ByteDance Seed Audio 1.0 – garso kūrimo modelis, orientuotas į garsinę sceną. Tekstine užduotimi galima kartu formuoti kalbą, efektus ir aplinkos garsą. Tai tinka įgarsintai istorijai, žaidimo susidūrimui, trumpam dramatiškam pokalbiui arba scenai, lydinčiai sumontuotą vaizdo įrašą. Vien balso darbui aprašykite kalbėtoją ir atlikimą; išsamesnei scenai taip pat aprašykite akustinę aplinką bei dialogo ryšį su aplinkiniais garsais.
Užduotį parenkite tokia tvarka, kokia klausytojas turi patirti sceną. Nurodykite veikėjus, jų numatytą emocinę būseną ir žodžius, kuriuos jie turi ištarti. Tada aprašykite erdvę, svarbius garsinius signalus ir momento raidą. Gamybos užduotis turi atskirti tikslų dialogą nuo scenos aprašo, kad rezultatą būtų galima patikrinti pagal abu. Nurodykite, kurie elementai būtini supratimui ir kurie turi likti fone. Tylus kambarys, pilna žmonių stotis ir atviras kiemas reikalauja skirtingo garso dizaino net tada, kai ištariama ta pati frazė.
Originalus pavyzdys – žaidimo veikėjas ramina bendrakeleivį trumpoje slėptuvės scenoje: santūrus balsas sako „Galime palaukti čia“, fone tyliai girdėti lietus, o po frazės – vienas artėjantis žingsnis. Naudinga perklausos patikra nustato, ar žodžiai lieka suprantami, balsas perteikia nuraminimą ir garsinis signalas nuskamba prasmingoje scenos vietoje. Kitoje užduotyje galima prašyti aiškaus pasakotojo, pristatančio produktą be aplinkos garsų. Tai pavyzdiniai intencijos nurodymo būdai, o ne sugeneruoto garso įrašai arba pažadai apie užbaigtą garso mišinį.
Gamintojas dokumentuoja veikėjų dialogo laiko valdymą užklausos lygmeniu 100 ms intervalais. Šiuo valdikliu aprašykite, kada scenarijaus sekoje turi prasidėti frazė, arba planuokite kalbinę medžiagą pagal esamą montažą. Dialogo laiką laikykite atskirai nuo efektų ir aplinkos garsų išdėstymo: leidimas pagrindinį laiko valdymo dėmesį skiria veikėjų dialogui. Tikras pradžias, pauzes ir persidengimus tikrinkite pagal numatytą sceną. Laiko intervalas aprašo modelio valdymo detalumą ir nepanaikina poreikio perklausyti galutinį atlikimą.
Balsą galima nurodyti tekstiniu aprašu, leistinu etaloniniu pavyzdžiu arba abiem būdais. Gamintojas tai pristato kaip balso formavimą be atskiro modelio mokymo kiekvienam kalbėtojui. Stabilias balso savybes aprašykite atskirai nuo dabartinės frazės emocijos. Pasikartojančiam veikėjui gali reikėti ramaus prisistatymo ir skubaus atsako, išliekant atpažįstamam. Praktiniam pasirengimui pasirinkite aiškų etaloną, kuriame numatytas balsas lengvai girdimas, ir nurodykite, kas turi persikelti į naują atlikimą. Rengdami susijusias scenas nuosekliai naudokite šį etaloną ir veikėjo aprašą.
Leidimas dokumentuoja generavimą daugiau nei 20 kalbų, įskaitant kinų, anglų, japonų, korėjiečių, ispanų, indoneziečių, vokiečių, prancūzų, tajų ir vietnamiečių. Jis aprašo atpažįstamo veikėjo balso pritaikymą skirtingų kalbų ritmui ir išraiškai. Pateikite dialogą galutine kalba ir su ją suprantančiu klausytoju patikrinkite vardus, kirčius, pauzes bei emocinį toną. Daugiakalbėse versijose išlaikykite veikėjo vaidmenį ir emocinę intenciją, kiekvienam scenarijui palikdami pakankamai vietos natūraliai formuluotei. Vertimą parenkite kaip scenarijaus darbo dalį, nemanydami, kad garsinės scenos užduotis apibrėžia kiekvieną lokalizavimo sprendimą.
Pagal gamintojo leidimo aprašą Seed Audio 1.0 vienu kartu gali sugeneruoti iki dviejų minučių ir palaiko tęsimą. Ilgesnei istorijai naudingos scenų ribos ir pakartotinai naudojamas veikėjo aprašas. Kiekvieno tęsinio metu klausykite balso, fono faktūros bei tempo pokyčių ir žodžių, jungiančių dalis. Grąžintą garsą laikykite perklausomu kūriniu: ruošdami atkūrimą arba importą į redaktorių patikrinkite tikrus jo failo duomenis, o greta išsaugokite scenarijų ir scenos užduotį redagavimui. Sujungtą produkciją tikrinkite kaip vientisą sceną, ne vien kaip atskirus klipus.
Gamintojas aprašo vieningą sistemą, kurioje kalbos lygmens kūrybinė intencija valdo difuzinį akustinį generatorių. Praktinė reikšmė užduočiai – balsą ir aplinką galima svarstyti kartu. Sutelkite dėmesį į kelis sceną apibrėžiančius ryšius: ar frazė iškelta į pirmą planą, ar ją pertraukia efektas ir kaip atmosfera palaiko emocinį momentą. Pridėjus daug nesusijusių garsinių signalų sunkiau nustatyti, kurią rezultato dalį reikia taisyti. Pakeiskite tos ištraukos kryptį, kai signalas konkuruoja su dialogu arba atlikimas neatitinka numatyto tono.
Balso tęstinumas ilgoje sudėtingoje medžiagoje ir tikslesnis skirtingų garso elementų laiko valdymas leidime nurodomi kaip tobulinamos sritys. Gamybos peržiūra turi būti konkreti: tikslūs žodžiai, kalbėtojo tapatybė, kalba, įstojimai, suprantamumas ir nuoseklumas tarp tęsinių. Naudinga šio modelio išvestis – girdima scena arba įgarsinimas. Atskirus sprendimus dėl montažo, subtitrų ir pateikimo formato galima priimti pagal šį tikrą rezultatą ir numatytos produkcijos reikalavimus.
", "aboutText": "ByteDance Seed Audio 1.0 – garso kūrimo modelis, orientuotas į garsinę sceną. Tekstine užduotimi galima kartu formuoti kalbą, efektus ir aplinkos garsą. Tai tinka įgarsintai istorijai, žaidimo susidūrimui, trumpam dramatiškam pokalbiui arba scenai, lydinčiai sumontuotą vaizdo įrašą. Vien balso darbui aprašykite kalbėtoją ir atlikimą; išsamesnei scenai taip pat aprašykite akustinę aplinką bei dialogo ryšį su aplinkiniais garsais.\n\nUžduotį parenkite tokia tvarka, kokia klausytojas turi patirti sceną. Nurodykite veikėjus, jų numatytą emocinę būseną ir žodžius, kuriuos jie turi ištarti. Tada aprašykite erdvę, svarbius garsinius signalus ir momento raidą. Gamybos užduotis turi atskirti tikslų dialogą nuo scenos aprašo, kad rezultatą būtų galima patikrinti pagal abu. Nurodykite, kurie elementai būtini supratimui ir kurie turi likti fone. Tylus kambarys, pilna žmonių stotis ir atviras kiemas reikalauja skirtingo garso dizaino net tada, kai ištariama ta pati frazė.\n\nOriginalus pavyzdys – žaidimo veikėjas ramina bendrakeleivį trumpoje slėptuvės scenoje: santūrus balsas sako „Galime palaukti čia“, fone tyliai girdėti lietus, o po frazės – vienas artėjantis žingsnis. Naudinga perklausos patikra nustato, ar žodžiai lieka suprantami, balsas perteikia nuraminimą ir garsinis signalas nuskamba prasmingoje scenos vietoje. Kitoje užduotyje galima prašyti aiškaus pasakotojo, pristatančio produktą be aplinkos garsų. Tai pavyzdiniai intencijos nurodymo būdai, o ne sugeneruoto garso įrašai arba pažadai apie užbaigtą garso mišinį.\n\nGamintojas dokumentuoja veikėjų dialogo laiko valdymą užklausos lygmeniu 100 ms intervalais. Šiuo valdikliu aprašykite, kada scenarijaus sekoje turi prasidėti frazė, arba planuokite kalbinę medžiagą pagal esamą montažą. Dialogo laiką laikykite atskirai nuo efektų ir aplinkos garsų išdėstymo: leidimas pagrindinį laiko valdymo dėmesį skiria veikėjų dialogui. Tikras pradžias, pauzes ir persidengimus tikrinkite pagal numatytą sceną. Laiko intervalas aprašo modelio valdymo detalumą ir nepanaikina poreikio perklausyti galutinį atlikimą.\n\nBalsą galima nurodyti tekstiniu aprašu, leistinu etaloniniu pavyzdžiu arba abiem būdais. Gamintojas tai pristato kaip balso formavimą be atskiro modelio mokymo kiekvienam kalbėtojui. Stabilias balso savybes aprašykite atskirai nuo dabartinės frazės emocijos. Pasikartojančiam veikėjui gali reikėti ramaus prisistatymo ir skubaus atsako, išliekant atpažįstamam. Praktiniam pasirengimui pasirinkite aiškų etaloną, kuriame numatytas balsas lengvai girdimas, ir nurodykite, kas turi persikelti į naują atlikimą. Rengdami susijusias scenas nuosekliai naudokite šį etaloną ir veikėjo aprašą.\n\nLeidimas dokumentuoja generavimą daugiau nei 20 kalbų, įskaitant kinų, anglų, japonų, korėjiečių, ispanų, indoneziečių, vokiečių, prancūzų, tajų ir vietnamiečių. Jis aprašo atpažįstamo veikėjo balso pritaikymą skirtingų kalbų ritmui ir išraiškai. Pateikite dialogą galutine kalba ir su ją suprantančiu klausytoju patikrinkite vardus, kirčius, pauzes bei emocinį toną. Daugiakalbėse versijose išlaikykite veikėjo vaidmenį ir emocinę intenciją, kiekvienam scenarijui palikdami pakankamai vietos natūraliai formuluotei. Vertimą parenkite kaip scenarijaus darbo dalį, nemanydami, kad garsinės scenos užduotis apibrėžia kiekvieną lokalizavimo sprendimą.\n\nPagal gamintojo leidimo aprašą Seed Audio 1.0 vienu kartu gali sugeneruoti iki dviejų minučių ir palaiko tęsimą. Ilgesnei istorijai naudingos scenų ribos ir pakartotinai naudojamas veikėjo aprašas. Kiekvieno tęsinio metu klausykite balso, fono faktūros bei tempo pokyčių ir žodžių, jungiančių dalis. Grąžintą garsą laikykite perklausomu kūriniu: ruošdami atkūrimą arba importą į redaktorių patikrinkite tikrus jo failo duomenis, o greta išsaugokite scenarijų ir scenos užduotį redagavimui. Sujungtą produkciją tikrinkite kaip vientisą sceną, ne vien kaip atskirus klipus.\n\nGamintojas aprašo vieningą sistemą, kurioje kalbos lygmens kūrybinė intencija valdo difuzinį akustinį generatorių. Praktinė reikšmė užduočiai – balsą ir aplinką galima svarstyti kartu. Sutelkite dėmesį į kelis sceną apibrėžiančius ryšius: ar frazė iškelta į pirmą planą, ar ją pertraukia efektas ir kaip atmosfera palaiko emocinį momentą. Pridėjus daug nesusijusių garsinių signalų sunkiau nustatyti, kurią rezultato dalį reikia taisyti. Pakeiskite tos ištraukos kryptį, kai signalas konkuruoja su dialogu arba atlikimas neatitinka numatyto tono.\n\nBalso tęstinumas ilgoje sudėtingoje medžiagoje ir tikslesnis skirtingų garso elementų laiko valdymas leidime nurodomi kaip tobulinamos sritys. Gamybos peržiūra turi būti konkreti: tikslūs žodžiai, kalbėtojo tapatybė, kalba, įstojimai, suprantamumas ir nuoseklumas tarp tęsinių. Naudinga šio modelio išvestis – girdima scena arba įgarsinimas. Atskirus sprendimus dėl montažo, subtitrų ir pateikimo formato galima priimti pagal šį tikrą rezultatą ir numatytos produkcijos reikalavimus.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "3a0f9342d7ee6512ba95d5f3ac9d2ffb6b99d1c741d05090bdbe84b214ce5850", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "lt", "methods": [ { "html": "bytedance-seed/seed-audio-1-0ByteDance Seed Audio 1.0 pagal kūrybinę užduotį generuoja įgarsinimą ir garsines scenas. Jis derina balsus, efektus bei aplinkos garsą, palaiko dialogų laiką 100 ms intervalais ir apima daugiau nei 20 kalbų. Gamintojas aprašo iki dviejų minučių vienam generavimui ir tęsimą.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
ByteDance Seed Audio 1.0 – garso kūrimo modelis, orientuotas į garsinę sceną. Tekstine užduotimi galima kartu formuoti kalbą, efektus ir aplinkos garsą. Tai tinka įgarsintai istorijai, žaidimo susidūrimui, trumpam dramatiškam pokalbiui arba scenai, lydinčiai sumontuotą vaizdo įrašą. Vien balso darbui aprašykite kalbėtoją ir atlikimą; išsamesnei scenai taip pat aprašykite akustinę aplinką bei dialogo ryšį su aplinkiniais garsais.
Užduotį parenkite tokia tvarka, kokia klausytojas turi patirti sceną. Nurodykite veikėjus, jų numatytą emocinę būseną ir žodžius, kuriuos jie turi ištarti. Tada aprašykite erdvę, svarbius garsinius signalus ir momento raidą. Gamybos užduotis turi atskirti tikslų dialogą nuo scenos aprašo, kad rezultatą būtų galima patikrinti pagal abu. Nurodykite, kurie elementai būtini supratimui ir kurie turi likti fone. Tylus kambarys, pilna žmonių stotis ir atviras kiemas reikalauja skirtingo garso dizaino net tada, kai ištariama ta pati frazė.
Originalus pavyzdys – žaidimo veikėjas ramina bendrakeleivį trumpoje slėptuvės scenoje: santūrus balsas sako „Galime palaukti čia“, fone tyliai girdėti lietus, o po frazės – vienas artėjantis žingsnis. Naudinga perklausos patikra nustato, ar žodžiai lieka suprantami, balsas perteikia nuraminimą ir garsinis signalas nuskamba prasmingoje scenos vietoje. Kitoje užduotyje galima prašyti aiškaus pasakotojo, pristatančio produktą be aplinkos garsų. Tai pavyzdiniai intencijos nurodymo būdai, o ne sugeneruoto garso įrašai arba pažadai apie užbaigtą garso mišinį.
Gamintojas dokumentuoja veikėjų dialogo laiko valdymą užklausos lygmeniu 100 ms intervalais. Šiuo valdikliu aprašykite, kada scenarijaus sekoje turi prasidėti frazė, arba planuokite kalbinę medžiagą pagal esamą montažą. Dialogo laiką laikykite atskirai nuo efektų ir aplinkos garsų išdėstymo: leidimas pagrindinį laiko valdymo dėmesį skiria veikėjų dialogui. Tikras pradžias, pauzes ir persidengimus tikrinkite pagal numatytą sceną. Laiko intervalas aprašo modelio valdymo detalumą ir nepanaikina poreikio perklausyti galutinį atlikimą.
Balsą galima nurodyti tekstiniu aprašu, leistinu etaloniniu pavyzdžiu arba abiem būdais. Gamintojas tai pristato kaip balso formavimą be atskiro modelio mokymo kiekvienam kalbėtojui. Stabilias balso savybes aprašykite atskirai nuo dabartinės frazės emocijos. Pasikartojančiam veikėjui gali reikėti ramaus prisistatymo ir skubaus atsako, išliekant atpažįstamam. Praktiniam pasirengimui pasirinkite aiškų etaloną, kuriame numatytas balsas lengvai girdimas, ir nurodykite, kas turi persikelti į naują atlikimą. Rengdami susijusias scenas nuosekliai naudokite šį etaloną ir veikėjo aprašą.
Leidimas dokumentuoja generavimą daugiau nei 20 kalbų, įskaitant kinų, anglų, japonų, korėjiečių, ispanų, indoneziečių, vokiečių, prancūzų, tajų ir vietnamiečių. Jis aprašo atpažįstamo veikėjo balso pritaikymą skirtingų kalbų ritmui ir išraiškai. Pateikite dialogą galutine kalba ir su ją suprantančiu klausytoju patikrinkite vardus, kirčius, pauzes bei emocinį toną. Daugiakalbėse versijose išlaikykite veikėjo vaidmenį ir emocinę intenciją, kiekvienam scenarijui palikdami pakankamai vietos natūraliai formuluotei. Vertimą parenkite kaip scenarijaus darbo dalį, nemanydami, kad garsinės scenos užduotis apibrėžia kiekvieną lokalizavimo sprendimą.
Pagal gamintojo leidimo aprašą Seed Audio 1.0 vienu kartu gali sugeneruoti iki dviejų minučių ir palaiko tęsimą. Ilgesnei istorijai naudingos scenų ribos ir pakartotinai naudojamas veikėjo aprašas. Kiekvieno tęsinio metu klausykite balso, fono faktūros bei tempo pokyčių ir žodžių, jungiančių dalis. Grąžintą garsą laikykite perklausomu kūriniu: ruošdami atkūrimą arba importą į redaktorių patikrinkite tikrus jo failo duomenis, o greta išsaugokite scenarijų ir scenos užduotį redagavimui. Sujungtą produkciją tikrinkite kaip vientisą sceną, ne vien kaip atskirus klipus.
Gamintojas aprašo vieningą sistemą, kurioje kalbos lygmens kūrybinė intencija valdo difuzinį akustinį generatorių. Praktinė reikšmė užduočiai – balsą ir aplinką galima svarstyti kartu. Sutelkite dėmesį į kelis sceną apibrėžiančius ryšius: ar frazė iškelta į pirmą planą, ar ją pertraukia efektas ir kaip atmosfera palaiko emocinį momentą. Pridėjus daug nesusijusių garsinių signalų sunkiau nustatyti, kurią rezultato dalį reikia taisyti. Pakeiskite tos ištraukos kryptį, kai signalas konkuruoja su dialogu arba atlikimas neatitinka numatyto tono.
Balso tęstinumas ilgoje sudėtingoje medžiagoje ir tikslesnis skirtingų garso elementų laiko valdymas leidime nurodomi kaip tobulinamos sritys. Gamybos peržiūra turi būti konkreti: tikslūs žodžiai, kalbėtojo tapatybė, kalba, įstojimai, suprantamumas ir nuoseklumas tarp tęsinių. Naudinga šio modelio išvestis – girdima scena arba įgarsinimas. Atskirus sprendimus dėl montažo, subtitrų ir pateikimo formato galima priimti pagal šį tikrą rezultatą ir numatytos produkcijos reikalavimus.
POST /v1/audio/speechtextaudio| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos bytedance-seed/seed-audio-1-0 | Numatyta— |
Laukasinput | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos Mažiausias ilgis: 1 | Numatyta— |
Laukasvoice | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Mažiausias ilgis: 1 | Numatyta— |
Laukasresponse_format | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos mp3, pcm | Numatytapcm |
Laukasprovider | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
| Parametras | Specifikacija |
|---|---|
Parametrascontent_type | Specifikacijaapplication/json |
Parametrasrequired | Specifikacijamodel, input |
Parametrasmaterial_types | Specifikacijatext |
Gyvavimo ciklas: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · faktiškai grąžinta task_id reikšmė arba medijos bibliotekos įrašas
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Tarifų informacija neprideda užklausos parinkčių. Palaikomi parametrai nurodyti prie pasirinkto metodo.
Kiekvieną mokestį susiekite su nurodytomis sąlygomis. Kiekvienam alternatyvių konfigūracijų rinkiniui taikykite vieną įkainį.
| Konfigūracija | Įkainių lentelė | Apskaitos vienetas | Mokestis |
|---|---|---|---|
| KonfigūracijaBaziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Apskaitos vienetas— | Mokestis Įvestis · Įvesties tokenai — / 1K tokenų Išvestis · Išvesties tokenai — / 1K tokenų Įvestis · Talpyklos skaitymas — / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| Konfigūracijaišvesties garso sekundė | Įkainių lentelė— | Apskaitos vienetasuž išvesties garso sekundę | Mokestis Išvestis · išvesties garso sekundė $0.005 už išvesties garso sekundę |
Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_INPUT_TEXT:?Set the actual documented input value}"\nexport AILOOT_INPUT_TEXT\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\nrequest={'model': 'bytedance-seed/seed-audio-1-0', 'input': '${ACTUAL_INPUT_TEXT}'}\nrequest['input']=os.environ['AILOOT_INPUT_TEXT']\nPath('request.json').write_text(json.dumps(request,ensure_ascii=False),encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/speech \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o response.bin\n# Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.\nVisas dvejetainis garsas arba pradinis audio_url atsakymas, antraštės ir kiekvienas jums priklausantis išteklius.
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o owned-assets.json\n# Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token.\nIšsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.
Išsaugokite visą atsakymą ir antraštes, visus faktiškai gautus rezultatus, pradinius grąžintus identifikatorius ir visus naudojimo apskaitos laukus. Atkurkite prieigą prie pradinės operacijos pakartotinai neteikdami kūrimo užklausos.
Išsaugokite grąžintą X-Client-Request-ID duomenims sutikrinti. Tikrinkite tik faktiškai grąžintas task_id/asset_id reikšmes arba jums priklausančią medijos biblioteką; niekada nekurkite užduoties URL iš operacijos ID ir niekada pakartotinai neteikite kūrimo užklausos.
Ailoot Ultra bytedance-seed/seed-audio-1-0
Naudokite aukščiau nurodytus metodų kelius.