarse. Comprueba los nombres y los números pronunciados, así como los límites entre frases, frente al guion de origen antes de añadir el resultado a una producción más larga. Si una solicitud se interrumpe después del envío, conserva su identidad original y la información de la respuesta mientras compruebas el resultado existente.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "349c62740acfd7ce42c04fc7e00d0eb5f33905673d5e1493f9473d71131ae656", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "es-mx", "methods": [ { "html": "sesame/csm-1bSesame CSM 1B convierte el texto proporcionado en voz mediante POST /v1/audio/speech. Utiliza sesame/csm-1b con el guion real, selecciona una de sus voces con nombre y solicita audio MP3 o PCM. Resulta adecuado para un flujo de trabajo que convierta un mensaje, una explicación o un segmento de narración preparados en un archivo de audio para reproducción o edición.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Sesame CSM 1B es un modelo de texto a voz disponible con el ID exacto sesame/csm-1b. Proporciona las palabras que deben pronunciarse y conserva el audio resultante como un archivo. Un encargo práctico puede ser una explicación preparada de un producto, un mensaje hablado de una aplicación o un segmento de narración que se incorporará a un montaje. Prepara el guion como el texto hablado previsto, incluidos los nombres, los números y las palabras que el oyente necesita escuchar.
Envía POST /v1/audio/speech con application/json. Los campos obligatorios son model, establecido en sesame/csm-1b, e input, que contiene el guion como una cadena. Lee un archivo de guion como texto UTF-8 y coloca su contenido en input en lugar de proporcionar un nombre de archivo local. Mantener el contenido hablado en ese campo da a la generación un guion concreto que seguir y permite a la aplicación conservar la redacción exacta junto al archivo resultante.
Las opciones de voz con nombre son conversational_a, conversational_b, read_speech_a, read_speech_b, read_speech_c, read_speech_d y none. Conserva esos identificadores exactamente en el campo voice. Selecciona una voz de forma explícita cuando un flujo de trabajo necesite una configuración de solicitud repetible y conserva ese ajuste elegido con el guion y la salida. Escucha un segmento representativo para decidir qué voz disponible encaja con el uso previsto.
Utiliza response_format para elegir mp3 o pcm. MP3 se entrega como audio/mpeg y proporciona un archivo que puede pasarse a un reproductor o a un flujo de edición que admita MP3. PCM se entrega como audio/pcm con muestras de 16 bits en orden little-endian; conserva sus metadatos de audio reales para la aplicación que interpretará los bytes. Establece el formato de forma explícita para que el archivo y el decodificador posterior coincidan. El ejemplo de solicitud documentado utiliza speed:1; mantén esa base al preparar una solicitud con los controles establecidos.
La respuesta satisfactoria contiene bytes de audio sin procesar. Guarda el cuerpo de la respuesta como audio y conserva las cabeceras de respuesta y la identidad de la solicitud original junto con el guion, la voz y el formato solicitado. Considera la finalización de esa respuesta como el punto en que el audio devuelto puede guardarse y revisarse. Comprueba los nombres y los números pronunciados, así como los límites entre frases, frente al guion de origen antes de añadir el resultado a una producción más larga. Si una solicitud se interrumpe después del envío, conserva su identidad original y la información de la respuesta mientras compruebas el resultado existente.
POST /v1/audio/speechtextaudio| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites sesame/csm-1b | Predeterminado— |
Campoinput | Tipostring | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campovoice | Tipostring | RequisitoOpcional | Valores y límites conversational_a, conversational_b, read_speech_a, read_speech_b, read_speech_c, read_speech_d, none | Predeterminado— |
Camporesponse_format | Tipostring | RequisitoOpcional | Valores y límites mp3, pcm | Predeterminado— |
Campospeed | Tiponumber | RequisitoOpcional | Valores y límites | Predeterminado— |
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, input |
Parámetrooptional | Contratovoice, response_format, speed |
Parámetromaterial_types | Contratotext |
Parámetroconditions | Contrato |
Ciclo de vida: synchronous_result_then_owned_library
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Cantidad para facturación | Unidad de facturación | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Cantidad para facturación— | Unidad de facturación— | Cargo Entrada · Tokens de entrada — / 1K tokens Salida · Tokens de salida — / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| Configuracióncarácter de entrada | Tabla de tarifas— | Cantidad para facturación— | Unidad de facturaciónpor carácter de entrada | Cargo Entrada · carácter de entrada $0.000014 por carácter de entrada |
| ConfiguraciónPor solicitud | Tabla de tarifas— | Cantidad para facturaciónuna solicitud | Unidad de facturación— | Cargo Entrada $0 por solicitud |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${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}Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
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
Usa las rutas de método indicadas arriba.