Sesame: CSM 1B
Sesame CSM 1Bは、POST /v1/audio/speechで渡したテキストを音声に変換します。実際の原稿とともにsesame/csm-1bを使い、名前付きの声から選択して、MP3またはPCM音声を要求します。準備したメッセージ、説明、ナレーションの区間を、再生や編集用の音声ファイルにするワークフローに適しています。
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。
Sesame CSM 1Bは、正確なID sesame/csm-1bで利用できるテキスト読み上げモデルです。読み上げる言葉を渡し、結果の音声をファイルとして保持します。実用的な指示には、準備済みの商品説明、アプリケーションの音声メッセージ、編集に組み込むナレーション区間などがあります。聴き手に伝えるべき名前、数値、文言も含め、意図する読み上げテキストとして原稿を準備してください。
application/jsonでPOST /v1/audio/speechを送信します。必須フィールドは、sesame/csm-1bに設定するmodelと、原稿を文字列として含めるinputです。原稿ファイルはUTF-8テキストとして読み取り、ローカルのファイル名を渡すのではなく、その内容をinputに入れます。読み上げ内容をこのフィールドに置くと、生成が従う具体的な原稿を渡せ、アプリケーションは正確な文面を結果のファイルと一緒に保持できます。
名前付きのvoiceの選択肢はconversational_a、conversational_b、read_speech_a、read_speech_b、read_speech_c、read_speech_d、noneです。voiceフィールドではこれらの識別子を正確に維持してください。繰り返し使えるリクエスト設定が必要なワークフローでは、声を明示的に選び、その設定を原稿と出力と一緒に保持します。代表的な区間を聴き、利用可能な声のうち、意図する用途に合うものを判断してください。
response_formatでmp3またはpcmを選択します。MP3はaudio/mpegとして配信され、MP3を受け付けるプレーヤーや編集ワークフローに渡せるファイルになります。PCMは16ビットのリトルエンディアンのサンプルを持つaudio/pcmとして配信されます。バイトを解釈するアプリケーションのため、実際の音声メタデータを保持してください。ファイルと後続のデコーダーが一致するよう、形式を明示的に設定します。文書のリクエスト例ではspeed:1を使用しています。確立された設定でリクエストを準備するときは、その基準を維持してください。
成功した応答には生の音声バイトが含まれます。応答ボディを音声として保存し、応答ヘッダーと元のリクエスト識別情報を、原稿、声、要求した形式とともに保持します。その応答の完了を、返された音声を保存して確認できる時点として扱ってください。長い制作物へ追加する前に、読み上げられた名前、数値、文の区切りを元原稿と照合します。送信後にリクエストが中断された場合は、既存の結果を確認する間、元の識別情報と応答情報を保持してください。
Ailoot Ultra · Speech POST /v1/audio/speech sesame/csm-1b
sesame/csm-1bはじめに
Sesame CSM 1Bは、POST /v1/audio/speechで渡したテキストを音声に変換します。実際の原稿とともにsesame/csm-1bを使い、名前付きの声から選択して、MP3またはPCM音声を要求します。準備したメッセージ、説明、ナレーションの区間を、再生や編集用の音声ファイルにするワークフローに適しています。
- 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 · Speech POST /v1/audio/speech
- 入力の種類
text- 出力の種類
audio- 出力形式
- mp3,pcm
| 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 sesame/csm-1b | デフォルト— |
フィールドinput | 種類string | 要件必須 | 値と制限 | デフォルト— |
フィールドvoice | 種類string | 要件任意 | 値と制限 conversational_a, conversational_b, read_speech_a, read_speech_b, read_speech_c, read_speech_d, none | 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— |
フィールドspeed | 種類number | 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 |
パラメータoptional | 仕様voice, response_format, speed |
パラメータmaterial_types | 仕様text |
パラメータconditions | 仕様 |
ライフサイクル: synchronous_result_then_owned_library
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 | 課金数量 | 課金単位 | 料金 |
|---|---|---|---|---|
| 設定基本トークン料金 | 料金表基本料金 | 課金数量— | 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 |
| 設定入力文字 | 料金表— | 課金数量— | 課金単位入力文字あたり | 料金 入力 · 入力文字 $0.000014 入力文字あたり |
| 設定リクエストごと | 料金表— | 課金数量リクエスト1件 | 課金単位— | 料金 入力 $0 リクエストあたり |
Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。金額の確保と精算の仕組み →
リクエスト例
Ailoot Ultra · Speech
set -eu
: "${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.
結果を受け取って保存
Ailoot Ultra · Speech
mp3,pcm
GET /v1/media/assetsGET /v1/media/assets/{asset_id}
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。
Retain the complete binary audio and response headers. Use the actual output Content-Type; no extra container or bit depth is inferred.
元のレスポンスを確認する場合
Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.
エイリアス
モデルのエイリアス
Ailoot Ultra sesame/csm-1b
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 · Sesame: CSM 1B
- 利用できる入力と結果は何ですか？
POST /v1/audio/speech·sesame/csm-1b:text→audio- リクエストはどの項目を使用しますか？
POST /v1/audio/speech·sesame/csm-1b:model,input,voice,response_format,speed