Fish Audio: S1
Fish Audio S1 הופך תסריטים רב־לשוניים לשמע עשיר בהבעה של דובר יחיד, באמצעות קולות ייחוס ורמזי רגש בסוגריים עגולים. השתמשו בו לקריינות, להוראות קוליות קצרות או לשורות דמות, עם בקרות פורמט ופרוזודיה לשמע המוגמר.
על המודל
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
S1 הוא מודל המרת הטקסט לדיבור מהדור הקודם של Fish Audio לקריינות עשירה בהבעה ולפלט קולי של דובר יחיד. הוא מקריא תסריט שסופק ומחזיר שמע, באמצעות קול שנבחר או קול המותנה בדוגמת ייחוס. מודל S1 המלא נפרד מ־S1-mini, המודל הקטן שעבר זיקוק; היצרן מציג אותם כווריאנטים של 4 מיליארד ו־0.5 מיליארד פרמטרים בהתאמה. פרופיל זה מכסה את המודל הנקוב S1.
לקריינות, הכינו את המילים שאמורות להישמע בפועל וסמנו מקומות שבהם ההגשה צריכה להשתנות. תסריט הסבר שימושי מציג את הנקודה המרכזית תחילה, מפתח רעיון אחד בכל פעם ומשתמש בפיסוק להפרדת ביטויים הזקוקים להפסקה טבעית. בהוראה קצרה, שמרו על ניסוח ברור גם כשהוא נשמע ללא מסך. שמרו על הקריאה המיועדת של שמות, קיצורים ויחידות, ובדקו מספרים בפלט המדובר במקום להניח שלמחרוזת קריאה לעין יש הגייה אחת בלבד.
S1 משתמש ברמזי רגש והגשה בסוגריים עגולים, כגון (angry), (sad), (in a hurry) או (chuckling). הציבו רמז לפני המשפט או הביטוי שעליו הוא אמור להשפיע, ואת הדיבור עצמו אחריו. ההגשה שייכת לטקסט שבא לאחר מכן, ולכן שינוי מצב רוח צריך להופיע במקום שבו הביצוע צריך להשתנות. זהו תחביר שונה מההוראות בסוגריים מרובעים של S2; שמרו על תסריט הכתוב לדור שנבחר במקום להניח ששתי צורות הסימון ניתנות להחלפה.
אפשר לבחור קול באמצעות מזהה קול שמור, או להתנות אותו בהקלטת ייחוס יחד עם תמלילה. לתהליך ייחוס מיידי, מדריך הדיבור הכללי ממליץ על דוגמה נקייה של 10–30 שניות. בחרו דוגמה שסגנון הדיבור ואיכות ההקלטה שלה מתאימים לתוצאה הרצויה, ודאגו שהתמליל יתאים למילים בדוגמה. לקריין חוזר, השתמשו שוב באותה דוגמת קול בין קטעים, כדי ששינוי נושא לא יהפוך בטעות לשינוי דמות.
הפצת S1 מונה אנגלית, סינית, יפנית, גרמנית, צרפתית, ספרדית, קוריאנית, ערבית, רוסית, הולנדית, איטלקית, פולנית ופורטוגזית בין השפות הנתמכות, ומתארת ערבוב שפות בתוך תסריט. ספקו ניסוח בשפת היעד במקום להתייחס לסינתזת דיבור כשלב תרגום. בקטע המכיל שם שאול או מעבר שפה, שמרו על איות ועל הקשר משפט ברור, ובדקו כיצד הקול שנבחר מטפל במעבר.
ממשק היצרן של S1 תומך בדובר אחד לכל בקשת סינתזה. אפשר להכין דיאלוג כמקטעים נפרדים עם דוגמאות הקול שלהם, ואז להרכיבם ביישום; סינתזה מקורית מרובת דוברים במשפחת S2 היא יכולת נפרדת. בהכנת שורות דמויות, שמרו על הקישור של התפקיד, הקול והטקסט לכל מקטע. תוצאת הסינתזה היא ביצוע שמע של התסריט, ואילו תזמון חילופי הדברים או שילובם עם מוזיקה ווידאו הם שלב עריכה מאוחר יותר.
אפשרויות הפלט כוללות MP3, WAV, PCM גולמי ו־Opus, כאשר MP3 הוא ברירת המחדל. הפלט המתועד הוא מונו; WAV ו־PCM משתמשים בדגימות של 16 סיביות, ובחירות קצב הדגימה משתנות לפי פורמט. MP3 תומך ב־64, 128 ו־192 kbps, ואילו Opus משתמש ב־48 kHz. אפשר להתאים מהירות בין 0.5 ל־2.0, עם בקרות עוצמה. בחרו קובץ מקודד כתוצר קריינות או זרם מתאים להשמעה, ושמרו את הקול שנבחר ואת התסריט לצד התוצאה.
היצרן מעבד טקסט ארוך במקטעים, עם טווח אורך מקטע מתועד של 100–300 ותקציב טוקני שמע לכל מקטע, ולא הבטחה למשך הקלטה כולל. נרמול טקסט יכול להרחיב מספרים באנגלית ובסינית לקריאה טבעית, וקנס החזרה של S1 יכול להפחית דפוסי שמע חוזרים. נרמול עוצמת הפלט הוא הגדרה אחרת ואין לו השפעה על S1. בדקו הגייה, גבולות ביטויים, צלילים חוזרים ואת השינוי הרגשי המיועד לפני הרכבת הקטע המוגמר, ואז תקנו את השורה או את דוגמת הייחוס המסוימת שדורשות טיפול.
Ailoot Ultra · הקראה POST /v1/audio/speech fish-audio/s1
fish-audio/s1התחלה
Fish Audio S1 הופך תסריטים רב־לשוניים לשמע עשיר בהבעה של דובר יחיד, באמצעות קולות ייחוס ורמזי רגש בסוגריים עגולים. השתמשו בו לקריינות, להוראות קוליות קצרות או לשורות דמות, עם בקרות פורמט ופרוזודיה לשמע המוגמר.
- סוגי קלט נתמכים
- טקסט
- תוצאות
- שמע
זמין ב-Ailoot · קלט ושיטות
Ailoot Ultra · הקראה POST /v1/audio/speech
- סוגי קלט
text- סוגי פלט
audio- פורמט פלט
- אודיו בינארי בפורמט המקורי שהוצהר
| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות fish-audio/s1 | ברירת מחדל— |
שדהinput | סוגstring | דרישהחובה | ערכים ומגבלות אורך מזערי: 1 | ברירת מחדל— |
שדהvoice | סוגstring | דרישהחובה | ערכים ומגבלות דוגמאות: b347db033a6549378b48d00acb0d06cd | ברירת מחדל— |
שדהresponse_format | סוגstring | דרישהרשות | ערכים ומגבלות mp3, pcm | ברירת מחדלpcm |
שילובים של חומרי קלט
text_to_speech · נדרש: actual UTF-8 script, exact supported voice
פרמטרים ומחזור חיים של השיטה
| פרמטר | מפרט |
|---|---|
פרמטרcontent_type | מפרטapplication/json |
פרמטרrequired | מפרטmodel, input, voice |
פרמטרmaterial_types | מפרטtext |
פרמטרvoice_ids | מפרטb347db033a6549378b48d00acb0d06cd |
פרמטרvoice_list_exhaustive | מפרטfalse |
פרמטרresponse_format | מפרטmp3, pcm |
פרמטרdefault_response_format | מפרטpcm |
פרמטרquantity | מפרטבתים בקידוד UTF-8 של מחרוזת קלט יחידה לאחר פענוח; ללא הסרת תווי רווח מההתחלה או מהסוף וללא נרמול |
פרמטרnative_byte_quote_controls | מפרטהוראות שאינן ריקות וקלט של תורות דיבור מרובי דוברים נדחים בנתיב המדויק הזה להצעת מחיר לפי בתים, עד שיוצהר הטקסט הנוסף לחיוב. |
מחזור חיים: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · ערך task_id שהוחזר בפועל או רשומה בספריית המדיה
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
יש להשתמש במודל המדויק ובשדות הקלט המתועדים.
יש לשמור את התגובה המלאה, כל פלט ממשי ואת המזהים המקוריים שהוחזרו.
תעריפים
מידע תעריפים אינו מוסיף אפשרויות לבקשה. הפרמטרים הנתמכים מפורטים בשיטה שנבחרה.
- מצב מהיר
- לא צוין כאשר נבחר מצב מהיר
- מצב Flex
- לא צוין כאשר נבחר מצב flex
- מאמץ חשיבה מרבי
- לא צוין כאשר מאמץ החשיבה המרבי משתמש בהתאמת ברירת המחדל (default)
תעריפי Ailoot
מחירים לפי תצורה
התאימו כל חיוב לתנאים המוצגים. השתמשו בתעריף אחד לכל קבוצה של תצורות חלופיות.
| תצורה | טבלת תעריפים | יחידת חיוב | חיוב |
|---|---|---|---|
| תצורהתעריפי בסיס לטוקנים | טבלת תעריפיםתעריף בסיס | יחידת חיוב— | חיוב קלט · טוקני קלט — / 1K טוקנים פלט · טוקני פלט — / 1K טוקנים קלט · קריאה מהמטמון — / 1K טוקנים קלט · כתיבה למטמון — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
| תצורהUltra | טבלת תעריפים— | יחידת חיובלכל בייט utf8 של שמע בקלט | חיוב קלט · בית utf8 של שמע בקלט $0.00003 לכל בייט utf8 של שמע בקלט |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
פרטי תעריף הייחוס
טבלאות הייחוס ברמת המודל אינן משנות את בחירת השיטה, הצעות המחיר או החיובים. החיובים בפועל משתמשים בתעריפי שיטת Ailoot שנבחרה.
Fish Audio: S1
מחירים לפי תצורה
| תצורה | תנאי חיוב | חיוב |
|---|---|---|
| תצורהFish Audio: S1 · תצורת ברירת המחדל | תנאי חיובתצורת ברירת מחדל | חיוב קלט · בתי UTF-8 בקלט 0.00003 $ לכל בייט UTF-8 בקלט |
דוגמאות לבקשות
Ailoot Ultra · הקראה
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.
קבלה ושמירה של תוצאות
Ailoot Ultra · הקראה
אודיו בינארי בפורמט המקורי שהוצהר
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
שמירת כל התוצאות שהושלמו
שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.
יש לשמור את כל הבתים הבינאריים במלואם ואת כל הכותרות המקוריות; אם הוחזר JSON, יש לשמור אותו במלואו. מזהי הפעולה והנכסים הממשיים נשמרים.
כשצריך לבדוק את התגובה המקורית
יש לשמור את operation_id/X-Client-Request-ID המקוריים ואת התגובה המקורית. יש לקרוא רשומות ממשיות של משימות ונכסים שבבעלותכם בלי לשלוח שוב; לא נבנית כתובת URL ייעודית למעקב אחר אודיו.
שדות התגובה
| שדה | סוג |
|---|---|
שדהbinary audio | סוגbytes |
שדהresponse headers | סוגheaders |
כינויים
כינויים למודל
Ailoot Ultra fish-audio/s1
כינויים לנתיבי שיטות
השתמשו בנתיבי השיטות המוצגים למעלה.
מזהי מודלים קשורים IDs
FAQ · Fish Audio: S1
- אילו קלטים ותוצאות זמינים?
POST /v1/audio/speech·fish-audio/s1:text→audio- באילו שדות הבקשה משתמשת?
POST /v1/audio/speech·fish-audio/s1:model,input,voice,response_format