Fish Audio: S1
Fish Audio S1 muuntaa monikieliset käsikirjoitukset ilmaisulliseksi yhden puhujan ääneksi ääniviitteiden ja sulkeissa olevien tunnevihjeiden avulla. Käytä sitä kerrontaan, lyhyisiin puhuttuihin ohjeisiin tai hahmorepliikkeihin; valmiille äänelle on muoto- ja prosodiasäätimet.
Tietoa mallista
Tämä kuvaus kattaa mallin ominaisuudet. Ailootissa saatavilla olevat syötteet, tulosteet ja asetukset luetellaan alla valitulle menetelmälle.
S1 on Fish Audion edellisen sukupolven tekstistä puheeksi -malli ilmaisulliseen kerrontaan ja yhden puhujan äänitulosteeseen. Se lukee annetun käsikirjoituksen ja palauttaa ääntä valitulla tai viitteellä ehdollistetulla äänellä. Täysi S1-malli on erillinen pienemmästä tislatusta S1-mini-mallista; valmistaja esittelee ne vastaavasti 4 miljardin ja 0.5 miljardin parametrin muunnelmina. Tämä profiili kattaa nimetyn S1-mallin.
Valmistele kerrontaan sanat, jotka on todella tarkoitus puhua, ja merkitse kohdat, joissa esityksen tulee muuttua. Hyödyllinen selityskäsikirjoitus kertoo pääasian ensin, kehittää yhtä ajatusta kerrallaan ja erottaa luontevaa taukoa tarvitsevat ilmaukset välimerkeillä. Pidä lyhyt ohje sanamuodoltaan selkeänä ilman näyttöä kuultunakin. Säilytä nimien, lyhenteiden ja yksiköiden tarkoitettu lukutapa ja tarkista luvut puhutusta tuloksesta sen sijaan, että olettaisit silmin luettavalla merkkijonolla olevan vain yhden ääntämistavan.
S1 käyttää sulkeissa olevia tunne- ja esitysvihjeitä, kuten (angry), (sad), (in a hurry) tai (chuckling). Sijoita vihje ennen lausetta tai ilmausta, johon sen tulee vaikuttaa, ja varsinainen puhe sen jälkeen. Esitystapa kuuluu seuraavaan tekstiin, joten mielialan muutoksen tulee olla siinä kohdassa, jossa esityksen on muututtava. Syntaksi eroaa S2:n hakasulkeissa olevista ohjeista; pidä käsikirjoitus valitulle sukupolvelle kirjoitettuna sen sijaan, että olettaisit merkintätapojen olevan vaihdettavissa keskenään.
Ääni voidaan valita tallennetulla äänitunnisteella tai ehdollistaa viitetallenteella ja sen puhetekstillä. Välitöntä viitetyönkulkua varten yleinen puheopas suosittelee puhdasta 10–30 sekunnin näytettä. Valitse näyte, jonka puhetyyli ja tallennuslaatu sopivat tavoitteeseen, ja varmista tekstin vastaavan näytteen sanoja. Käytä toistuvalle kertojalle samaa ääniviitettä katkelmien välillä, jotta aiheen vaihtuminen ei muutu tahattomasti hahmon vaihtumiseksi.
S1-julkaisu nimeää tuetuiksi kieliksi muun muassa englannin, kiinan, japanin, saksan, ranskan, espanjan, korean, arabian, venäjän, hollannin, italian, puolan ja portugalin sekä kuvaa kielten sekoittamista käsikirjoituksen sisällä. Anna kohdekielinen sanamuoto sen sijaan, että käsittelisit puhesynteesiä käännösvaiheena. Pidä lainatun nimen tai kielenvaihdon sisältävässä katkelmassa kirjoitusasu ja ympäröivä lausekonteksti selkeinä ja tarkista, miten valittu ääni käsittelee siirtymän.
S1:n valmistajarajapinta tukee yhtä puhujaa synteesipyyntöä kohden. Vuoropuhelu voidaan valmistella erillisinä segmentteinä omine ääniviitteineen ja koota sitten sovelluksessa; S2-perheen natiivi monipuhujasynteesi on erillinen kyky. Säilytä jokaisen segmentin roolin, äänen ja tekstin yhteys hahmorepliikkejä valmistellessa. Synteesitulos on käsikirjoituksen ääniesitys, kun taas keskustelun ajoitus tai yhdistäminen musiikkiin ja videoon on myöhempi editointivaihe.
Tulostevaihtoehdot ovat MP3, WAV, raaka PCM ja Opus, joista MP3 on oletus. Dokumentoitu tulos on mono; WAV ja PCM käyttävät 16-bittisiä näytteitä, ja muotokohtaiset näytteenottotaajuusvalinnat eroavat. MP3 tukee 64, 128 ja 192 kbps:n nopeuksia, kun taas Opus käyttää 48 kHz:ä. Nopeutta voi säätää alueella 0.5–2.0, ja mukana ovat äänenvoimakkuuden säätimet. Valitse taustakerrontatuotokseen koodattu tiedosto tai toistoon sopiva virta ja säilytä valittu ääni sekä käsikirjoitus tuloksen yhteydessä.
Valmistaja käsittelee pitkän tekstin osissa, joiden dokumentoitu pituusalue on 100–300, ja käyttää osakohtaista äänitokenbudjettia taatun kokonaistallenteen keston sijaan. Tekstin normalisointi voi avata englannin- ja kiinankieliset luvut luontevaan lukumuotoon, ja S1:n toistorangaistus voi vähentää toistuvia äänikuvioita. Tulosteen äänekkyyden normalisointi on eri asetus, eikä se vaikuta S1:een. Tarkista ääntäminen, ilmausten rajat, toistuvat äänet ja tarkoitettu tunnemuutos ennen valmiin katkelman kokoamista ja korjaa sitten juuri huomiota vaativa repliikki tai viite.
Ailoot Ultra · Puhesynteesi POST /v1/audio/speech fish-audio/s1
fish-audio/s1Aloitus
Fish Audio S1 muuntaa monikieliset käsikirjoitukset ilmaisulliseksi yhden puhujan ääneksi ääniviitteiden ja sulkeissa olevien tunnevihjeiden avulla. Käytä sitä kerrontaan, lyhyisiin puhuttuihin ohjeisiin tai hahmorepliikkeihin; valmiille äänelle on muoto- ja prosodiasäätimet.
- Hyväksytyt syötteet
- Teksti
- Tulokset
- Ääni
Saatavilla Ailootissa · syötteet & menetelmät
Ailoot Ultra · Puhesynteesi POST /v1/audio/speech
- Syötetyypit
text- Tulostyypit
audio- Tulosteen muoto
- todellinen ilmoitettu binääriääni
| Kenttä | Tyyppi | Vaatimus | Arvot & rajat | Oletus |
|---|---|---|---|---|
Kenttämodel | Tyyppistring | VaatimusPakollinen | Arvot & rajat fish-audio/s1 | Oletus— |
Kenttäinput | Tyyppistring | VaatimusPakollinen | Arvot & rajat Vähimmäispituus: 1 | Oletus— |
Kenttävoice | Tyyppistring | VaatimusPakollinen | Arvot & rajat Esimerkit: b347db033a6549378b48d00acb0d06cd | Oletus— |
Kenttäresponse_format | Tyyppistring | VaatimusValinnainen | Arvot & rajat mp3, pcm | Oletuspcm |
Syöteaineistojen yhdistelmät
text_to_speech · Pakollinen: actual UTF-8 script, exact supported voice
Menetelmän parametrit ja elinkaari
| Parametri | Sopimus |
|---|---|
Parametricontent_type | Sopimusapplication/json |
Parametrirequired | Sopimusmodel, input, voice |
Parametrimaterial_types | Sopimustext |
Parametrivoice_ids | Sopimusb347db033a6549378b48d00acb0d06cd |
Parametrivoice_list_exhaustive | Sopimusfalse |
Parametriresponse_format | Sopimusmp3, pcm |
Parametridefault_response_format | Sopimuspcm |
Parametriquantity | SopimusYhden dekoodatun syötemerkkijonon UTF-8-tavut; ei trimmausta eikä normalisointia |
Parametrinative_byte_quote_controls | SopimusEi-tyhjät ohjeet ja usean puhujan puheenvuoroja sisältävä syöte hylätään tällä täsmällisellä tavumäärään perustuvalla hinta-arviopolulla, kunnes lisättävä laskutettava teksti on määritelty. |
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}
Käytä täsmällistä mallia ja dokumentoituja syötekenttiä.
Säilytä koko vastaus, jokainen todellinen tulos ja alkuperäiset palautetut tunnisteet.
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 |
| AsetuksetUltra | Hinnasto— | Laskutusyksikköäänisyötteen utf8-tavua kohden | Veloitus Syöte · äänisyötteen utf8-tavu $0.00003 äänisyötteen utf8-tavua 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 →
Viitehinnaston tiedot
Mallitason viitehinnastot eivät muuta menetelmän valintaa, hinta-arvioita tai veloituksia. Käytössä olevat veloitukset käyttävät valitun Ailoot-menetelmän hintoja.
Fish Audio: S1
Hinnat asetusten mukaan
| Asetukset | Laskutusehdot | Veloitus |
|---|---|---|
| AsetuksetFish Audio: S1 · Oletusasetukset | LaskutusehdotOletuskokoonpano | Veloitus Syöte · Syötteen UTF-8-tavut 0,00003 $ UTF-8-syötetavua kohden |
Esimerkkipyynnöt
Ailoot Ultra · Puhesynteesi
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
request={'model': 'fish-audio/s1', 'input': 'Hello world', 'voice': 'b347db033a6549378b48d00acb0d06cd', 'response_format': 'mp3'}
Path('request.json').write_text(json.dumps(request,ensure_ascii=False),encoding='utf-8')
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 response.bin
# Keep the complete original response and headers. Read every returned segment, word and usage field.
# Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting.
Vastaanota ja tallenna tulokset
Ailoot Ultra · Puhesynteesi
todellinen ilmoitettu binääriääni
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Säilytä kaikki valmistuneet tulokset
Säilytä jokainen kokonainen palautettu vastaus, tiedosto ja sisällön osa.
Tallenna binäärisisällön kaikki tavut ja kaikki alkuperäiset otsakkeet; säilytä koko JSON, jos se palautetaan. Todelliset operaation ja aineiston tunnisteet säilytetään.
Jos alkuperäinen vastaus on tarkistettava
Säilytä alkuperäinen operation_id/X-Client-Request-ID ja alkuperäinen vastaus. Lue todellisia käyttäjälle kuuluvia tehtävä- ja aineistotietueita lähettämättä pyyntöä uudelleen; erillistä äänen tilakyselyn URL-osoitetta ei muodosteta.
Vastauksen kentät
| Kenttä | Tyyppi |
|---|---|
Kenttäbinary audio | Tyyppibytes |
Kenttäresponse headers | Tyyppiheaders |
Aliakset
Mallin aliakset
Ailoot Ultra fish-audio/s1
Menetelmäpolkujen aliakset
Käytä yllä näytettyjä menetelmäpolkuja.
Liittyvät kutsujan ID:t
FAQ · Fish Audio: S1
- Mitä syötteitä ja tuloksia on saatavilla?
POST /v1/audio/speech·fish-audio/s1:text→audio- Mitä kenttiä pyyntö käyttää?
POST /v1/audio/speech·fish-audio/s1:model,input,voice,response_format