Orpheus 3B 0.1 Fine-Tuned è il modello inglese di sintesi vocale di Canopy Labs per la sintesi d’uso corrente. Appartiene alla famiglia Orpheus costruita su un’architettura Llama 3B e si concentra su intonazione naturale, ritmo e interpretazione espressiva. L’input è il testo da pronunciare con un parlante selezionato; l’output è audio parlato. Il produttore elenca inoltre la clonazione vocale zero-shot per questo esatto modello adattato con fine-tuning. L’esempio pubblicato di sintesi del modello adattato usa parlanti preimpostati, mentre il prompting testo–parlato condizionato da una reference è documentato separatamente per l’edizione preaddestrata. Questa edizione adattata è distinta dal modello preaddestrato e dai modelli di ricerca multilingue rilasciati separatamente.
Il produttore elenca otto voci inglesi preimpostate: tara, leah, jess, leo, dan, mia, zac e zoe. La convenzione del prompt pone il nome del parlante prima del testo parlato, separato da due punti. Il flusso di riferimento per la generazione vocale può aggiungere quella formattazione quando la voce viene fornita separatamente. Seleziona un parlante per il contenuto previsto e mantieni coerente la scelta tra passaggi collegati.
Per una breve spiegazione, scrivi la narrazione definitiva anziché un’istruzione che chieda al modello di inventare la spiegazione. Una frase parlata utile è: «Choose the folder you want to share, check who can open it, and save the changes.» Per un dialogo, prepara esplicitamente la frase di ogni parlante e conserva la punteggiatura che aiuta l’interpretazione. Un’abbreviazione, una data o un nome di prodotto dovrebbero essere scritti nella forma che vuoi far sentire all’ascoltatore, soprattutto quando la forma abbreviata scritta sarebbe ambigua.
Orpheus documenta i tag <laugh>, <chuckle>, <sigh>, <cough>, <sniffle>, <groan>, <yawn> e <gasp>. Danno al testo un evento non verbale esplicito nel punto pertinente. Un breve passaggio conversazionale può collocare una risatina prima di una battuta leggera o un sospiro prima di una frase riflessiva. Usa l’indizio dove appartiene all’interpretazione e mantieni chiare le parole effettive della frase.
Sono indicazioni per generare parlato, non un linguaggio generale di istruzioni per modificare una registrazione esistente. Per una voce fuori campo, parti da un testo leggibile e aggiungi soltanto gli eventi espressivi necessari alla scena. Ascolta la frase completa per giudicare se evento, enfasi e ritmo supportano il significato. Un’attività di narrazione può richiedere una voce regolare, mentre una frase di personaggio può beneficiare di un indizio non verbale specifico.
Il produttore fornisce sia un notebook senza streaming sia un esempio di parlato in streaming. Lo streaming restituisce segmenti audio successivi mentre viene generato il passaggio. Nell’esempio pubblicato, quei segmenti vengono scritti in un file WAV mono a 24.000 Hz con campioni a 16 bit. Queste impostazioni di file descrivono il flusso di riferimento; il risultato utile è una registrazione riproducibile le cui parole, parlante e interpretazione possano essere verificati rispetto al copione.
Per una narrazione più lunga, prepara passaggi coerenti con confini di frase chiari e mantieni una copia del copione definitivo accanto all’audio. Verifica inizio e fine di ogni passaggio, pronuncia dei nomi importanti e transizione tra registrazioni adiacenti. Le indicazioni di campionamento del produttore specificano una penalità di ripetizione di almeno 1.1 per generazione stabile nell’implementazione di riferimento e osservano che le scelte di campionamento possono influire sulla velocità del parlato. La lunghezza del modello configurata nell’esempio è un’impostazione di inferenza, non una durata massima di narrazione stabilita.
Questo profilo riguarda il modello inglese adattato con fine-tuning e i suoi parlanti preimpostati documentati. Il modello preaddestrato ha un proprio flusso di condizionamento testo-parlato; le release multilingue hanno parlanti e tag specifici della lingua. Selezionare questa edizione inglese non combina quei profili separati. Un risultato concreto è un copione parlato, una voce preimpostata scelta intenzionalmente e audio verificato per la formulazione e l’interpretazione richieste dal contenuto.
", "aboutText": "Orpheus 3B 0.1 Fine-Tuned è il modello inglese di sintesi vocale di Canopy Labs per la sintesi d’uso corrente. Appartiene alla famiglia Orpheus costruita su un’architettura Llama 3B e si concentra su intonazione naturale, ritmo e interpretazione espressiva. L’input è il testo da pronunciare con un parlante selezionato; l’output è audio parlato. Il produttore elenca inoltre la clonazione vocale zero-shot per questo esatto modello adattato con fine-tuning. L’esempio pubblicato di sintesi del modello adattato usa parlanti preimpostati, mentre il prompting testo–parlato condizionato da una reference è documentato separatamente per l’edizione preaddestrata. Questa edizione adattata è distinta dal modello preaddestrato e dai modelli di ricerca multilingue rilasciati separatamente.\n\n### Scegliere un parlante e preparare la frase\n\nIl produttore elenca otto voci inglesi preimpostate: tara, leah, jess, leo, dan, mia, zac e zoe. La convenzione del prompt pone il nome del parlante prima del testo parlato, separato da due punti. Il flusso di riferimento per la generazione vocale può aggiungere quella formattazione quando la voce viene fornita separatamente. Seleziona un parlante per il contenuto previsto e mantieni coerente la scelta tra passaggi collegati.\n\nPer una breve spiegazione, scrivi la narrazione definitiva anziché un’istruzione che chieda al modello di inventare la spiegazione. Una frase parlata utile è: «Choose the folder you want to share, check who can open it, and save the changes.» Per un dialogo, prepara esplicitamente la frase di ogni parlante e conserva la punteggiatura che aiuta l’interpretazione. Un’abbreviazione, una data o un nome di prodotto dovrebbero essere scritti nella forma che vuoi far sentire all’ascoltatore, soprattutto quando la forma abbreviata scritta sarebbe ambigua.\n\n### Indizi espressivi e non verbali\n\nOrpheus documenta i tagcanopylabs/orpheus-3b-0.1-ftIl modello vocale inglese Orpheus 3B adattato con fine-tuning di Canopy Labs trasforma frasi scritte in audio espressivo. Otto voci preimpostate e tag non verbali supportano narrazione, dialogo e risposte parlate di applicazioni.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
Orpheus 3B 0.1 Fine-Tuned è il modello inglese di sintesi vocale di Canopy Labs per la sintesi d’uso corrente. Appartiene alla famiglia Orpheus costruita su un’architettura Llama 3B e si concentra su intonazione naturale, ritmo e interpretazione espressiva. L’input è il testo da pronunciare con un parlante selezionato; l’output è audio parlato. Il produttore elenca inoltre la clonazione vocale zero-shot per questo esatto modello adattato con fine-tuning. L’esempio pubblicato di sintesi del modello adattato usa parlanti preimpostati, mentre il prompting testo–parlato condizionato da una reference è documentato separatamente per l’edizione preaddestrata. Questa edizione adattata è distinta dal modello preaddestrato e dai modelli di ricerca multilingue rilasciati separatamente.
Il produttore elenca otto voci inglesi preimpostate: tara, leah, jess, leo, dan, mia, zac e zoe. La convenzione del prompt pone il nome del parlante prima del testo parlato, separato da due punti. Il flusso di riferimento per la generazione vocale può aggiungere quella formattazione quando la voce viene fornita separatamente. Seleziona un parlante per il contenuto previsto e mantieni coerente la scelta tra passaggi collegati.
Per una breve spiegazione, scrivi la narrazione definitiva anziché un’istruzione che chieda al modello di inventare la spiegazione. Una frase parlata utile è: «Choose the folder you want to share, check who can open it, and save the changes.» Per un dialogo, prepara esplicitamente la frase di ogni parlante e conserva la punteggiatura che aiuta l’interpretazione. Un’abbreviazione, una data o un nome di prodotto dovrebbero essere scritti nella forma che vuoi far sentire all’ascoltatore, soprattutto quando la forma abbreviata scritta sarebbe ambigua.
Orpheus documenta i tag <laugh>, <chuckle>, <sigh>, <cough>, <sniffle>, <groan>, <yawn> e <gasp>. Danno al testo un evento non verbale esplicito nel punto pertinente. Un breve passaggio conversazionale può collocare una risatina prima di una battuta leggera o un sospiro prima di una frase riflessiva. Usa l’indizio dove appartiene all’interpretazione e mantieni chiare le parole effettive della frase.
Sono indicazioni per generare parlato, non un linguaggio generale di istruzioni per modificare una registrazione esistente. Per una voce fuori campo, parti da un testo leggibile e aggiungi soltanto gli eventi espressivi necessari alla scena. Ascolta la frase completa per giudicare se evento, enfasi e ritmo supportano il significato. Un’attività di narrazione può richiedere una voce regolare, mentre una frase di personaggio può beneficiare di un indizio non verbale specifico.
Il produttore fornisce sia un notebook senza streaming sia un esempio di parlato in streaming. Lo streaming restituisce segmenti audio successivi mentre viene generato il passaggio. Nell’esempio pubblicato, quei segmenti vengono scritti in un file WAV mono a 24.000 Hz con campioni a 16 bit. Queste impostazioni di file descrivono il flusso di riferimento; il risultato utile è una registrazione riproducibile le cui parole, parlante e interpretazione possano essere verificati rispetto al copione.
Per una narrazione più lunga, prepara passaggi coerenti con confini di frase chiari e mantieni una copia del copione definitivo accanto all’audio. Verifica inizio e fine di ogni passaggio, pronuncia dei nomi importanti e transizione tra registrazioni adiacenti. Le indicazioni di campionamento del produttore specificano una penalità di ripetizione di almeno 1.1 per generazione stabile nell’implementazione di riferimento e osservano che le scelte di campionamento possono influire sulla velocità del parlato. La lunghezza del modello configurata nell’esempio è un’impostazione di inferenza, non una durata massima di narrazione stabilita.
Questo profilo riguarda il modello inglese adattato con fine-tuning e i suoi parlanti preimpostati documentati. Il modello preaddestrato ha un proprio flusso di condizionamento testo-parlato; le release multilingue hanno parlanti e tag specifici della lingua. Selezionare questa edizione inglese non combina quei profili separati. Un risultato concreto è un copione parlato, una voce preimpostata scelta intenzionalmente e audio verificato per la formulazione e l’interpretazione richieste dal contenuto.
POST /v1/audio/speechtextaudio| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti canopylabs/orpheus-3b-0.1-ft | Predefinito— |
Campoinput | Tipostring | RequisitoObbligatorio | Valori e limiti Lunghezza minima: 1 Unità: caratteri Unicode | Predefinito— |
Campovoice | Tipostring | RequisitoObbligatorio | Valori e limiti tara, leah, jess, leo, dan, mia, zac | Predefinito— |
Camporesponse_format | Tipostring | RequisitoObbligatorio | Valori e limiti mp3 | Predefinito— |
text_to_speech · Obbligatorio: input
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, input, voice, response_format |
Parametrovoice_ids | Contrattotara, leah, jess, leo, dan, mia, zac |
Parametroresponse_format | Contrattomp3 |
Parametromax_input_characters | Contrattonull |
Parametroother_options | Contrattofalse |
Parametroinput | Contrattotesto UTF-8 esatto; conteggio dei caratteri Unicode senza normalizzazione |
Parametromaterial_types | Contrattotext |
Ciclo di vita: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · task_id effettivamente restituito o record della libreria multimediale
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Seleziona la voce esatta dal profilo di questo modello.
I caratteri in ingresso e i secondi di audio sono unità di misurazione diverse.
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Quantità fatturabile | Unità di fatturazione | Costo |
|---|---|---|---|---|
| ConfigurazioneTariffe base dei token | Listino delle tariffeTariffa base | Quantità fatturabile— | Unità di fatturazione— | Costo Input · Token in input — / 1K token Output · Token in output — / 1K token Input · Lettura dalla cache — / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneUltra | Listino delle tariffe— | Quantità fatturabileOgni punto di codice Unicode conta come un carattere, inclusi i caratteri Han. | Unità di fatturazioneper 1K caratteri in input | Costo Input · carattere in ingresso $0.03 per 1K caratteri in input |
I listini di riferimento del modello non modificano la selezione del metodo, i preventivi o gli addebiti. Gli addebiti attivi usano le tariffe del metodo Ailoot selezionato.
| Configurazione | Condizioni di fatturazione | Costo |
|---|---|---|
| ConfigurazioneCanopy Labs: Orpheus 3B · Configurazione predefinita | Condizioni di fatturazioneConfigurazione predefinita | Costo Input · Caratteri in input 0,000014 USD per carattere in input |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_VOICE_ID:?Choose an accepted voice ID from this exact model profile}"\nexport AILOOT_VOICE_ID\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "canopylabs/orpheus-3b-0.1-ft", "input": "Good afternoon! This is a short voice take."}')\nvoice=os.environ["AILOOT_VOICE_ID"]\nallowed=json.loads('["tara", "leah", "jess", "leo", "dan", "mia", "zac"]')\nif voice not in allowed: raise SystemExit("Choose an accepted voice ID from this exact model profile")\np["voice"]=voice\np["response_format"]="mp3"\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/speech \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o speech.mp3\nmp3
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o media-assets.json\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_MEDIA_TASK_ID:?Set the actual ID returned by the response or media-library metadata}"\nexport AILOOT_MEDIA_TASK_ID\nresource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_MEDIA_TASK_ID"],safe=""))')\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/tasks/$resource_id" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o media-task.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("media-task.json").read_text())))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_ASSET_ID:?Set the actual ID returned by the response or media-library metadata}"\nexport AILOOT_ASSET_ID\nresource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_ASSET_ID"],safe=""))')\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/assets/$resource_id" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o media-asset.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("media-asset.json").read_text())))\nPY_RESULT\nConserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva il risultato binario completo e gli header. Se vengono restituiti JSON o più output, conserva ogni elemento data e recupera ogni URL firmato effettivo della risorsa.
Conserva operation_id/X-Client-Request-ID originale per la riconciliazione senza reinvio; non esiste una rotta dedicata al polling audio.
| Campo | Tipo |
|---|---|
Campobinary audio | Tipobytes |
Camporesponse headers | Tipoheaders |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Rispostaserver_error | CondizioneLa risposta restituita indica che l'operazione o il risultato richiede una verifica | Passaggio successivoConserva l'ID originale di operazione/task restituito, gli header della richiesta e la risposta; continua a leggere l'operazione originale tramite le modalità supportate. Non reinviare la richiesta di creazione. |
Ailoot Ultra canopylabs/orpheus-3b-0.1-ft
Usa i percorsi dei metodi indicati sopra.