hexgrad: Kokoro 82M
hexgradin Kokoro 82M generoi puhetta kompaktilla 82 miljoonan parametrin mallilla ja kielikohtaisella valmiilla äänellä. Sen dokumentoitu v1.0-profiili sisältää kahdeksan kieltä, 54 ääntä ja 24 kHz:n äänitulosteen.
Tietoa mallista
Tämä kuvaus kattaa mallin ominaisuudet. Ailootissa saatavilla olevat syötteet, tulosteet ja asetukset luetellaan alla valitulle menetelmälle.
Kokoro 82M on hexgradin avoimen painojulkaisun tekstistä puheeksi -malli, jossa on kahdeksankymmentäkaksi miljoonaa parametria. Mallikortti kuvaa kompaktin, vain dekooderia käyttävän arkkitehtuurin, joka perustuu StyleTTS 2:een ja iSTFTNetiin. Kirjoitettu teksti muunnetaan ääntämistiedoksi ja sitten puheeksi valitulla äänellä. Dokumentoitu v1.0-julkaisu tarjoaa viisikymmentäneljä ääntä kahdeksalla kielellä; profiili on erillinen aiemmasta vain englantia tukevasta v0.19-julkaisusta.
Valitse toisiaan vastaava kieli ja ääni
Äänivalikoima kattaa amerikan- ja brittienglannin, japanin, mandariinikiinan, espanjan, ranskan, hindin, italian ja brasilianportugalin. Kaksi englannin aksenttia ovat yhden kielen variantteja. Ääninimet ja kieliasetukset kuuluvat yhteen: af_heart on amerikanenglannin esimerkki virallisessa työnkulussa, ja valikoimassa on erilliset ryhmät muille kielille ja aksenteille.
Valitse puhuja sen luettavan aineiston perusteella. Lyhyt kurssikerronta voi käyttää yhtä yhtenäistä valmista ääntä kaikissa osissaan; monikielinen kokoelma voi valita äänen jokaisesta tarvittavasta kieliryhmästä. Valikoiman kattavuus vaihtelee ryhmien välillä. Ranskaa edustaa esimerkiksi yksi lueteltu ääni englannin laajemman valikoiman sijaan.
Valmistele ääntäminen ja katkelmat
Kokoron viiteputki muuntaa kirjoitetut muodot foneemeiksi. Esimerkit sallivat termin nimenomaisen foneettisen lukutavan, joten vaikean nimen voi valmistella sen sijaan, että sen jättäisi monitulkintaisen kirjoitusasun varaan. Pidä ympäröivä lause luontevana ja säilytä sanamuoto, joka kuulijan tulee kuulla.
Käytännön katkelma on: ”Oppaassa on kolme osaa. Valitse ensin aineisto. Vertaa seuraavaksi esimerkkejä. Tallenna lopuksi versio, jota haluat käyttää.” Kirjoita kokonaisia ilmauksia ja säilytä välimerkkien osoittamat tauot. Jäsennä pitkän teoksen syöte johdonmukaisiksi kappaleiksi sen sijaan, että käsittelisit koko asiakirjaa yhtenä keskeytymättömänä ilmauksena.
Ääniopas kertoo monien puhujien toimivan parhaiten noin 100–200 tokenin katkelmilla noin 500 tokenin jänteen sisällä. Se mainitsee heikkouksia hyvin lyhyissä ilmauksissa, erityisesti alle 10–20 tokenissa, ja taipumuksen kiirehtiä pidempiä katkelmia, erityisesti yli 400 tokenissa. Nämä ovat tokenipohjaisia valmisteluhavaintoja, eivät sanamäärä- tai tallenteen kestorajoja. Lyhyiden fragmenttien yhdistäminen tai pitkän katkelman jakaminen voi antaa sopivamman puheyksikön.
Äänituloste ja tahti
Virallinen työnkulku tuottaa jokaiselle generoidulle segmentille käsitellyn tekstin, foneemit ja äänituloksen. Se tallentaa segmentit WAV-muodossa 24 000 Hz:n taajuudella ja tarjoaa nopeusasetuksen viiteputkessa. Säilytä segmentin tekstin ja järjestyksen yhteys ääneen, jotta koottu kerronta seuraa tarkoitettua käsikirjoitusta.
Hyödyllinen editointitarkistus on kuunnella kahden katkelman rajan yli ja tarkistaa sitten toistuvat nimet sekä luetteloiden tahti. Äänituloste ja foneeminäkymä palvelevat eri tarkoituksia: toinen on kuulijan kuulema tallenne, toinen auttaa tarkistamaan kirjoitetun tekstin ääntämistä.
Kielikattavuus ja hyödylliset rajat
Valmistaja huomauttaa nimenomaisesti, että muiden kuin englannin tuki voi olla ohutta rajallisen ääntämiskäsittelyn tai äänien koulutusaineiston vuoksi. Valmiita ääniryhmiä ei siksi pidä pitää samanarvoisina esitystakuina jokaiseen katkelmaan. Valitse sopiva puhuja ja tarkista tehtävän vaatimat todelliset nimet ja ilmaukset.
Hyödyllinen tuotos on puhuttu katkelma tai koottu kerronta dokumentoidulla valmiilla äänellä, ja teksti valmistellaan sen ääntämis- ja katkelmapituustarpeiden mukaan. Tämä profiili seuraa valmistajan v1.0 Kokoro 82M -aineistoja; toisella tarkistuspisteellä, kvantisoidulla toteutuksella tai ulkoisesti muokatulla äänellä on oma tekninen rajauksensa.
Ailoot Ultra · Puhesynteesi POST /v1/audio/speech hexgrad/kokoro-82m
hexgrad/kokoro-82mAloitus
hexgradin Kokoro 82M generoi puhetta kompaktilla 82 miljoonan parametrin mallilla ja kielikohtaisella valmiilla äänellä. Sen dokumentoitu v1.0-profiili sisältää kahdeksan kieltä, 54 ääntä ja 24 kHz:n äänitulosteen.
- 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 hexgrad/kokoro-82m | Oletus— |
Kenttäinput | Tyyppistring | VaatimusPakollinen | Arvot & rajat Vähimmäispituus: 1 Yksikkö: Unicode-merkit | Oletus— |
Kenttävoice | Tyyppistring | VaatimusPakollinen | Arvot & rajat af_alloy, af_aoede, af_bella, af_heart, af_jessica, af_kore, af_nicole, af_nova, af_river, af_sarah, af_sky, am_adam, am_echo, am_eric, am_fenrir, am_liam, am_michael, am_onyx, am_puck, am_santa, bf_alice, bf_emma, bf_isabella, bf_lily, bm_daniel, bm_fable, bm_george, bm_lewis, ef_dora, em_alex, em_santa, ff_siwis, hf_alpha, hf_beta, hm_omega, hm_psi, if_sara, im_nicola, jf_alpha, jf_gongitsune, jf_nezumi, jf_tebukuro, jm_kumo, pf_dora, pm_alex, pm_santa, zf_xiaobei, zf_xiaoni, zf_xiaoxiao, zf_xiaoyi, zm_yunjian, zm_yunxi, zm_yunxia, zm_yunyang | 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 | Sopimusaf_alloy, af_aoede, af_bella, af_heart, af_jessica, af_kore, af_nicole, af_nova, af_river, af_sarah, af_sky, am_adam, am_echo, am_eric, am_fenrir, am_liam, am_michael, am_onyx, am_puck, am_santa, bf_alice, bf_emma, bf_isabella, bf_lily, bm_daniel, bm_fable, bm_george, bm_lewis, ef_dora, em_alex, em_santa, ff_siwis, hf_alpha, hf_beta, hm_omega, hm_psi, if_sara, im_nicola, jf_alpha, jf_gongitsune, jf_nezumi, jf_tebukuro, jm_kumo, pf_dora, pm_alex, pm_santa, zf_xiaobei, zf_xiaoni, zf_xiaoxiao, zf_xiaoyi, zm_yunjian, zm_yunxi, zm_yunxia, zm_yunyang |
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 | 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 $0.008 1K syötemerkkiä kohden |
Viitehinnaston tiedot
Mallitason viitehinnastot eivät muuta menetelmän valintaa, hinta-arvioita tai veloituksia. Käytössä olevat veloitukset käyttävät valitun Ailoot-menetelmän hintoja.
hexgrad: Kokoro 82M
Hinnat asetusten mukaan
| Asetukset | Laskutusehdot | Veloitus |
|---|---|---|
| Asetuksethexgrad: Kokoro 82M · Oletusasetukset | LaskutusehdotOletuskokoonpano | Veloitus Syöte · Syötteen merkit 0,00000124 $ 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": "hexgrad/kokoro-82m", "input": "Good afternoon! This is a short voice take."}')
voice=os.environ["AILOOT_VOICE_ID"]
allowed=json.loads('["af_alloy", "af_aoede", "af_bella", "af_heart", "af_jessica", "af_kore", "af_nicole", "af_nova", "af_river", "af_sarah", "af_sky", "am_adam", "am_echo", "am_eric", "am_fenrir", "am_liam", "am_michael", "am_onyx", "am_puck", "am_santa", "bf_alice", "bf_emma", "bf_isabella", "bf_lily", "bm_daniel", "bm_fable", "bm_george", "bm_lewis", "ef_dora", "em_alex", "em_santa", "ff_siwis", "hf_alpha", "hf_beta", "hm_omega", "hm_psi", "if_sara", "im_nicola", "jf_alpha", "jf_gongitsune", "jf_nezumi", "jf_tebukuro", "jm_kumo", "pf_dora", "pm_alex", "pm_santa", "zf_xiaobei", "zf_xiaoni", "zf_xiaoxiao", "zf_xiaoyi", "zm_yunjian", "zm_yunxi", "zm_yunxia", "zm_yunyang"]')
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 hexgrad/kokoro-82m
Menetelmäpolkujen aliakset
Käytä yllä näytettyjä menetelmäpolkuja.
Liittyvät kutsujan ID:t
FAQ · hexgrad: Kokoro 82M
- Mitä syötteitä ja tuloksia on saatavilla?
POST /v1/audio/speech·hexgrad/kokoro-82m:text→audio- Mitä kenttiä pyyntö käyttää?
POST /v1/audio/speech·hexgrad/kokoro-82m:model,input,voice,response_format