hexgrad: Kokoro 82M

hexgrad-тың Kokoro 82M моделі ықшам, 82 миллион параметрлі модельмен және тілге тән дайын дауыспен сөйлеу жасайды. Құжатталған v1.0 профилі сегіз тілді, 54 дауысты және 24 kHz аудио нәтижесін қамтиды.

Ailoot Ultra · Дыбыстау POST /v1/audio/speech hexgrad/kokoro-82m

Модель туралы

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

Kokoro 82M — сексен екі миллион параметрі бар hexgrad ашық салмақты мәтінді сөйлеуге айналдыру моделі. Оның модель картасы StyleTTS 2 және iSTFTNet негізіндегі ықшам, тек декодтағыштан тұратын архитектураны сипаттайды. Жазылған мәтін айтылым деректеріне, кейін таңдалған дауыстағы сөйлеуге айналдырылады. Құжатталған v1.0 шығарылымы сегіз тілдегі елу төрт дауысты береді; бұл профиль бұрынғы тек ағылшын тіліндегі v0.19 шығарылымынан бөлек.

Сәйкес тіл мен дауысты таңдаңыз

Дауыс каталогы америкалық және британдық ағылшын, жапон, мандарин қытай, испан, француз, хинди, итальян және бразилиялық португал тілдерін қамтиды. Екі ағылшын акценті — бір тілдің нұсқалары. Дауыс атаулары мен тіл баптаулары бірге жүреді: ресми үдерісте af_heart — америкалық ағылшын мысалы, ал каталогта басқа тілдер мен акценттерге бөлек топтар бар.

Сөйлеушіні ол оқитын нақты материалмен бірге таңдаңыз. Қысқа курс баяндауы бөлімдерінде бір дайын дауысты бірізді қолдана алады; көптілді жинақ әр қажетті тіл тобынан дауыс таңдай алады. Каталог қамтуы топтарға қарай өзгереді. Мысалы, француз тілінде ағылшын тіліне қолжетімді кеңірек таңдау орнына тізімде бір дауыс бар.

Айтылым мен үзінділерді дайындаңыз

Kokoro референстік конвейері жазылған пішіндерді фонемаларға айналдырады. Мысалдары терминнің анық фонетикалық оқылуын беруге мүмкіндік береді, сондықтан күрделі есімді екіұшты жазылуға қалдырмай, алдын ала дайындауға болады. Айналасындағы сөйлемді табиғи ұстап, тыңдаушы естуі тиіс тұжырымды сақтаңыз.

Практикалық үзінді: «Нұсқаулық үш бөліктен тұрады. Алдымен материалды таңдаңыз. Содан кейін мысалдарды салыстырыңыз. Соңында қолданғыңыз келетін нұсқаны сақтаңыз». Толық тіркестер жазып, тыныс белгілері меңзейтін кідірістерді сақтаңыз. Ұзын материалда бүкіл құжатты бір үздіксіз реплика деп қабылдамай, кірісті тұтас мағыналы абзацтарға ұйымдастырыңыз.

Дауыс нұсқаулығы көптеген сөйлеушінің шамамен 500 токендік аралық ішіндегі 100–200 токендік үзінділерде жақсырақ орындайтынын айтады. Ол өте қысқа репликалардағы, әсіресе 10–20 токеннен төмендегі әлсіздіктерді және ұзынырақ үзінділерде, әсіресе 400 токеннен асқанда асығуға бейімділікті атап өтеді. Бұлар — сөз саны немесе жазба ұзақтығының шектері емес, токенге негізделген дайындау бақылаулары. Қысқа фрагменттерді біріктіру немесе ұзын үзіндіні бөлу сөйлеудің қолайлырақ бірлігін бере алады.

Аудио нәтижесі және қарқын

Ресми үдеріс әр жасалған сегмент үшін өңделген мәтінді, фонемаларды және аудио нәтижесін береді. Ол сегменттерді WAV ретінде 24,000 Hz жиілікпен сақтайды және референстік конвейерде жылдамдық параметрін ұсынады. Жиналған баяндау қажетті сценарийге ілесуі үшін сегмент мәтіні мен ретін аудиомен байланысты сақтаңыз.

Пайдалы өңдеу тексеруі — екі үзінді арасындағы шекараны тыңдап, кейін қайталанатын есімдер мен тізім қарқынын тексеру. Аудио нәтижесі мен фонема көрінісі әртүрлі міндет атқарады: біріншісі — тыңдаушы еститін жазба, екіншісі жазылған мәтіннің қалай айтылатынын тексеруге көмектеседі.

Тіл қамтуы және пайдалы шектер

Жасаушы ағылшын емес тілдердің қолдауы айтылым өңдеуі немесе дауысты оқыту деректері шектеулі болғандықтан жұтаң болуы мүмкін екенін анық айтады. Сондықтан дайын дауыс топтарын әр үзіндіге бірдей орындау кепілдігі деп қабылдауға болмайды. Тиісті сөйлеушіні таңдап, міндетке қажет нақты есімдер мен тұжырымдарды тексеріңіз.

Пайдалы нәтиже — айтылымы мен үзінді ұзындығының қажеттіліктеріне сай дайындалған мәтіннен, құжатталған дайын дауыспен жасалған ауызша үзінді немесе жиналған баяндау. Бұл профиль жасаушының v1.0 Kokoro 82M материалдарына сай; басқа бақылау нүктесінің, квантталған іске асырудың немесе сырттан өзгертілген дауыстың өз техникалық аясы бар.

Ailoot Ultra · Дыбыстау POST /v1/audio/speech hexgrad/kokoro-82m

hexgrad/kokoro-82m

hexgrad /hexgrad/kokoro-82m

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 hexgrad/kokoro-82m	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 af_alloy, af_aoede, af_bella, af_heart, af_jessica, af_kore, af_nicole, af_nova, af_river, af_sarah, af_sky, am_adam, am_echo, am_eric, am_fenrir, am_liam, am_michael, am_onyx, am_puck, am_santa, bf_alice, bf_emma, bf_isabella, bf_lily, bm_daniel, bm_fable, bm_george, bm_lewis, ef_dora, em_alex, em_santa, ff_siwis, hf_alpha, hf_beta, hm_omega, hm_psi, if_sara, im_nicola, jf_alpha, jf_gongitsune, jf_nezumi, jf_tebukuro, jm_kumo, pf_dora, pm_alex, pm_santa, zf_xiaobei, zf_xiaoni, zf_xiaoxiao, zf_xiaoyi, zm_yunjian, zm_yunxi, zm_yunxia, zm_yunyang	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 талаптарыaf_alloy, af_aoede, af_bella, af_heart, af_jessica, af_kore, af_nicole, af_nova, af_river, af_sarah, af_sky, am_adam, am_echo, am_eric, am_fenrir, am_liam, am_michael, am_onyx, am_puck, am_santa, bf_alice, bf_emma, bf_isabella, bf_lily, bm_daniel, bm_fable, bm_george, bm_lewis, ef_dora, em_alex, em_santa, ff_siwis, hf_alpha, hf_beta, hm_omega, hm_psi, if_sara, im_nicola, jf_alpha, jf_gongitsune, jf_nezumi, jf_tebukuro, jm_kumo, pf_dora, pm_alex, pm_santa, zf_xiaobei, zf_xiaoni, zf_xiaoxiao, zf_xiaoyi, zm_yunjian, zm_yunxi, zm_yunxia, zm_yunyang
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	Төленетін мөлшер	Есептеу бірлігі	Төлем
БаптауТокендердің базалық тарифтері	Мөлшерлемелер кестесіНегізгі мөлшерлеме	Төленетін мөлшер—	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—	Төленетін мөлшерӘр Unicode код нүктесі, соның ішінде Han таңбалары, бір таңба болып саналады.	Есептеу бірлігі1K кіріс таңбасы үшін	Төлем Кіріс · кіріс таңбасы $0.008 1K кіріс таңбасы үшін

Анықтамалық тариф мәліметтері

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

hexgrad: Kokoro 82M

Баптаулар бойынша бағалар

Баптау	Төлемді есептеу шарттары	Төлем
Баптауhexgrad: Kokoro 82M · Әдепкі конфигурация	Төлемді есептеу шарттарыӘдепкі баптау	Төлем Кіріс · Кіріс таңбалары 0,00000124 $ 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": "hexgrad/kokoro-82m", "input": "Good afternoon! This is a short voice take."}')
voice=os.environ["AILOOT_VOICE_ID"]
allowed=json.loads('["af_alloy", "af_aoede", "af_bella", "af_heart", "af_jessica", "af_kore", "af_nicole", "af_nova", "af_river", "af_sarah", "af_sky", "am_adam", "am_echo", "am_eric", "am_fenrir", "am_liam", "am_michael", "am_onyx", "am_puck", "am_santa", "bf_alice", "bf_emma", "bf_isabella", "bf_lily", "bm_daniel", "bm_fable", "bm_george", "bm_lewis", "ef_dora", "em_alex", "em_santa", "ff_siwis", "hf_alpha", "hf_beta", "hm_omega", "hm_psi", "if_sara", "im_nicola", "jf_alpha", "jf_gongitsune", "jf_nezumi", "jf_tebukuro", "jm_kumo", "pf_dora", "pm_alex", "pm_santa", "zf_xiaobei", "zf_xiaoni", "zf_xiaoxiao", "zf_xiaoyi", "zm_yunjian", "zm_yunxi", "zm_yunxia", "zm_yunyang"]')
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 hexgrad/kokoro-82m

Әдіс жолдарының балама атаулары

Жоғарыда көрсетілген әдіс жолдарын пайдаланыңыз.

Шақыруға арналған байланысты ID

hexgrad/kokoro-82m

FAQ · hexgrad: Kokoro 82M

Қандай кіріс деректері мен нәтижелер қолжетімді?: POST /v1/audio/speech · hexgrad/kokoro-82m: text → audio
Сұрау қандай өрістерді пайдаланады?: POST /v1/audio/speech · hexgrad/kokoro-82m: model, input, voice, response_format

hexgrad: Kokoro 82M