Fish Audio: S1
Fish Audio S1 дауыс референстері мен жақшадағы эмоция белгілерін қолданып, көптілді сценарийлерді мәнерлі бір сөйлеушілі аудиоға айналдырады. Оны баяндауға, қысқа ауызша нұсқауларға немесе кейіпкер репликаларына қолданыңыз; дайын аудио үшін пішім мен просодия параметрлері бар.
Модель туралы
Бұл сипаттама модель мүмкіндіктерін қамтиды. Ailoot жүйесінде таңдалған әдіс үшін қолжетімді кіріс, шығыс және параметрлер төменде берілген.
S1 — мәнерлі баяндауға және бір сөйлеушілі дауыс нәтижесіне арналған Fish Audio-ның алдыңғы буын мәтінді сөйлеуге айналдыру моделі. Ол берілген сценарийді оқып, таңдалған немесе референспен шартталған дауысты қолданып аудио қайтарады. Толық S1 моделі кішірек дистилляцияланған S1-mini моделінен бөлек; өндіруші оларды тиісінше 4 миллиард және 0.5 миллиард параметрлі нұсқалар деп таныстырады. Бұл профиль аталған S1 моделін қамтиды.
Баяндау үшін нақты айтылуы тиіс сөздерді дайындап, орындау өзгеруі керек жерлерді белгілеңіз. Пайдалы түсіндірме сценарийі негізгі ойын алдымен айтады, бір уақытта бір идеяны дамытады және табиғи кідіріс керек тіркестерді тыныс белгілерімен бөледі. Қысқа нұсқауда тұжырымды экрансыз естігенде де анық ұстаңыз. Есімдер, қысқартулар және өлшем бірліктерінің қажетті оқылуын сақтап, көзге түсінікті жолдың бір ғана айтылымы бар деп ойламай, сандарды ауызша нәтижеде тексеріңіз.
S1 (angry), (sad), (in a hurry) немесе (chuckling) сияқты жақшадағы эмоция және орындау белгілерін қолданады. Белгіні әсер етуі тиіс сөйлемнің не тіркестің алдына қойып, одан кейін нақты сөйлеуді беріңіз. Орындау кейінгі мәтінге тиесілі, сондықтан көңіл күй өзгерісі орындау өзгеруі қажет жерде тұруы керек. Бұл S2 шаршы жақшадағы нұсқауларынан басқа синтаксис; екі белгілеу пішінін өзара алмастырылатын деп ойламай, сценарийді таңдалған буынға сай жазыңыз.
Дауысты сақталған дауыс идентификаторы арқылы таңдауға немесе транскриптімен бірге референстік жазбадан шарттауға болады. Жедел референс үдерісі үшін жалпы сөйлеу нұсқаулығы таза 10–30 секундтық үлгіні ұсынады. Сөйлеу мәнері мен жазба сапасы қажетті нәтижеге сай үлгіні таңдап, транскриптті сол үлгідегі сөздерге сәйкестендіріңіз. Қайталанатын баяндаушы үшін бір дауыс референсін үзінділерде қайта қолданыңыз, сонда тақырып өзгерісі байқаусыз кейіпкер өзгерісіне айналмайды.
S1 шығарылымы қолдау көрсетілетін тілдердің арасында ағылшын, қытай, жапон, неміс, француз, испан, корей, араб, орыс, нидерланд, итальян, поляк және португал тілдерін атайды және бір сценарийде тілдерді араластыруды сипаттайды. Сөйлеу синтезін аудару қадамы деп қабылдамай, мақсатты тілдегі тұжырымды беріңіз. Кірме есімі немесе тіл ауысуы бар үзіндіде жазылуды және айнала сөйлем контекстін анық ұстап, таңдалған дауыстың сол ауысуды қалай орындайтынын тексеріңіз.
S1 өндіруші интерфейсі әр синтез сұрауына бір сөйлеушіні қолдайды. Диалогты өз дауыс референстері бар бөлек сегменттер ретінде дайындап, кейін қолданбада жинауға болады; S2 тобының төл көпсөйлеушілі синтезі — бөлек мүмкіндік. Кейіпкер репликаларын дайындағанда рөлді, дауысты және мәтінді әр сегментпен байланысты ұстаңыз. Синтез нәтижесі — сценарийдің аудио орындауы, ал әңгімені уақытқа орналастыру немесе музыкамен және бейнемен біріктіру — кейінгі өңдеу қадамы.
Нәтиже нұсқаларына MP3, WAV, өңделмеген PCM және Opus кіреді, әдепкісі — MP3. Құжатталған нәтиже моно; WAV және PCM 16-биттік үлгілерді қолданады, ал пішімге тән дискреттеу жиілігі таңдаулары өзгереді. MP3 64, 128 және 192 kbps қолдайды, ал Opus 48 kHz қолданады. Дыбыс деңгейін басқарумен бірге жылдамдықты 0.5–2.0 аралығында реттеуге болады. Дыбыстау материалы үшін кодталған файлды немесе ойнатуға тиісті ағынды таңдап, таңдалған дауыс пен сценарийді нәтижемен бірге сақтаңыз.
Өндіруші ұзын мәтінді бөліктермен өңдейді; құжатталған бөлік ұзындығының ауқымы — 100–300, жалпы жазба ұзақтығына кепілдік орнына әр бөлікке аудио-токен бюджеті бар. Мәтінді қалыпқа келтіру ағылшын және қытай сандарын табиғи оқылуға кеңейте алады, ал S1 қайталау айыппұлы қайталанатын аудио үлгілерін азайта алады. Нәтиже дыбыс қаттылығын нормалау — S1 моделіне әсер етпейтін бөлек баптау. Дайын үзіндіні жинамас бұрын айтылымды, тіркес шекараларын, қайталанатын дыбыстарды және қажетті эмоциялық ауысуды тексеріп, кейін назар қажет нақты репликаны немесе референсті түзетіңіз.
Ailoot Ultra · Дыбыстау POST /v1/audio/speech fish-audio/s1
fish-audio/s1Бастау
Fish Audio S1 дауыс референстері мен жақшадағы эмоция белгілерін қолданып, көптілді сценарийлерді мәнерлі бір сөйлеушілі аудиоға айналдырады. Оны баяндауға, қысқа ауызша нұсқауларға немесе кейіпкер репликаларына қолданыңыз; дайын аудио үшін пішім мен просодия параметрлері бар.
- 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
- нақты мәлімделген бинарлық аудио
| Өріс | Түрі | Талап | Мәндер мен шектеулер | Әдепкі |
|---|---|---|---|---|
Өрісmodel | Түріstring | ТалапМіндетті | Мәндер мен шектеулер fish-audio/s1 | Әдепкі— |
Өрісinput | Түріstring | ТалапМіндетті | Мәндер мен шектеулер Ең аз ұзындық: 1 | Әдепкі— |
Өрісvoice | Түріstring | ТалапМіндетті | Мәндер мен шектеулер Мысалдар: b347db033a6549378b48d00acb0d06cd | Әдепкі— |
Өрісresponse_format | Түріstring | ТалапМіндетті емес | Мәндер мен шектеулер mp3, pcm | Әдепкіpcm |
Кіріс материалдарының үйлесімдері
text_to_speech · Міндетті: actual UTF-8 script, exact supported voice
Әдіс параметрлері мен өмірлік циклі
| Параметр | Параметр талаптары |
|---|---|
Параметрcontent_type | Параметр талаптарыapplication/json |
Параметрrequired | Параметр талаптарыmodel, input, voice |
Параметрmaterial_types | Параметр талаптарыtext |
Параметрvoice_ids | Параметр талаптарыb347db033a6549378b48d00acb0d06cd |
Параметрvoice_list_exhaustive | Параметр талаптарыfalse |
Параметрresponse_format | Параметр талаптарыmp3, pcm |
Параметрdefault_response_format | Параметр талаптарыpcm |
Параметрquantity | Параметр талаптарыДекодталған бір ғана кіріс жолының UTF-8 байттары; шеттеріндегі бос орын таңбаларын жою және қалыптандыру орындалмайды |
Параметрnative_byte_quote_controls | Параметр талаптарыБұл байт саны бойынша дәл баға ұсыну жолы қосымша шотталатын мәтін мәлімделгенше бос емес нұсқауларды және бірнеше сөйлеушінің кезектескен кірісін қабылдамайды. |
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}
Дәл модельді және құжатталған кіріс өрістерін қолданыңыз.
Толық жауапты, әрбір нақты шығыс нәтижесін және бастапқы қайтарылған ID мәндерін сақтаңыз.
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 |
| БаптауUltra | Мөлшерлемелер кестесі— | Есептеу бірлігіutf8 кіріс аудиосының байты үшін | Төлем Кіріс · кіріс аудионың utf8 байты $0.00003 utf8 кіріс аудиосының байты 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 →
Анықтамалық тариф мәліметтері
Модельдің анықтамалық кестелері әдіс таңдауын, баға есебін не төлемді өзгертпейді. Қолданыстағы төлемдер таңдалған Ailoot әдісінің мөлшерлемелерімен есептеледі.
Fish Audio: S1
Баптаулар бойынша бағалар
| Баптау | Төлемді есептеу шарттары | Төлем |
|---|---|---|
| БаптауFish Audio: S1 · Әдепкі конфигурация | Төлемді есептеу шарттарыӘдепкі баптау | Төлем Кіріс · Кіріс UTF-8 байттары 0,00003 $ UTF-8 кіріс байты үшін |
Сұрау мысалдары
Ailoot Ultra · Дыбыстау
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
request={'model': 'fish-audio/s1', 'input': 'Hello world', 'voice': 'b347db033a6549378b48d00acb0d06cd', 'response_format': 'mp3'}
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
# Keep the complete original response and headers. Read every returned segment, word and usage field.
# Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting.
Нәтижелерді алу және сақтау
Ailoot Ultra · Дыбыстау
нақты мәлімделген бинарлық аудио
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Барлық дайын нәтижені сақтау
Қайтарылған әр толық жауапты, файлды және мазмұн бөлігін сақтаңыз.
Барлық толық бинарлық байттарды және барлық бастапқы тақырыптарды сақтаңыз; JSON қайтарылса, оны толық сақтаңыз. Нақты операция мен ресурс ID мәндері сақталады.
Бастапқы жауапты тексеру қажет болса
Бастапқы operation_id/X-Client-Request-ID мәндерін және бастапқы жауапты сақтаңыз. Қайта жібермей, иелігіңіздегі нақты тапсырма немесе ресурс жазбаларын оқыңыз; аудио күйін сұрауға арналған бөлек URL құрастырылмайды.
Жауап өрістері
| Өріс | Түрі |
|---|---|
Өрісbinary audio | Түріbytes |
Өрісresponse headers | Түріheaders |
Балама атаулар
Модельдердің балама атаулары
Ailoot Ultra fish-audio/s1
Әдіс жолдарының балама атаулары
Жоғарыда көрсетілген әдіс жолдарын пайдаланыңыз.
Шақыруға арналған байланысты ID
FAQ · Fish Audio: S1
- Қандай кіріс деректері мен нәтижелер қолжетімді?
POST /v1/audio/speech·fish-audio/s1:text→audio- Сұрау қандай өрістерді пайдаланады?
POST /v1/audio/speech·fish-audio/s1:model,input,voice,response_format