Canopy Labs: Orpheus 3B

Canopy Labsin hienosäädetty englanninkielinen Orpheus 3B -puhemalli muuntaa kirjoitetut repliikit ilmaisulliseksi ääneksi. Kahdeksan valmista ääntä ja sanattomien ilmausten tagit tukevat kerrontaa, vuoropuhelua ja sovellusten puhuttuja vastauksia.

Ailoot Ultra · Puhesynteesi POST /v1/audio/speech canopylabs/orpheus-3b-0.1-ft

Tietoa mallista

Tämä kuvaus kattaa mallin ominaisuudet. Ailootissa saatavilla olevat syötteet, tulosteet ja asetukset luetellaan alla valitulle menetelmälle.

Orpheus 3B 0.1 Fine-Tuned on Canopy Labsin englanninkielinen tekstistä puheeksi -malli arkiseen synteesiin. Se kuuluu Llama 3B -runkomalliin perustuvaan Orpheus-perheeseen ja keskittyy luontevaan intonaatioon, rytmiin ja ilmaisulliseen esitykseen. Syötteenä on puhuttava teksti ja valittu puhuja; tuloksena on puheääni. Valmistaja mainitsee myös zero-shot-äänenkloonauksen juuri tälle hienosäädetylle mallille. Julkaistu hienosäädetyn mallin synteesiesimerkki käyttää valmiita puhujia, kun taas viiteaineistolla ehdollistettu teksti–puhe-kehotus on dokumentoitu erikseen esikoulutetulle versiolle. Tämä hienosäädetty versio on erillinen esikoulutetusta mallista ja erikseen julkaistuista monikielisistä tutkimusmalleista.

Valitse puhuja ja valmistele repliikki

Valmistaja luettelee kahdeksan valmista englanninkielistä ääntä: tara, leah, jess, leo, dan, mia, zac ja zoe. Kehotekäytännössä puhujan nimi sijoitetaan ennen puhuttavaa tekstiä ja erotetaan siitä kaksoispisteellä. Viitteellinen puhegeneroinnin työnkulku voi lisätä tämän muotoilun, kun ääni annetaan erikseen. Valitse teokseen sopiva puhuja ja pidä valinta samana toisiinsa liittyvissä katkelmissa.

Kirjoita lyhyeen selitykseen lopullinen kerronta sen sijaan, että ohjeistaisit mallia keksimään selityksen. Hyödyllinen puhuttu repliikki on: ”Valitse kansio, jonka haluat jakaa, tarkista, kuka voi avata sen, ja tallenna muutokset.” Valmistele vuoropuhelussa jokaisen puhujan repliikki erikseen ja säilytä esitystä tukevat välimerkit. Kirjoita lyhenne, päivämäärä tai tuotenimi siinä muodossa, jossa haluat kuulijan kuulevan sen, varsinkin jos kirjoitettu lyhytmuoto olisi monitulkintainen.

Ilmaisulliset ja sanattomat vihjeet

Orpheus dokumentoi tagit <laugh>, <chuckle>, <sigh>, <cough>, <sniffle>, <groan>, <yawn> ja <gasp>. Ne lisäävät tekstiin nimenomaisen sanattoman tapahtuman oikeaan kohtaan. Lyhyessä keskustelukatkelmassa voi sijoittaa naurahduksen ennen kevyttä huomautusta tai huokauksen ennen pohdiskelevaa lausetta. Käytä vihjettä siellä, missä se kuuluu esitykseen, ja pidä repliikin varsinaiset sanat selkeinä.

Nämä ovat puhegeneroinnin vihjeitä, eivät yleinen ohjekieli olemassa olevan tallenteen muokkaamiseen. Aloita taustakerronta luettavasta tekstistä ja lisää vain kohtauksen tarvitsemat ilmaisutapahtumat. Kuuntele koko repliikki arvioidaksesi, tukevatko tapahtuma, painotus ja tahti merkitystä. Kerrontatehtävä voi edellyttää tasaista ääntä, kun taas hahmon repliikki voi hyötyä tietystä sanattomasta vihjeestä.

Suoratoisto ja äänitulos

Valmistaja tarjoaa sekä ilman suoratoistoa toimivan muistikirjan että suoratoistavan puhe-esimerkin. Suoratoisto palauttaa peräkkäisiä ääniosia katkelman generoinnin aikana. Julkaistussa esimerkissä osat kirjoitetaan mono-WAV-tiedostoon 24 000 Hz:n taajuudella ja 16-bittisillä näytteillä. Nämä tiedostoasetukset kuvaavat viitetyönkulkua; hyödyllinen tulos on toistettava tallenne, jonka sanat, puhuja ja esitystapa voidaan tarkistaa käsikirjoituksesta.

Valmistele pidempään kerrontaan johdonmukaisia katkelmia selkeillä lauserajoilla ja säilytä lopullisen käsikirjoituksen kopio äänen rinnalla. Tarkista jokaisen katkelman alku ja loppu, tärkeiden nimien ääntäminen sekä vierekkäisten tallenteiden siirtymä. Valmistajan näytteistysohje määrittää viitetoteutuksen vakaata generointia varten vähintään 1.1:n toistorangaistuksen ja huomauttaa näytteistysvalintojen voivan vaikuttaa puhenopeuteen. Esimerkissä määritetty mallin pituus on päättelyasetus, ei vahvistettu kerronnan enimmäiskesto.

Versioiden rajat

Tämä profiili koskee hienosäädettyä englanninkielistä mallia ja sen dokumentoituja valmiita puhujia. Esikoulutetulla mallilla on oma tekstiin ja puheeseen perustuva ehdollistustyönkulkunsa; monikielisillä julkaisuilla on kielikohtaiset puhujat ja tagit. Tämän englanninkielisen version valitseminen ei yhdistä erillisiä profiileja. Käytännön toimitus sisältää puhuttavan käsikirjoituksen, tarkoituksella valitun valmiin äänen ja äänen, jonka sanamuodot sekä esitys on tarkistettu teoksen tarpeiden mukaan.

Ailoot Ultra · Puhesynteesi POST /v1/audio/speech canopylabs/orpheus-3b-0.1-ft

canopylabs/orpheus-3b-0.1-ft

Canopy Labs /canopylabs/orpheus-3b-0.1-ft

Aloitus

Hyväksytyt syötteet: Teksti
Tulokset: Ääni

Saatavilla Ailootissa · syötteet & menetelmät

Ailoot Ultra · Puhesynteesi POST /v1/audio/speech

Syötetyypit: text
Tulostyypit: audio
Tulosteen muoto: mp3

Kenttä	Tyyppi	Vaatimus	Arvot & rajat	Oletus
Kenttä`model`	Tyyppi`string`	VaatimusPakollinen	Arvot & rajat canopylabs/orpheus-3b-0.1-ft	Oletus—
Kenttä`input`	Tyyppi`string`	VaatimusPakollinen	Arvot & rajat Vähimmäispituus: 1 Yksikkö: Unicode-merkit	Oletus—
Kenttä`voice`	Tyyppi`string`	VaatimusPakollinen	Arvot & rajat tara, leah, jess, leo, dan, mia, zac	Oletus—
Kenttä`response_format`	Tyyppi`string`	VaatimusPakollinen	Arvot & rajat mp3	Oletus—

Syöteaineistojen yhdistelmät

text_to_speech · Pakollinen: input

Menetelmän parametrit ja elinkaari

Parametri	Sopimus
Parametri`content_type`	Sopimusapplication/json
Parametri`required`	Sopimusmodel, input, voice, response_format
Parametri`voice_ids`	Sopimustara, leah, jess, leo, dan, mia, zac
Parametri`response_format`	Sopimusmp3
Parametri`max_input_characters`	Sopimusnull
Parametri`other_options`	Sopimusfalse
Parametri`input`	Sopimustäsmällinen UTF-8-teksti; Unicode-merkkien määrä ilman normalisointia
Parametri`material_types`	Sopimustext

Elinkaari: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · todellisuudessa palautettu task_id tai mediakirjaston tietue

GET /v1/media/assets/{asset_id}/content

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Valitse juuri tämän malliprofiilin ääni.

Syötemerkit ja äänisekunnit ovat eri mittareita.

Hinnoittelu

Hintatiedot eivät lisää pyyntövalintoja. Tuetut parametrit on lueteltu valitulle menetelmälle.

Nopea tila: Ei määritetty Kun nopea tila on valittu
Flex-tila: Ei määritetty Kun flex-tila on valittu
Päättelyn enimmäisteho: Ei määritetty Kun päättelyn enimmäistehoon sovelletaan default-oletussäätöä

Ailoot-hinnat

Hinnat asetusten mukaan

Kohdista kukin veloitus näytettyihin ehtoihin. Käytä yhtä hintaa kutakin vaihtoehtoisten asetusten ryhmää kohden.

Asetukset	Hinnasto	Laskutettava määrä	Laskutusyksikkö	Veloitus
AsetuksetTokenien perushinnat	HinnastoPerushinta	Laskutettava määrä—	Laskutusyksikkö—	Veloitus Syöte · Syötetokenit — / 1K tokenia Tuloste · Tulostokenit — / 1K tokenia Syöte · Välimuistin luku — / 1K tokenia Syöte · Välimuistiin kirjoitus — / 1K tokenia Syöte · Välimuistiin kirjoitus, 1 tunti — / 1K tokenia
AsetuksetUltra	Hinnasto—	Laskutettava määräJokainen Unicode-koodipiste lasketaan yhdeksi merkiksi, myös Han-merkit.	Laskutusyksikkö1K syötemerkkiä kohden	Veloitus Syöte · syötemerkki $0.03 1K syötemerkkiä kohden

Viitehinnaston tiedot

Mallitason viitehinnastot eivät muuta menetelmän valintaa, hinta-arvioita tai veloituksia. Käytössä olevat veloitukset käyttävät valitun Ailoot-menetelmän hintoja.

Canopy Labs: Orpheus 3B

Hinnat asetusten mukaan

Asetukset	Laskutusehdot	Veloitus
AsetuksetCanopy Labs: Orpheus 3B · Oletusasetukset	LaskutusehdotOletuskokoonpano	Veloitus Syöte · Syötteen merkit 0,000014 $ syötemerkkiä kohden

Ailoot varaa arvioidun summan ennen pyyntöä. Tuloksen jälkeen lopullinen veloitus toteutetaan mitatun käytön perusteella. Suoratoiston veloituksessa käytetään lopullista käyttötietuetta. Varauksen ja lopullisen veloituksen toiminta →

Esimerkkipyynnöt

Ailoot Ultra · Puhesynteesi

curl

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": "canopylabs/orpheus-3b-0.1-ft", "input": "Good afternoon! This is a short voice take."}')
voice=os.environ["AILOOT_VOICE_ID"]
allowed=json.loads('["tara", "leah", "jess", "leo", "dan", "mia", "zac"]')
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

Vastaanota ja tallenna tulokset

Ailoot Ultra · Puhesynteesi

mp3

GET /v1/media/tasks/{task_id}
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}

Muut sisällön lukukerrat

MediakirjastoTehtävän tilaAineiston tiedot

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

Säilytä kaikki valmistuneet tulokset

Säilytä jokainen kokonainen palautettu vastaus, tiedosto ja sisällön osa.

Säilytä koko binääritulos ja otsakkeet. Jos palautetaan JSON tai useita tulosteita, säilytä jokainen data-alkio ja nouda jokainen resurssi sen todellisesta allekirjoitetusta URL-osoitteesta.

Jos alkuperäinen vastaus on tarkistettava

Säilytä alkuperäinen operation_id/X-Client-Request-ID täsmäytystä varten lähettämättä pyyntöä uudelleen; erillistä äänen tilakyselyreittiä ei ole.

Vastauksen kentät

Kenttä	Tyyppi
Kenttä`binary audio`	Tyyppibytes
Kenttä`response headers`	Tyyppiheaders

Virheet ja seuraavat vaiheet

Vastaus	Ehto	Seuraava vaihe
Vastaus400 · `invalid_request_error`	EhtoVirheelliset pakolliset kentät, aineiston esitysmuoto tai parametrin arvo	Seuraava vaiheKorjaa ilmoitetut kentät ennen uutta luontipyyntöä.
Vastaus`server_error`	EhtoPalautettu vastaus ilmoittaa, että operaatio tai tulos edellyttää tarkistusta	Seuraava vaiheSäilytä alkuperäinen palautettu operaation tai tehtävän ID, pyynnön otsakkeet ja vastaus; jatka kyseisen alkuperäisen operaation tuettuja lukutoimintoja. Älä lähetä luontipyyntöä uudelleen.

Aliakset

Mallin aliakset

Ailoot Ultra canopylabs/orpheus-3b-0.1-ft

Menetelmäpolkujen aliakset

Käytä yllä näytettyjä menetelmäpolkuja.

Liittyvät kutsujan ID:t

canopylabs/orpheus-3b-0.1-ft

FAQ · Canopy Labs: Orpheus 3B

Mitä syötteitä ja tuloksia on saatavilla?: POST /v1/audio/speech · canopylabs/orpheus-3b-0.1-ft: text → audio
Mitä kenttiä pyyntö käyttää?: POST /v1/audio/speech · canopylabs/orpheus-3b-0.1-ft: model, input, voice, response_format

Canopy Labs: Orpheus 3B