Sesame: CSM 1B
A Sesame CSM 1B a megadott szöveget beszéddé alakítja a POST /v1/audio/speech végponton. A tényleges szövegkönyvvel használja a sesame/csm-1b azonosítót, válasszon egyet a megnevezett hangjai közül, és kérjen MP3- vagy PCM-hangot. Olyan munkafolyamathoz illik, amely előkészített üzenetet, magyarázatot vagy narrációs szakaszt alakít lejátszható vagy szerkeszthető hangfájllá.
A modellről
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A Sesame CSM 1B szöveget beszéddé alakító modell, amely a pontos sesame/csm-1b azonosítóval érhető el. Adja meg a kimondandó szavakat, és a kapott hangot őrizze meg fájlként. Gyakorlatban ez lehet előkészített termékismertető, felolvasott alkalmazásüzenet vagy szerkesztett anyagba kerülő narrációs szakasz. A szövegkönyvet a kívánt beszélt szövegként készítse elő, azokkal a nevekkel, számokkal és megfogalmazásokkal együtt, amelyeket a hallgatónak hallania kell.
Küldjön POST /v1/audio/speech kérést application/json formátummal. A kötelező mezők a sesame/csm-1b értékre állított model és a szövegkönyvet karakterláncként tartalmazó input. A szövegkönyvfájlt UTF-8 szövegként olvassa be, és a tartalmát helyezze az input mezőbe helyi fájlnév megadása helyett. Ha a felolvasandó tartalom ebben a mezőben van, a generálás konkrét követhető szövegkönyvet kap, és az alkalmazás a pontos megfogalmazást a létrejött fájl mellett őrizheti meg.
A megnevezett hangválaszték conversational_a, conversational_b, read_speech_a, read_speech_b, read_speech_c, read_speech_d és none. Ezeket az azonosítókat a voice mezőben pontosan őrizze meg. Ha egy munkafolyamatnak megismételhető kéréskonfigurációra van szüksége, válasszon kifejezetten hangot, és ezt a beállítást tartsa a szövegkönyvvel és a kimenettel együtt. Hallgasson meg egy jellemző szakaszt annak eldöntéséhez, melyik elérhető hang illik a kívánt felhasználáshoz.
A response_format mezővel válasszon mp3 vagy pcm értéket. Az MP3 audio/mpeg formában érkezik, és olyan fájlt ad, amely MP3-at elfogadó lejátszónak vagy szerkesztési munkafolyamatnak továbbítható. A PCM audio/pcm formában érkezik 16 bites, a legkisebb helyiértékű bájttal kezdődő mintákkal; őrizze meg a tényleges hangmetaadatait a bájtokat értelmező alkalmazás számára. A formátumot kifejezetten állítsa be, hogy a fájl és a további dekóder összhangban legyen. A dokumentált kérési példa speed:1 beállítást használ; a bevált vezérlőkkel készített kérésnél tartsa meg ezt a kiindulási értéket.
A sikeres válasz nyers hangbájtokat tartalmaz. A választörzset hangként mentse el, és őrizze meg a válaszfejléceket és az eredeti kérés azonosító adatait a szövegkönyvvel, a hanggal és a kért formátummal együtt. A válasz befejezését tekintse annak a pontnak, amikor a visszaadott hang megőrizhető és ellenőrizhető. Mielőtt az eredményt hosszabb produkcióhoz adja, ellenőrizze a kimondott neveket, számokat és mondathatárokat a forrásszövegkönyvhöz mérten. Ha egy kérés beküldés után megszakad, a meglévő eredmény ellenőrzése közben őrizze meg eredeti azonosító adatait és a válasz adatait.
Ailoot Ultra · Speech POST /v1/audio/speech sesame/csm-1b
sesame/csm-1bKezdő lépések
A Sesame CSM 1B a megadott szöveget beszéddé alakítja a POST /v1/audio/speech végponton. A tényleges szövegkönyvvel használja a sesame/csm-1b azonosítót, válasszon egyet a megnevezett hangjai közül, és kérjen MP3- vagy PCM-hangot. Olyan munkafolyamathoz illik, amely előkészített üzenetet, magyarázatot vagy narrációs szakaszt alakít lejátszható vagy szerkeszthető hangfájllá.
- Elfogadott bemenetek
- Szöveg
- Eredmények
- Hang
Elérhető az Ailootban · bemenetek és metódusok
Ailoot Ultra · Speech POST /v1/audio/speech
- Bemenet
text- Kimenet
audio- Kimeneti formátum
- mp3,pcm
| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok sesame/csm-1b | Alapértelmezett— |
Mezőinput | Típusstring | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— |
Mezővoice | Típusstring | KövetelményOpcionális | Értékek és korlátok conversational_a, conversational_b, read_speech_a, read_speech_b, read_speech_c, read_speech_d, none | Alapértelmezett— |
Mezőresponse_format | Típusstring | KövetelményOpcionális | Értékek és korlátok mp3, pcm | Alapértelmezett— |
Mezőspeed | Típusnumber | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Metódus paraméterei és életciklusa
| Paraméter | Szerződés |
|---|---|
Paramétercontent_type | Szerződésapplication/json |
Paraméterrequired | Szerződésmodel, input |
Paraméteroptional | Szerződésvoice, response_format, speed |
Paramétermaterial_types | Szerződéstext |
Paraméterconditions | Szerződés |
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 $0.000014 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('{"input": "Hello world", "model": "sesame/csm-1b", "response_format": "mp3", "speed": 1, "voice": "conversational_a"}')
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
mp3,pcm
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 audio and response headers. Use the actual output Content-Type; no extra container or bit depth is inferred.
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 sesame/csm-1b
Metódusútvonalak álnevei
Használja a fent látható metódusútvonalakat.
Kapcsolódó modellazonosítók
FAQ · Sesame: CSM 1B
- Milyen bemenetek és eredmények érhetők el?
POST /v1/audio/speech·sesame/csm-1b:text→audio- Mely mezőket használja a kérés?
POST /v1/audio/speech·sesame/csm-1b:model,input,voice,response_format,speed