Fish Audio: Drama 3
Drama 3は、文章の台本を演出付きの音声に変えます。自然言語の指示で感情や話し方を調整し、間や音を加え、発音を指示し、複数の話者による場面を作れます。公表された音声フローは80を超える言語に対応し、1つの文の中での言語の切り替えも可能です。
モデルについて
この説明はモデルの機能を紹介するものです。Ailootで利用できる入力、出力、オプションは、選択したメソッドごとに以下に記載されています。
Drama 3は、演技を伴う台本に向けたFish Audioのテキスト読み上げモデルです。提供した言葉から音声を生成し、台本を書く人が話し方を制御できます。1つの台詞に、感情の演出、声の演技の局所的な変更、発音の指示を含められるため、入力は発話内容と、その聞こえ方の両方を指定します。
言葉を書き、演技を指示する
演技の指示を加える前に、聞き手に聞かせる正確な言葉を準備してください。重要な名前、日付、指示を台本内で明確にし、句読点で意図した文のリズムを作ってください。その後、対象の台詞の前に、角括弧で自然言語の指示を置いてください。抑えた告知、緊迫したやり取り、温かい説明など、希望する感情や話し方を具体的に説明してください。
Drama 3は、1つの台詞の中での局所的な制御にも対応しています。インラインの指示で音や間を加えられ、対になる話し方のタグで特定の言葉に影響を与えられます。各指示の範囲を明確にしてください。1つの表現に向けた演出が、意図せず場面全体の演出にならないようにします。合成する前に、台本を意味のために1回、演技のために1回読んでください。
場面、言語、発音
公表されたモデルは、1つのリクエスト内の複数話者に対応しています。対話を明確な話者のターンに整理し、質問、割り込み、説明、応答など、各ターンに目的を与えてください。授業や解説では、同じ手法で、素材を区別のない1つの独白に書き換えることなく、ナレーターと引用された登場人物を分けられます。
Drama 3は80を超える言語に対応し、声を保ちながら、1つの文の中で言語を切り替えられます。英語の指示が翻訳も行うと考えるのではなく、多言語の文章を実際に話す言語で準備してください。外国の名前や借用語をどう発音するか決め、正確な指示が必要な場合は、モデルの音素コントロールを使用してください。
有用な音声成果物
モデルは、登場人物の対話、ナレーション付きの授業、短い解説、製品の告知、台本付きの音声応答に適しています。内容と演技の選択をまとめて保持してください。教育の文章には、理解できる用語と目的のある間が必要です。登場人物の場面には、明確に分けたターンと一貫した演出意図が必要です。これらは、音声を生成する前にレビューできる文章作成の決定です。
合成後は、話された言葉を完成した台本と比較してください。省かれた表現、誤った位置の間、不明確な話者の切り替え、保護すべき名前の発音を聞いて確認してください。修正する台詞を特定できるよう、音声と共に台本と話し方の指示を保持してください。改訂を準備する際は、最終的な発話内容と、台詞単位の演技の選択をまとめて保持してください。
- 完成した台本から、演出付きの音声を合成。
- セリフの前に角括弧で記す、自然な言葉による演出指示。
- 文中の音と間、および単語ごとの読み方を指定する対のタグ。
- 複数の話者が登場するシーンと、80を超える言語の音声。
- 固有名詞や専門用語の発音を指定する音素コントロール。
- 登場人物の会話 — 話者ごとのセリフと演出指示を明確に分けた台本。 意図的に話し方を変える会話シーンの音声。
- ナレーションによる解説 — 専門用語と間を指定した、完成済みのレッスン原稿。 レッスンの原稿と照合して確認できる音声。
- 多言語のアナウンス — 発音の指定を保持した、対象言語ごとの確定済み原稿。 言語の切り替えを制御した音声の一節。
- 台本に基づく音声応答 — 口調と発話内容を明示した、簡潔な応答。 呼び出し元のアプリケーションで再利用できる音声セグメント。
- 入力と結果 — 公開されているモデルはテキストを入力として受け取り、音声を返します。
- 制御の適用範囲 — 指示を対象のセリフや語句に添え、対の表現タグが適切な範囲に適用されるようにします。
- 確認の単位 — 音声とともに台本と指示をそのまま保持し、セリフ単位で発音と話者の交代を確認します。
Ailoot Ultra · 音声 POST /v1/audio/speech fish-audio/drama-3
fish-audio/drama-3はじめに
Drama 3は、文章の台本を演出付きの音声に変えます。自然言語の指示で感情や話し方を調整し、間や音を加え、発音を指示し、複数の話者による場面を作れます。公表された音声フローは80を超える言語に対応し、1つの文の中での言語の切り替えも可能です。
- 対応する入力
- テキスト
- 結果
- 音声
Ailootで利用可能 · 入力とメソッド
Ailoot Ultra · 音声 POST /v1/audio/speech
- 入力の種類
text- 出力の種類
audio
| フィールド | 種類 | 要件 | 値と制限 | デフォルト |
|---|---|---|---|---|
フィールドmodel | 種類string | 要件必須 | 値と制限 fish-audio/drama-3 | デフォルト— |
フィールドinput | 種類string | 要件必須 | 値と制限 最小の長さ: 1 | デフォルト— |
フィールドvoice | 種類string | 要件必須 | 値と制限 最小の長さ: 1 | デフォルト— |
フィールドresponse_format | 種類string | 要件任意 | 値と制限 mp3, pcm | デフォルトpcm |
フィールドprovider | 種類object | 要件任意 | 値と制限 | デフォルト— |
メソッドのパラメータとライフサイクル
| パラメータ | 仕様 |
|---|---|
パラメータcontent_type | 仕様application/json |
パラメータrequired | 仕様model, input, voice |
パラメータmaterial_types | 仕様text |
パラメータmaterial_conditions | 仕様実際にサポートされている音声IDを選択してください。このモデルのデフォルト値や音声のリテラルを独自に設けることはしていません。 |
ライフサイクル: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · 実際に返された task_id またはメディアライブラリのレコード
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
料金
料金情報はリクエストの機能を追加しません。対応するパラメーターは選択したメソッドに記載されています。
- 高速モード
- 未指定 高速モードが選択されている場合
- Flex モード
- 未指定 flex モードが選択されている場合
- 最大推論量
- 未指定 推論量が最大で、調整に既定値（default）を使用する場合
Ailootの料金
設定別の価格
各料金を表示された条件と照合してください。選択肢となる設定の各組には、いずれか1つの料金を適用します。
| 設定 | 料金表 | 課金単位 | 料金 |
|---|---|---|---|
| 設定基本トークン料金 | 料金表基本料金 | 課金単位— | 料金 入力 · 入力トークン — / 1K トークン 出力 · 出力トークン — / 1K トークン 入力 · キャッシュ読み取り — / 1K トークン 入力 · キャッシュ書き込み — / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
| 設定入力UTF-8バイト | 料金表— | 課金単位入力UTF-8バイトあたり | 料金 入力 · 入力UTF-8バイト $0.00002 入力UTF-8バイトあたり |
Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。金額の確保と精算の仕組み →
リクエスト例
Ailoot Ultra · 音声
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_INPUT_TEXT:?Set the actual documented input value}"
export AILOOT_INPUT_TEXT
: "${AILOOT_VOICE:?Set the actual documented input value}"
export AILOOT_VOICE
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
request={'model': 'fish-audio/drama-3', 'input': '${ACTUAL_INPUT_TEXT}', 'voice': '${ACTUAL_SUPPORTED_VOICE}'}
request['input']=os.environ['AILOOT_INPUT_TEXT']
request['voice']=os.environ['AILOOT_VOICE']
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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o response.bin
# Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.
結果を受け取って保存
Ailoot Ultra · 音声
完全なバイナリ音声、または元のaudio_urlレスポンス、ヘッダー、およびすべての所有アセット。
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
その他のコンテンツ取得
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \
-H "Authorization: Bearer $AILOOT_API_KEY" -o owned-assets.json
# Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token.
完了した結果をすべて保存
返された完全なレスポンス、ファイル、コンテンツ部分をすべて保存してください。
レスポンスとヘッダーの全体、実際の出力すべて、最初に返された識別子、使用量フィールドすべてを保存してください。作成リクエストを再送せずに、元の操作を復旧してください。
元のレスポンスを確認する場合
照合のため、返された X-Client-Request-ID を保存してください。実際に返された task_id/asset_id の値、または自分が所有するメディアライブラリだけを使って読み取ってください。操作 ID からタスクの URL を組み立てたり、作成リクエストを再送したりしないでください。
エイリアス
モデルのエイリアス
Ailoot Ultra fish-audio/drama-3
メソッドパスのエイリアス
上記に表示されたメソッドパスを使用してください。
関連する呼び出し用ID
FAQ · Fish Audio: Drama 3
- 利用できる入力と結果は何ですか？
POST /v1/audio/speech·fish-audio/drama-3:text→audio- リクエストはどの項目を使用しますか？
POST /v1/audio/speech·fish-audio/drama-3:model,input,voice,response_format,provider