glm-tts
A GLM-TTS a megadott szövegkönyvet beszéddé alakítja. A glm-tts profil az Audio Speech metódust használja kifejezetten megadott hanggal és WAV-kimenettel, így rövid narrációhoz, szóbeli utasításokhoz és üzenetek felolvasásához használható. A szöveget a dokumentált 1 024 karakteres bemeneti korláton belül készítse el.
A modellről
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A GLM-TTS a Zhipu beszédszintézis-modellje, amely a pontos glm-tts azonosítóval választható ki. Küldjön POST /v1/audio/speech kérést model, input és voice mezőkkel. A kimondandó szavakat közvetlenül az input mezőbe helyezze, és ehhez a profilhoz válassza a response_format=wav értéket. Az eredmény a megadott szövegkönyv felolvasott hangfelvétele, amely lejátszható vagy hang-, illetve videószerkesztőbe importálható.
Használja rövid termékismertetőhöz, szóbeli üdvözléshez, útmutató szövegrészlethez vagy közleményhez. A szövegkönyvet úgy készítse el, ahogyan fel kell olvasni: tartalmazza a kívánt mondathatárokat, és írja ki azokat a kifejezéseket, amelyek kiejtése számít a feladatban. Oktatóanyagnál egy kérés tartalmazhat egyetlen látható lépést kísérő, célzott utasítást. Üdvözlő üzenethez adja meg a tényleges szöveget, és ellenőrizze a felvételt, mielőtt az ügyfélfolyamatba illeszti.
A dokumentált maximális bemeneti hossz 1 024 karakter. A korlát ellenőrzésekor a végleges szövegből induljon ki, az írásjelekkel és a szóközökkel együtt. Hosszabb narrációhoz megfelelő szakaszokra kell bontani a szövegkönyvet; a szakaszok sorrendjét és a választott beállításokat őrizze meg a felvételekkel együtt, hogy összeállíthatók és együttesen ellenőrizhetők legyenek. A karakterkorlát a bemeneti szövegre vonatkozik, és nem határoz meg rögzített felvételi időtartamot.
A voice séma a tongtong, chuichui, jam, kazi, douji és luodo értékeket sorolja fel. A közzétett példa tongtong hangot használ speed=1 és volume=1 beállítással. A speed és a volume egyaránt opcionális vezérlő, dokumentált alapértékük 1. Ennél a WAV-metódusnál a speed egész szám, amely 1 vagy 2 lehet, a volume pedig 1 és 10 közötti egész szám. Az opcionális watermark_enabled logikai érték a hangvízjelet vezérli. A teljes WAV-felvétel fogadásához hagyja a stream mezőt beállítás nélkül, vagy állítsa false értékre. Az első felvétel előkészítésekor ebből a kifejezett példából induljon ki, majd az összetartozó szakaszokban tartsa következetesen azonosan a választott hangot és az elfogadott beállításokat.
A WAV-felvétel a beszédkérés kész kimenete. Őrizze meg a teljes hangeredményt és a válasz adatait, majd hallgassa végig a teljes szakaszt, ellenőrizve a kiejtést, a szöveget, a szüneteket és a kívánt sorrendet. Változatok előkészítésekor tartsa a pontos forrásszöveget a felvétel mellett. Ha egy kérés kimenetele bizonytalan, őrizze meg az eredeti kérés és a visszaadott eredmény adatait, mielőtt újabb szintéziskérést indít; egy hiányzó lejátszható fájl önmagában nem bizonyítja, hogy nem készült felvétel.
Ailoot Ultra · Speech POST /v1/audio/speech glm-tts
glm-ttsKezdő lépések
A GLM-TTS a megadott szövegkönyvet beszéddé alakítja. A glm-tts profil az Audio Speech metódust használja kifejezetten megadott hanggal és WAV-kimenettel, így rövid narrációhoz, szóbeli utasításokhoz és üzenetek felolvasásához használható. A szöveget a dokumentált 1 024 karakteres bemeneti korláton belül készítse el.
- Elfogadott bemenetek
- Szöveg
- Eredmények
- Hang
Elérhető az Ailootban · bemenetek és metódusok
Ailoot Ultra · Speech POST /v1/audio/speech
- Bemenet
text- Kimenet
audio- Kimeneti formátum
- wav
| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok glm-tts | Alapértelmezett— |
Mezőinput | Típusstring | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— |
Mezővoice | Típusstring | KövetelményKötelező | Értékek és korlátok tongtong, chuichui, jam, kazi, douji, luodo | Alapértelmezett— |
Mezőresponse_format | Típusstring | KövetelményKötelező | Értékek és korlátok wav | Alapértelmezett— |
Mezőencode_format | Típusstring | KövetelményOpcionális | Értékek és korlátok base64, hex | Alapértelmezett— |
Mezőspeed | Típusinteger | KövetelményOpcionális | Értékek és korlátok Minimum: 1 Maximum: 2 | Alapértelmezett1 |
Mezővolume | Típusinteger | KövetelményOpcionális | Értékek és korlátok Minimum: 1 Maximum: 10 | Alapértelmezett1 |
Mezőwatermark_enabled | Típusboolean | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőstream | Típusboolean | KövetelményOpcionális | Értékek és korlátok false | Alapértelmezett— |
Metódus paraméterei és életciklusa
| Paraméter | Szerződés |
|---|---|
Paramétercontent_type | Szerződésapplication/json |
Paraméterrequired | Szerződésmodel, input, voice, response_format |
Paraméteroptional | Szerződésencode_format, speed, volume, watermark_enabled, stream |
Paramétermaterial_types | Szerződéstext |
Paraméterconditions | SzerződésUse direct WAV output. speed and volume are positive integers within the listed bounds. stream is false or omitted. |
Életciklus: synchronous_result_then_owned_library
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Díjcsomagok
A díjszabás nem ad új kérési lehetőségeket. A támogatott paraméterek a kiválasztott módszernél szerepelnek.
- Gyors mód
- Nincs megadva Ha a gyors mód van kiválasztva
- Flex mód
- Nincs megadva Ha a flex mód van kiválasztva
- Maximális gondolkodási ráfordítás
- Nincs megadva Ha a maximális gondolkodási ráfordításra a default beállításhoz tartozó korrekció vonatkozik
Ailoot-díjak
Árak beállításonként
Minden díjat a megjelenített feltételekhez rendeljen. Az alternatív beállítások minden csoportjához egy díjtételt használjon.
| Beállítás | Díjtáblázat | Elszámolási mennyiség | Elszámolási egység | Díj |
|---|---|---|---|---|
| BeállításTokenek alapdíjai | DíjtáblázatAlapdíj | Elszámolási mennyiség— | Elszámolási egység— | Díj Bemenet · Bemeneti tokenek — / 1K token Kimenet · Kimeneti tokenek — / 1K token Bemenet · Gyorsítótár olvasása — / 1K token Bemenet · Írás a gyorsítótárba — / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
| Beállításbemeneti karakter | Díjtáblázat— | Elszámolási mennyiség— | Elszámolási egységbemeneti karakterenként | Díj Bemenet · bemeneti karakter $0.00006 bemeneti karakterenként |
| BeállításKérésenként | Díjtáblázat— | Elszámolási mennyiségegy kérés | Elszámolási egység— | Díj Bemenet $0 kérésenként |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
Példakérések
Ailoot Ultra · Speech
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
export AILOOT_API_KEY
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "glm-tts", "input": "Hello, this is a short speech example.", "voice": "tongtong", "response_format": "wav"}')
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 result.json
# Submit once. Retain the complete result, original identifiers and every response header.
Eredmények fogadása és mentése
Ailoot Ultra · Speech
wav
GET /v1/media/assetsGET /v1/media/assets/{asset_id}
Őrizzen meg minden elkészült eredményt
Őrizzen meg minden teljes visszaadott választ, fájlt és tartalomrészt.
Retain the complete binary WAV, response headers and original request identity.
Ha az eredeti választ ellenőrizni kell
Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.
Álnevek
Modell álnevei
Ailoot Ultra glm-tts
Metódusútvonalak álnevei
Használja a fent látható metódusútvonalakat.
Kapcsolódó modellazonosítók
FAQ · glm-tts
- Milyen bemenetek és eredmények érhetők el?
POST /v1/audio/speech·glm-tts:text→audio- Mely mezőket használja a kérés?
POST /v1/audio/speech·glm-tts:model,input,voice,response_format,encode_format,speed,volume,watermark_enabled,stream- Milyen korlátok érvényesek?
POST /v1/audio/speech·glm-tts:speed.minimum:1;speed.maximum:2;volume.minimum:1;volume.maximum:10