Deepgram: Flux TTS

Deepgram Flux TTS ағылшын мәтінін сөйлесу мәнеріндегі аудиоға айналдырып, репликалар арасында дауыс мәнерін сақтайды. Ағындық режимі сөзді бөлуді өңдейді; пакеттік синтез сол дауыс каталогын пайдаланып, қайта қолданылатын аудио жасайды.

Ailoot Ultra · Дыбыстау POST /v1/audio/speech deepgram/flux-tts

Модель туралы

Бұл сипаттама модель мүмкіндіктерін қамтиды. Ailoot жүйесінде таңдалған әдіс үшін қолжетімді кіріс, шығыс және параметрлер төменде берілген.

Flux TTS — тікелей сөйлесуге және алдын ала бекітілген ауызша мазмұнға арналған Deepgram мәтінді сөйлеуге айналдыру тобы. Негізгі ерекшелігі — сөйлесу сабақтастығы: ағындық модель просодияны кезектер арасында сақтайды, сондықтан өзара әрекет жалғасқанда орындау үні бірізді қала алады. Ол жазылған мәтінді қабылдап, сөйлеу аудиосын қайтарады. Flux TTS және жеке аталған Flux сөйлеуді тану моделі дауыстық әңгіменің әртүрлі бөліктерін орындайды.

Ағылшын дауысты таңдаңыз

Құжатталған Flux каталогы америкалық, британдық, ирландиялық, австралиялық, үндістандық, сингапурлық және филиппиндік акценттермен ағылшынша сөйлейді. Дауыс сипаттамалары клиентке қызмет көрсетуге, телефон мәзіріне, баяндауға немесе бейресми әңгімеге сөйлеуші таңдауға көмектеседі. Мысалы, жасаушы Haley даусын тыныш америкалық, Jack даусын кәсіби британдық дауыс ретінде атайды. Дауысты аудиторияға және оқылатын мәтіннің сипатына сай таңдап, бүкіл шығармада не әңгімеде бірдей сақтаңыз. Басқа тілдегі сөйлеу бөлек құжатталған модель таңдауына жатады.

Тікелей сөйлесу кезектері және сөзді бөлу

Өндірушінің ағындық үдерісінде мәтін қолданба жауап құрастырған сайын келе алады, ал аудио біртіндеп қайтарылады. Әр кезектің өз басталу және аяқталу оқиғалары бар; кезекті аяқтау қалған синтезді бітіреді. Кезектер арасындағы контекст сол сессия ішінде просодияны сақтайды. Бұл алдымен таңдауды түсіндіріп, кейін дауыс сипатын өзгертпей нақтылау сұрағына жауап беретін ауызша ассистентке пайдалы.

Сөзді бөлу белсенді кезекті тоқтатып, айтылған бөлікті және қалған мәтінді қайтарады. Осы айырмашылық қолданбаға тыңдаушының нақты естіген жерінен жалғастыруға көмектеседі. Практикалық өзара әрекет үшін алдымен маңызды нұсқауы, кейін түсіндірмесі бар қысқа жауап дайындаңыз. Тыңдаушы бірінші нұсқаудан кейін сөзді бөлсе, келесі жауап бүкіл түсіндірме жеткізілді деп ойламай, жаңа сұраққа жауап бере алады.

Бекітілген аудио және нәтиже пішімдері

Пакеттік синтез толық мәтін блогын қабылдап, оның аудиосын бір жауапта қайтарады. Ол ағындық режиммен бір дауыс каталогын қолданады және алдын ала дайындалған телефон хабарламаларына, хабарландыруларға немесе баяндауға жарайды. Пакеттік сұраулар тәуелсіз; ағындық кезек күйі мен сөзді бөлу оқиғалары бекітілген клипке қолданылмайды.

Ағындық нәтиже — файл контейнері жоқ өңделмеген аудио: 16-биттік PCM, mu-law немесе A-law. Жасаушы PCM үшін 8, 16, 24, 32, 44.1 және 48 kHz дискреттеу жиіліктерін құжаттайды; mu-law және A-law 8 немесе 16 kHz қолданады. Пакеттік нәтиже қосымша MP3, Opus, FLAC және AAC қолдайды. Өңделмеген үлгілер ағынын кәдімгі аудиофайл деп қабылдамай, мақсатты ойнатқыш немесе телефон жолы түсіне алатын кодтау мен контейнерді таңдаңыз.

Орындау параметрлері және шекаралар

Өндіруші сөйлеу жылдамдығының 0.05 қадаммен 0.5–1.5 ауқымын құжаттайды. Ағындық жылдамдық өзгерістері сегмент шекарасында күшіне енеді. Бөлек бета мәнерлілік параметрі орындауды тыныштан жанданғанға өзгертеді. Кәдімгі SSML және танылған бәсекелес тегтері мәнерлі нұсқау ретінде қолданылмай, алынып тасталады; Flux-тің төл параметрлерінің өз мағынасы бар.

Мәтін ішіндегі кідірістер пакеттік синтезге жатады: ұзақтығы 100-ms қадаммен 500–3,000 ms, бір сұрауға ең көбі сегіз белгі. Көршілес кідірістерді мәтін ажыратуы керек, ал кідіріс бар кезде жылдамдық 1.15 мәнімен шектеледі. Айтылымды алмастырулар IPA қолданады және Early Access кезеңінде; жасаушы сұралған айтылым генерациялар арасында өзгеруі мүмкін екенін ескертеді. Айтылымды әдепкіден бөлек жылдамдықпен немесе кідіріс параметрлерімен біріктіруге болмайды. Арнайы есімдері бар сценарий үшін сол терминдерді таңдалған дауыста тыңдап, айтылатын тұжырымды анық ұстаңыз.

Deepgram-ның құжатталған ағындық сессиясы бір сағатқа дейін созылады және қолдау көрсетілетін байланыс механизмі белсенді ұстамаса, кіріс хабарлама болмаған алпыс секундтан кейін жабылады. Бұл сессия шектері тікелей синтез үдерісіне қатысты. Пайдалы нәтиже — саналы таңдалған дауыс, тыңдаушыға ыңғайлы мәтін және мақсатты орнына сай аудио; тікелей қолданбалар кезек бөлінгенде нақты не айтылғанын қадағалайды.

Ailoot Ultra · Дыбыстау POST /v1/audio/speech deepgram/flux-tts

deepgram/flux-tts

Deepgram /deepgram/flux-tts

Бастау

Қабылданатын кіріс деректері: Мәтін
Нәтижелер: Аудио

Ailoot жүйесінде қолжетімді · кіріс деректері мен әдістер

Ailoot Ultra · Дыбыстау POST /v1/audio/speech

Кіріс: text
Шығыс: audio
Шығыс пішімі: mp3

Өріс	Түрі	Талап	Мәндер мен шектеулер	Әдепкі
Өріс`model`	Түрі`string`	ТалапМіндетті	Мәндер мен шектеулер deepgram/flux-tts	Әдепкі—
Өріс`input`	Түрі`string`	ТалапМіндетті	Мәндер мен шектеулер Ең аз ұзындық: 1 Бірлік: Unicode таңбалары	Әдепкі—
Өріс`voice`	Түрі`string`	ТалапМіндетті	Мәндер мен шектеулер flux-alexis-en, flux-bree-en, flux-brittany-en, flux-brooke-en, flux-bruce-en, flux-cliff-en, flux-cole-en, flux-colin-en, flux-conor-en, flux-donovan-en, flux-drew-en, flux-elise-en, flux-gemma-en, flux-haley-en, flux-hannah-en, flux-heather-en, flux-jack-en, flux-kai-en, flux-kelsey-en, flux-kit-en, flux-maeve-en, flux-marcelo-en, flux-marcus-en, flux-meena-en, flux-meghan-en, flux-miles-en, flux-naveen-en, flux-paige-en, flux-priya-en, flux-rufus-en, flux-sean-en, flux-sharon-en, flux-sienna-en, flux-tanner-en, flux-wade-en, flux-wes-en	Әдепкі—
Өріс`response_format`	Түрі`string`	ТалапМіндетті	Мәндер мен шектеулер mp3	Әдепкі—

Кіріс материалдарының үйлесімдері

text_to_speech · Міндетті: input

Әдіс параметрлері мен өмірлік циклі

Параметр	Параметр талаптары
Параметр`content_type`	Параметр талаптарыapplication/json
Параметр`required`	Параметр талаптарыmodel, input, voice, response_format
Параметр`voice_ids`	Параметр талаптарыflux-alexis-en, flux-bree-en, flux-brittany-en, flux-brooke-en, flux-bruce-en, flux-cliff-en, flux-cole-en, flux-colin-en, flux-conor-en, flux-donovan-en, flux-drew-en, flux-elise-en, flux-gemma-en, flux-haley-en, flux-hannah-en, flux-heather-en, flux-jack-en, flux-kai-en, flux-kelsey-en, flux-kit-en, flux-maeve-en, flux-marcelo-en, flux-marcus-en, flux-meena-en, flux-meghan-en, flux-miles-en, flux-naveen-en, flux-paige-en, flux-priya-en, flux-rufus-en, flux-sean-en, flux-sharon-en, flux-sienna-en, flux-tanner-en, flux-wade-en, flux-wes-en
Параметр`response_format`	Параметр талаптарыmp3
Параметр`max_input_characters`	Параметр талаптарыnull
Параметр`other_options`	Параметр талаптарыfalse
Параметр`input`	Параметр талаптарыдәл UTF-8 мәтіні; қалыпқа келтірмей есептелген Unicode таңбалар саны
Параметр`material_types`	Параметр талаптарыtext

Өмірлік цикл: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · Нақты қайтарылған task_id немесе медиатека жазбасы

GET /v1/media/assets/{asset_id}/content

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Осы модель профилінен нақты дауысты таңдаңыз.

Кіріс таңбалары мен аудио секундтары бөлек есептеу бірліктері болып саналады.

Тарифтер

Тариф анықтамасы сұрау мүмкіндіктерін қоспайды. Қолдау көрсетілетін параметрлер таңдалған әдісте берілген.

Жылдам режим: Көрсетілмеген Жылдам режим таңдалғанда
Икемді режим: Көрсетілмеген flex режимі таңдалғанда
Ой қорытудың ең жоғары деңгейі: Көрсетілмеген Ой қорыту деңгейі ең жоғары болып, default түзетуі қолданылғанда

Ailoot мөлшерлемелері

Баптаулар бойынша бағалар

Әр төлемді көрсетілген шарттармен салыстырыңыз. Балама баптаулардың әр жиыны үшін бір мөлшерлемені қолданыңыз.

Баптау	Мөлшерлемелер кестесі	Есептеу бірлігі	Төлем
БаптауТокендердің базалық тарифтері	Мөлшерлемелер кестесіНегізгі мөлшерлеме	Есептеу бірлігі—	Төлем Кіріс · Кіріс токендері — / 1K токен Шығыс · Шығыс токендері — / 1K токен Кіріс · Кэшті оқу — / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен
Баптаукіріс таңбасы	Мөлшерлемелер кестесі—	Есептеу бірлігікіріс таңбасы үшін	Төлем Кіріс · кіріс таңбасы $0.00009 кіріс таңбасы үшін

Анықтамалық тариф мәліметтері

Модельдің анықтамалық кестелері әдіс таңдауын, баға есебін не төлемді өзгертпейді. Қолданыстағы төлемдер таңдалған Ailoot әдісінің мөлшерлемелерімен есептеледі.

Deepgram: Flux TTS

Баптаулар бойынша бағалар

Баптау	Төлемді есептеу шарттары	Төлем
БаптауDeepgram: Flux TTS · Әдепкі конфигурация	Төлемді есептеу шарттарыӘдепкі баптау	Төлем Кіріс · Кіріс таңбалары 0,00009 $ кіріс таңбасы үшін

Ailoot сұрау алдында болжамды соманы резервтейді. Нәтижеден кейін өлшенген пайдалану көлемі бойынша қорытынды төлемді шегереді. Ағындық жауап үшін төлем соңғы пайдалану жазбасы негізінде шегеріледі. Резервтеу мен төлемді есептеу тәртібі →

Сұрау мысалдары

Ailoot Ultra · Дыбыстау

curl

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_VOICE_ID:?Choose an accepted voice ID from this exact model profile}"
export AILOOT_VOICE_ID
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "deepgram/flux-tts", "input": "Good afternoon! This is a short voice take."}')
voice=os.environ["AILOOT_VOICE_ID"]
allowed=json.loads('["flux-alexis-en", "flux-bree-en", "flux-brittany-en", "flux-brooke-en", "flux-bruce-en", "flux-cliff-en", "flux-cole-en", "flux-colin-en", "flux-conor-en", "flux-donovan-en", "flux-drew-en", "flux-elise-en", "flux-gemma-en", "flux-haley-en", "flux-hannah-en", "flux-heather-en", "flux-jack-en", "flux-kai-en", "flux-kelsey-en", "flux-kit-en", "flux-maeve-en", "flux-marcelo-en", "flux-marcus-en", "flux-meena-en", "flux-meghan-en", "flux-miles-en", "flux-naveen-en", "flux-paige-en", "flux-priya-en", "flux-rufus-en", "flux-sean-en", "flux-sharon-en", "flux-sienna-en", "flux-tanner-en", "flux-wade-en", "flux-wes-en"]')
if voice not in allowed: raise SystemExit("Choose an accepted voice ID from this exact model profile")
p["voice"]=voice
p["response_format"]="mp3"
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 speech.mp3

Нәтижелерді алу және сақтау

Ailoot Ultra · Дыбыстау

mp3

GET /v1/media/tasks/{task_id}
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}

Басқа мазмұнды оқу

Медиа кітапханасыТапсырма күйіМатериал мәліметтері

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 media-assets.json

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_MEDIA_TASK_ID:?Set the actual ID returned by the response or media-library metadata}"
export AILOOT_MEDIA_TASK_ID
resource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_MEDIA_TASK_ID"],safe=""))')
curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/tasks/$resource_id" \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o media-task.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path("media-task.json").read_text())))
PY_RESULT

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_ASSET_ID:?Set the actual ID returned by the response or media-library metadata}"
export AILOOT_ASSET_ID
resource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_ASSET_ID"],safe=""))')
curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/assets/$resource_id" \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o media-asset.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path("media-asset.json").read_text())))
PY_RESULT

Барлық дайын нәтижені сақтау

Қайтарылған әр толық жауапты, файлды және мазмұн бөлігін сақтаңыз.

Толық бинарлық нәтижені және тақырыптарды сақтаңыз. JSON/бірнеше нәтиже қайтарылса, әрбір дерек элементін сақтап, активке берілген әрбір нақты қолтаңбаланған URL мекенжайынан жүктеп алыңыз.

Бастапқы жауапты тексеру қажет болса

Қайта жібермей салыстырып тексеру үшін бастапқы operation_id/X-Client-Request-ID мәнін сақтаңыз; аудио күйін мерзімді түрде сұратуға арналған жеке маршрут жоқ.

Жауап өрістері

Өріс	Түрі
Өріс`binary audio`	Түріbytes
Өріс`response headers`	Түріheaders

Қателер және келесі қадамдар

Жауап	Шарт	Келесі қадам
Жауап400 · `invalid_request_error`	ШартМіндетті өрістер, материалды ұсыну тәсілі немесе параметр мәні қате	Келесі қадамЖаңадан жасау сұрауын жібермес бұрын көрсетілген өрістерді түзетіңіз.
Жауап`server_error`	ШартҚайтарылған жауапта операцияны немесе нәтижені тексеру қажет екені көрсетілген	Келесі қадамБастапқыда қайтарылған операцияның/тапсырманың ID мәнін, сұрау тақырыптарын және жауабын сақтаңыз; сол бастапқы операцияны қолдау көрсетілетін тәсілдермен оқуды жалғастырыңыз. Жасау сұрауын қайта жібермеңіз.

Балама атаулар

Модельдердің балама атаулары

Ailoot Ultra deepgram/flux-tts

Әдіс жолдарының балама атаулары

Жоғарыда көрсетілген әдіс жолдарын пайдаланыңыз.

Шақыруға арналған байланысты ID

deepgram/flux-tts

FAQ · Deepgram: Flux TTS

Қандай кіріс деректері мен нәтижелер қолжетімді?: POST /v1/audio/speech · deepgram/flux-tts: text → audio
Сұрау қандай өрістерді пайдаланады?: POST /v1/audio/speech · deepgram/flux-tts: model, input, voice, response_format

Deepgram: Flux TTS