speech-02-hd
Speech-02 HD הוא מודל לסינתזת דיבור, עם דגש על איכות הצליל ועל דמיון הקול.
על המודל
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
קול להקראה ולקריאה ממושכת
Speech 02 HD יוצר דיבור עם דגש על איכות, קצב ויציבות הצליל. היצרן מדגיש הקראת חומרים וספרי אודיו שבהם הקול צריך לשמור על אופיו ולעבור בצורה אחידה לאורך טקסט ממושך. זהו מודל סינתזה: הוא מקבל טקסט וממיר אותו לאודיו של דיבור.
איך מתחברים טקסט וגוון קול
הבסיס של משפחת Speech 02 הוא ארכיטקטורת Transformer אוטורגרסיבית ומקודד דובר שניתן לאמן. חילוץ גוון הקול ויצירת הדיבור אומנו יחד, כדי להתאים את מאפייני הקול לתוכן. יכולות המשפחה כוללות שימוש בקולות משוכפלים שהוכנו ושילוב של שפה, מבטא וסגנון הגייה.
רגש וקריאה רב־לשונית
האופי הרגשי יכול להיקבע לפי משמעות הטקסט או להיות מוגדר ידנית. זמינים שמחה, עצב, כעס, פחד, גועל, הפתעה ורוגע. המודל עובד עם רוסית, אנגלית ושפות אחרות; היצרן מתאר מבטאים שונים בדיבור אנגלי, סינית וקנטונזית, יפנית, קוריאנית, שפות אירופיות ואחרות.
בתיאור הנוכחי של Speech 02 מוחרגות בנפרד פרסית, פיליפינית וטמילית. אין להחיל אוטומטית את רשימת השפות הכללית של דורות Speech חדשים יותר על גרסה זו.
כוונון הקול
לסינתזה זמינים בחירת קול, שינוי מהירות 0,5–2, עוצמה מעל 0 ועד 10, וגובה צליל בין −12 ל־12. במילון ההגייה אפשר להגדיר החלפת כתיב בקריאה הרצויה; נתמכים ייצוגים פונטיים ואפשרויות הגייה ביפנית. כך אפשר לשלוט באופן שבו יישמעו שמות ומילים עמומות.
הפסקות ואודיו מוכן
היצרן מאפשר להגדיר הפסקות בין מקטעים מוקראים באורך 0,01–99,99 שניות. משך ההפסקה מוגדר בדיוק של שתי ספרות אחרי הפסיק; הסמנים ממוקמים בין המקטעים המוקראים ולא ברצף זה אחרי זה. הטקסט של בקשה סינכרונית אחת חייב להכיל פחות מ־10 000 תווים. זמינה קבלת הצליל בשלמותו ובהדרגה; לטקסט מעל 3000 תווים מומלץ פלט זורם.
בין פורמטי המודל: MP3, WAV, FLAC ו־PCM; הגדרות הסינתזה הכלליות מתארות גם Opus ואפשרויות G.711 μ-law. אפשר להשתמש במונו או בסטריאו. בכרטיס זה זמינה הקראת טקסט, ואילו הכנה נפרדת של קול והגדרות מורחבות חלות רק במסגרת דרך פנייה שנתמכת ב־Ailoot.
הגדרות אודיו נוספות כוללות קצבי דגימה של 8, 16, 22,05, 24, 32 ו־44,1 קילו־הרץ. ל־MP3 זמין קצב סיביות של 32, 64, 128 או 256 קילו־ביט לשנייה. אפשר גם לשנות את גוון הקול ולהחיל אפקט אחד: הד מרחבי, הד אולם, צליל טלפון או קול רובוטי. אפקטים לשינוי קול נתמכים ב־MP3, WAV ו־FLAC בקבלת האודיו בשלמותו, ובפלט זורם רק ב־MP3. פורמטי G.711 μ-law משתמשים בקצב של 8 קילו־הרץ. היכולות האלה מתייחסות להגדרות הסינתזה של MiniMax.
היצרן מספק סנכרון בין דיבור לטקסט: חותמות זמן לפי משפטים, לפי מילים או לפי מילים בפלט הדרגתי. תוצאה כזו מסייעת להתאים את ההגייה להצגת הטקסט. היכולת הנוספת הזו דורשת תמיכה בפורמט התשובה המתאים.
Ailoot · הקראה POST /v1/audio/speech speech-02-hd
speech-02-hdהתחלה
Speech-02 HD הוא מודל לסינתזת דיבור, עם דגש על איכות הצליל ועל דמיון הקול.
- סוגי קלט נתמכים
- טקסט
- תוצאות
- speech
זמין ב-Ailoot · קלט ושיטות
Ailoot · הקראה POST /v1/audio/speech
- סוגי קלט
text- סוגי פלט
speech- פורמט פלט
- mp3
| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות speech-02-hd | ברירת מחדל— |
שדהinput | סוגstring | דרישהחובה | ערכים ומגבלות אורך מזערי: 1 אורך מרבי ללא ערך הגבול: 10,000 יחידה: תווי Unicode | ברירת מחדל— |
שדהvoice | סוגstring | דרישהחובה | ערכים ומגבלות תבנית: ^[A-Za-z0-9_-]{1,128}$ | ברירת מחדל— |
שדהresponse_format | סוגstring | דרישהרשות | ערכים ומגבלות mp3 | ברירת מחדל— |
שילובים של חומרי קלט
text_to_speech · נדרש: input
פרמטרים ומחזור חיים של השיטה
| פרמטר | מפרט |
|---|---|
פרמטרmaterial_types | מפרטtext |
פרמטרrequired | מפרטnull |
פרמטרoptional_controls | מפרטnull |
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}
מבני המתודות והמזהים מדויקים; יכולת הספק נפרדת מקבלת הבקשה לביצוע.
תעריפים
תעריפי שיטות Ailoot
POST /v1/audio/speech- קלט
- 100.00 $ לכל 1 מיליון תווים
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 →
דוגמאות לבקשות
Ailoot · הקראה
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 narration script}"
export AILOOT_TEXT_FILE
: "${AILOOT_VOICE_ID:?Set the actual accepted voice ID for this model}"
export AILOOT_VOICE_ID
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "speech-02-hd", "input": ""}')
f=Path(os.environ["AILOOT_TEXT_FILE"])
if not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")
text=f.read_text(encoding="utf-8")
if not text.strip():raise SystemExit("Source material must contain text")
p["input"]=text
import re
voice=os.environ["AILOOT_VOICE_ID"]
if not re.fullmatch(r"[A-Za-z0-9_-]{1,128}",voice):raise SystemExit("Set an actual accepted voice ID")
p["voice"]=voice
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
קבלה ושמירה של תוצאות
Ailoot · הקראה
mp3
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.
שמרו את התוצאה הבינארית המלאה ואת הכותרות. אם מוחזרים JSON או פלטים מרובים, שמרו כל פריט נתונים והורידו כל נכס מה־URL החתום שלו שהוחזר בפועל.
כשצריך לבדוק את התגובה המקורית
שמרו את operation_id/X-Client-Request-ID המקורי לצורך התאמת רישומים ללא שליחה מחדש; אין נתיב ייעודי לתשאול סטטוס אודיו.
שדות התגובה
| שדה | סוג |
|---|---|
שדהbinary audio | סוגbytes |
שדהresponse headers | סוגheaders |
שגיאות והשלבים הבאים
| תגובה | תנאי | השלב הבא |
|---|---|---|
תגובה400 · invalid_request_error | תנאישדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקינים | השלב הבאתקנו את השדות שצוינו לפני בקשת יצירה חדשה. |
תגובהserver_error | תנאיהתשובה שהוחזרה מציינת שהפעולה או התוצאה דורשת בדיקה | השלב הבאשמרו את מזהה הפעולה/המשימה המקורי שהוחזר, את כותרות הבקשה ואת התשובה; המשיכו לבצע פעולות קריאה נתמכות של אותה פעולה מקורית. אל תשלחו שוב את בקשת היצירה. |
כינויים
כינויים למודל
Ailoot speech-02-hd
כינויים לנתיבי שיטות
השתמשו בנתיבי השיטות המוצגים למעלה.
מזהי מודלים קשורים IDs
FAQ · speech-02-hd
- אילו קלטים ותוצאות זמינים?
POST /v1/audio/speech·speech-02-hd:text→speech- באילו שדות הבקשה משתמשת?
POST /v1/audio/speech·speech-02-hd:model,input,voice,response_format