GLM-TTS es el modelo de síntesis de voz de Zhipu que se selecciona con el ID exacto glm-tts. Envía POST /v1/audio/speech con model, input y voice. Coloca las palabras que deben pronunciarse directamente en input y selecciona response_format=wav para este perfil. El resultado es una grabación hablada del guion proporcionado, adecuada para reproducirla o importarla a un editor de audio o vídeo.
Utilízalo para una explicación breve de un producto, una bienvenida hablada, un pasaje de instrucciones o un anuncio. Prepara el guion tal como debe leerse en voz alta: incluye las pausas entre frases previstas y escribe de forma explícita los términos cuya pronunciación sea importante para la tarea. Para un tutorial, una solicitud puede contener una instrucción concreta que acompañe a un único paso visible. Para un mensaje de bienvenida, proporciona el texto real y revisa la grabación antes de incorporarla al recorrido del cliente.
La longitud máxima de entrada documentada es de 1024 caracteres. Comprueba este límite a partir del texto terminado, incluidos la puntuación y los espacios. Una narración más larga necesita un guion dividido en pasajes adecuados; conserva el orden de los pasajes y los ajustes elegidos junto con las grabaciones para poder montarlas y revisarlas en conjunto. Un límite de caracteres describe el texto de entrada y no establece una duración fija de la grabación.
El esquema de voice enumera tongtong, chuichui, jam, kazi, douji y luodo. El ejemplo publicado utiliza tongtong con speed=1 y volume=1. Tanto speed como volume son controles opcionales con un valor predeterminado documentado de 1. Para este método WAV, speed es un entero que acepta 1 o 2, y volume es un entero de 1 a 10. El booleano opcional watermark_enabled controla la marca de agua de audio. Deja stream sin especificar o establécelo en false para recibir la grabación WAV completa. Parte de ese ejemplo explícito al preparar una primera grabación y mantén después la voz seleccionada y los ajustes aceptados de forma coherente entre los pasajes relacionados.
La grabación WAV es el resultado terminado de la solicitud de voz. Conserva el audio completo y la información de su respuesta, y escucha después todo el pasaje para comprobar la pronunciación, las palabras, las pausas y la secuencia prevista. Mantén el guion de origen exacto junto a la grabación al preparar revisiones. Si el resultado de una solicitud es incierto, conserva su solicitud original y la información del resultado devuelto antes de crear otra solicitud de síntesis; la ausencia de un archivo de reproducción por sí sola no demuestra que no se haya creado una grabación.
", "aboutText": "GLM-TTS es el modelo de síntesis de voz de Zhipu que se selecciona con el ID exacto glm-tts. Envía POST /v1/audio/speech con model, input y voice. Coloca las palabras que deben pronunciarse directamente en input y selecciona response_format=wav para este perfil. El resultado es una grabación hablada del guion proporcionado, adecuada para reproducirla o importarla a un editor de audio o vídeo.\n\nUtilízalo para una explicación breve de un producto, una bienvenida hablada, un pasaje de instrucciones o un anuncio. Prepara el guion tal como debe leerse en voz alta: incluye las pausas entre frases previstas y escribe de forma explícita los términos cuya pronunciación sea importante para la tarea. Para un tutorial, una solicitud puede contener una instrucción concreta que acompañe a un único paso visible. Para un mensaje de bienvenida, proporciona el texto real y revisa la grabación antes de incorporarla al recorrido del cliente.\n\nLa longitud máxima de entrada documentada es de 1024 caracteres. Comprueba este límite a partir del texto terminado, incluidos la puntuación y los espacios. Una narración más larga necesita un guion dividido en pasajes adecuados; conserva el orden de los pasajes y los ajustes elegidos junto con las grabaciones para poder montarlas y revisarlas en conjunto. Un límite de caracteres describe el texto de entrada y no establece una duración fija de la grabación.\n\nEl esquema de voice enumera tongtong, chuichui, jam, kazi, douji y luodo. El ejemplo publicado utiliza tongtong con speed=1 y volume=1. Tanto speed como volume son controles opcionales con un valor predeterminado documentado de 1. Para este método WAV, speed es un entero que acepta 1 o 2, y volume es un entero de 1 a 10. El booleano opcional watermark_enabled controla la marca de agua de audio. Deja stream sin especificar o establécelo en false para recibir la grabación WAV completa. Parte de ese ejemplo explícito al preparar una primera grabación y mantén después la voz seleccionada y los ajustes aceptados de forma coherente entre los pasajes relacionados.\n\nLa grabación WAV es el resultado terminado de la solicitud de voz. Conserva el audio completo y la información de su respuesta, y escucha después todo el pasaje para comprobar la pronunciación, las palabras, las pausas y la secuencia prevista. Mantén el guion de origen exacto junto a la grabación al preparar revisiones. Si el resultado de una solicitud es incierto, conserva su solicitud original y la información del resultado devuelto antes de crear otra solicitud de síntesis; la ausencia de un archivo de reproducción por sí sola no demuestra que no se haya creado una grabación.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "c1506e9818ef934b5954763e69dd4906412453ae65cca6daa8a9a4625fe2de77", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "es", "methods": [ { "html": "glm-ttsGLM-TTS convierte un guion proporcionado en audio hablado. El perfil glm-tts utiliza el método Audio Speech con una voz explícita y salida WAV, por lo que resulta adecuado para narraciones breves, instrucciones habladas y reproducción de mensajes. Prepara el texto dentro de su límite de entrada documentado de 1024 caracteres.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
GLM-TTS es el modelo de síntesis de voz de Zhipu que se selecciona con el ID exacto glm-tts. Envía POST /v1/audio/speech con model, input y voice. Coloca las palabras que deben pronunciarse directamente en input y selecciona response_format=wav para este perfil. El resultado es una grabación hablada del guion proporcionado, adecuada para reproducirla o importarla a un editor de audio o vídeo.
Utilízalo para una explicación breve de un producto, una bienvenida hablada, un pasaje de instrucciones o un anuncio. Prepara el guion tal como debe leerse en voz alta: incluye las pausas entre frases previstas y escribe de forma explícita los términos cuya pronunciación sea importante para la tarea. Para un tutorial, una solicitud puede contener una instrucción concreta que acompañe a un único paso visible. Para un mensaje de bienvenida, proporciona el texto real y revisa la grabación antes de incorporarla al recorrido del cliente.
La longitud máxima de entrada documentada es de 1024 caracteres. Comprueba este límite a partir del texto terminado, incluidos la puntuación y los espacios. Una narración más larga necesita un guion dividido en pasajes adecuados; conserva el orden de los pasajes y los ajustes elegidos junto con las grabaciones para poder montarlas y revisarlas en conjunto. Un límite de caracteres describe el texto de entrada y no establece una duración fija de la grabación.
El esquema de voice enumera tongtong, chuichui, jam, kazi, douji y luodo. El ejemplo publicado utiliza tongtong con speed=1 y volume=1. Tanto speed como volume son controles opcionales con un valor predeterminado documentado de 1. Para este método WAV, speed es un entero que acepta 1 o 2, y volume es un entero de 1 a 10. El booleano opcional watermark_enabled controla la marca de agua de audio. Deja stream sin especificar o establécelo en false para recibir la grabación WAV completa. Parte de ese ejemplo explícito al preparar una primera grabación y mantén después la voz seleccionada y los ajustes aceptados de forma coherente entre los pasajes relacionados.
La grabación WAV es el resultado terminado de la solicitud de voz. Conserva el audio completo y la información de su respuesta, y escucha después todo el pasaje para comprobar la pronunciación, las palabras, las pausas y la secuencia prevista. Mantén el guion de origen exacto junto a la grabación al preparar revisiones. Si el resultado de una solicitud es incierto, conserva su solicitud original y la información del resultado devuelto antes de crear otra solicitud de síntesis; la ausencia de un archivo de reproducción por sí sola no demuestra que no se haya creado una grabación.
POST /v1/audio/speechtextaudio| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites glm-tts | Predeterminado— |
Campoinput | Tipostring | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campovoice | Tipostring | RequisitoObligatorio | Valores y límites tongtong, chuichui, jam, kazi, douji, luodo | Predeterminado— |
Camporesponse_format | Tipostring | RequisitoObligatorio | Valores y límites wav | Predeterminado— |
Campoencode_format | Tipostring | RequisitoOpcional | Valores y límites base64, hex | Predeterminado— |
Campospeed | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Máximo: 2 | Predeterminado1 |
Campovolume | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Máximo: 10 | Predeterminado1 |
Campowatermark_enabled | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites false | Predeterminado— |
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, input, voice, response_format |
Parámetrooptional | Contratoencode_format, speed, volume, watermark_enabled, stream |
Parámetromaterial_types | Contratotext |
Parámetroconditions | ContratoUse direct WAV output. speed and volume are positive integers within the listed bounds. stream is false or omitted. |
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 $0.00006 por carácter de entrada |
| ConfiguraciónPor solicitud | Tabla de tarifas— | Cantidad para facturaciónuna petición | Unidad de facturación— | Cargo Entrada $0 por solicitud |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${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('{"model": "glm-tts", "input": "Hello, this is a short speech example.", "voice": "tongtong", "response_format": "wav"}')\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.\nwav
GET /v1/media/assetsGET /v1/media/assets/{asset_id}Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Retain the complete binary WAV, response headers and original request identity.
Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.
Ailoot Ultra glm-tts
Usa las rutas de método indicadas arriba.