Deepgram: Flux TTS
Deepgram Flux TTS muuntaa englanninkielisen tekstin keskustelunomaiseksi puheeksi, jonka sävy säilyy vuorojen välillä. Suoratoistotila käsittelee keskeytyksiä; eräsynteesi tuottaa uudelleenkäytettävää ääntä samalla äänivalikoimalla.
Tietoa mallista
Tämä kuvaus kattaa mallin ominaisuudet. Ailootissa saatavilla olevat syötteet, tulosteet ja asetukset luetellaan alla valitulle menetelmälle.
Flux TTS on Deepgramin tekstistä puheeksi -perhe suoriin keskusteluihin ja kiinteään puhuttuun sisältöön. Sen määrittävä ominaisuus on keskustelun jatkuvuus: suoratoistomalli säilyttää prosodian vuorojen välillä, joten esityksen sävy voi pysyä yhtenäisenä vuorovaikutuksen jatkuessa. Se vastaanottaa kirjoitettua tekstiä ja palauttaa puhetta. Flux TTS ja erikseen nimetty Flux-puheentunnistusmalli hoitavat äänikeskustelun eri osia.
Valitse englanninkielinen ääni
Dokumentoitu Flux-valikoima puhuu englantia amerikkalaisella, brittiläisellä, irlantilaisella, australialaisella, intialaisella, singaporelaisella ja filippiiniläisellä aksentilla. Äänikuvaukset auttavat valitsemaan puhujan asiakaspalveluun, puhelinvalikoihin, kerrontaan tai arkiseen keskusteluun. Valmistaja esimerkiksi kuvaa Haleyn rauhalliseksi amerikkalaiseksi ääneksi ja Jackin ammattimaiseksi brittiläiseksi ääneksi. Valitse ääni yleisön ja luettavan tekstin luonteen mukaan ja pidä se samana koko teoksessa tai keskustelussa. Muunkielinen puhe edellyttää erikseen dokumentoitua mallivalintaa.
Suorat vuorot ja keskeytykset
Valmistajan suoratoistotyönkulussa tekstiä voi saapua sovelluksen muodostaessa vastausta, ja ääni palautuu vähitellen. Vuorolla on omat aloitus- ja valmistumistapahtumansa; vuoron päättäminen viimeistelee jäljellä olevan synteesin. Vuorojen välinen konteksti säilyttää prosodian saman istunnon sisällä. Tämä auttaa puhuvaa avustajaa selittämään ensin valinnan ja vastaamaan sitten tarkennukseen muuttamatta äänen luonnetta.
Keskeytys peruuttaa aktiivisen vuoron ja palauttaa puhutun osuuden sekä jäljelle jääneen tekstin. Erottelu auttaa sovellusta jatkamaan siitä, mitä kuulija todella kuuli. Valmistele käytännön vuorovaikutukseen lyhyt vastaus, jossa tärkeä ohje tulee ensin ja selitys sen jälkeen. Jos kuulija keskeyttää ensimmäisen ohjeen jälkeen, seuraava vastaus voi käsitellä uutta kysymystä olettamatta, että koko selitys ehdittiin antaa.
Kiinteä ääni ja tulostemuodot
Eräsynteesi vastaanottaa kokonaisen tekstilohkon ja palauttaa sen äänen yhdessä vastauksessa. Se käyttää samaa äänivalikoimaa kuin suoratoisto ja sopii tallennettuihin puhelintiedotteisiin, ilmoituksiin tai etukäteen valmisteltuun kerrontaan. Eräpyynnöt ovat riippumattomia; suoratoiston vuorotila ja keskeytystapahtumat eivät koske kiinteää leikettä.
Suoratoiston tulos on raakaa ääntä ilman tiedostosäiliötä: 16-bittistä PCM:ää, mu-law'ta tai A-law'ta. Valmistaja dokumentoi PCM:n näytteenottotaajuuksiksi 8, 16, 24, 32, 44.1 ja 48 kHz; mu-law ja A-law käyttävät 8 tai 16 kHz:ä. Erätuloste tukee lisäksi MP3-, Opus-, FLAC- ja AAC-muotoja. Valitse koodaus ja säiliö, jonka aiottu soitin tai puhelinreitti pystyy tulkitsemaan, sen sijaan että käsittelisit raakanäytevirtaa tavallisena äänitiedostona.
Esityksen säätimet ja rajat
Valmistaja dokumentoi puhenopeusalueen 0.5–1.5 askelin 0.05. Suoratoiston nopeusmuutokset tulevat voimaan segmentin rajalla. Erillinen beta-vaiheen ilmaisullisuussäädin muuttaa esitystä rauhallisesta eloisaksi. Tavallinen SSML ja tunnistetut kilpailijoiden tagit poistetaan sen sijaan, että niitä käytettäisiin ilmaisullisina ohjeina; Fluxin omilla säätimillä on oma merkityksensä.
Tekstin sisäiset tauot kuuluvat eräsynteesiin. Niiden kestot ovat 500–3 000 ms askelin 100 ms, ja pyyntöä kohden sallitaan enintään kahdeksan merkintää. Vierekkäisten taukojen välissä täytyy olla tekstiä, ja nopeus rajataan arvoon 1.15, kun mukana on tauko. Ääntämisen korvaukset käyttävät IPA:ta ja ovat Early Access -vaiheessa; valmistaja huomauttaa, että pyydetty ääntäminen voi vaihdella generointien välillä. Ääntämistä ei voi yhdistää oletuksesta poikkeavaan nopeuteen tai taukosäätimiin. Kuuntele erikoisnimiä sisältävän käsikirjoituksen termit valitulla äänellä ja kirjoita puhuttava sanamuoto selkeästi.
Deepgramin dokumentoitu suoratoistoistunto kestää enintään tunnin ja sulkeutuu kuudenkymmenen sekunnin kuluttua ilman saapuvaa viestiä, ellei tuettu yhteysmekanismi pidä sitä aktiivisena. Nämä istuntorajat koskevat suoraa synteesityönkulkua. Hyödyllinen tuotos sisältää harkitun äänen, kuuntelijalle sopivan tekstin ja käyttökohteeseen sopivan äänen. Suorien sovellusten tulee seurata, mitä todella puhuttiin vuoron keskeytyessä.
Ailoot Ultra · Puhesynteesi POST /v1/audio/speech deepgram/flux-tts
deepgram/flux-ttsAloitus
Deepgram Flux TTS muuntaa englanninkielisen tekstin keskustelunomaiseksi puheeksi, jonka sävy säilyy vuorojen välillä. Suoratoistotila käsittelee keskeytyksiä; eräsynteesi tuottaa uudelleenkäytettävää ääntä samalla äänivalikoimalla.
- 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 |
|---|---|---|---|---|
Kenttämodel | Tyyppistring | VaatimusPakollinen | Arvot & rajat deepgram/flux-tts | Oletus— |
Kenttäinput | Tyyppistring | VaatimusPakollinen | Arvot & rajat Vähimmäispituus: 1 Yksikkö: Unicode-merkit | Oletus— |
Kenttävoice | Tyyppistring | VaatimusPakollinen | Arvot & rajat flux-alexis-en, flux-bree-en, flux-brittany-en, flux-brooke-en, flux-bruce-en, flux-cliff-en, flux-cole-en, flux-colin-en, flux-conor-en, flux-donovan-en, flux-drew-en, flux-elise-en, flux-gemma-en, flux-haley-en, flux-hannah-en, flux-heather-en, flux-jack-en, flux-kai-en, flux-kelsey-en, flux-kit-en, flux-maeve-en, flux-marcelo-en, flux-marcus-en, flux-meena-en, flux-meghan-en, flux-miles-en, flux-naveen-en, flux-paige-en, flux-priya-en, flux-rufus-en, flux-sean-en, flux-sharon-en, flux-sienna-en, flux-tanner-en, flux-wade-en, flux-wes-en | Oletus— |
Kenttäresponse_format | Tyyppistring | VaatimusPakollinen | Arvot & rajat mp3 | Oletus— |
Syöteaineistojen yhdistelmät
text_to_speech · Pakollinen: input
Menetelmän parametrit ja elinkaari
| Parametri | Sopimus |
|---|---|
Parametricontent_type | Sopimusapplication/json |
Parametrirequired | Sopimusmodel, input, voice, response_format |
Parametrivoice_ids | Sopimusflux-alexis-en, flux-bree-en, flux-brittany-en, flux-brooke-en, flux-bruce-en, flux-cliff-en, flux-cole-en, flux-colin-en, flux-conor-en, flux-donovan-en, flux-drew-en, flux-elise-en, flux-gemma-en, flux-haley-en, flux-hannah-en, flux-heather-en, flux-jack-en, flux-kai-en, flux-kelsey-en, flux-kit-en, flux-maeve-en, flux-marcelo-en, flux-marcus-en, flux-meena-en, flux-meghan-en, flux-miles-en, flux-naveen-en, flux-paige-en, flux-priya-en, flux-rufus-en, flux-sean-en, flux-sharon-en, flux-sienna-en, flux-tanner-en, flux-wade-en, flux-wes-en |
Parametriresponse_format | Sopimusmp3 |
Parametrimax_input_characters | Sopimusnull |
Parametriother_options | Sopimusfalse |
Parametriinput | Sopimustäsmällinen UTF-8-teksti; Unicode-merkkien määrä ilman normalisointia |
Parametrimaterial_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 | Laskutusyksikkö | Veloitus |
|---|---|---|---|
| AsetuksetTokenien perushinnat | HinnastoPerushinta | 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 |
| Asetuksetsyötemerkki | Hinnasto— | Laskutusyksikkösyötemerkkiä kohden | Veloitus Syöte · syötemerkki $0.00009 syötemerkkiä kohden |
Viitehinnaston tiedot
Mallitason viitehinnastot eivät muuta menetelmän valintaa, hinta-arvioita tai veloituksia. Käytössä olevat veloitukset käyttävät valitun Ailoot-menetelmän hintoja.
Deepgram: Flux TTS
Hinnat asetusten mukaan
| Asetukset | Laskutusehdot | Veloitus |
|---|---|---|
| AsetuksetDeepgram: Flux TTS · Oletusasetukset | LaskutusehdotOletuskokoonpano | Veloitus Syöte · Syötteen merkit 0,00009 $ 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
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": "deepgram/flux-tts", "input": "Good afternoon! This is a short voice take."}')
voice=os.environ["AILOOT_VOICE_ID"]
allowed=json.loads('["flux-alexis-en", "flux-bree-en", "flux-brittany-en", "flux-brooke-en", "flux-bruce-en", "flux-cliff-en", "flux-cole-en", "flux-colin-en", "flux-conor-en", "flux-donovan-en", "flux-drew-en", "flux-elise-en", "flux-gemma-en", "flux-haley-en", "flux-hannah-en", "flux-heather-en", "flux-jack-en", "flux-kai-en", "flux-kelsey-en", "flux-kit-en", "flux-maeve-en", "flux-marcelo-en", "flux-marcus-en", "flux-meena-en", "flux-meghan-en", "flux-miles-en", "flux-naveen-en", "flux-paige-en", "flux-priya-en", "flux-rufus-en", "flux-sean-en", "flux-sharon-en", "flux-sienna-en", "flux-tanner-en", "flux-wade-en", "flux-wes-en"]')
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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o speech.mp3
Vastaanota ja tallenna tulokset
Ailoot Ultra · Puhesynteesi
mp3
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Muut sisällön lukukerrat
set -eu
: "${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 |
|---|---|
Kenttäbinary audio | Tyyppibytes |
Kenttäresponse 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. |
Vastausserver_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 deepgram/flux-tts
Menetelmäpolkujen aliakset
Käytä yllä näytettyjä menetelmäpolkuja.
Liittyvät kutsujan ID:t
FAQ · Deepgram: Flux TTS
- Mitä syötteitä ja tuloksia on saatavilla?
POST /v1/audio/speech·deepgram/flux-tts:text→audio- Mitä kenttiä pyyntö käyttää?
POST /v1/audio/speech·deepgram/flux-tts:model,input,voice,response_format