Deepgram: Flux TTS

Deepgram Flux TTS paverčia anglišką tekstą pokalbio kalba, išlaikydamas toną tarp pasisakymų. Jo srautinis režimas apdoroja pertraukimus; paketine sinteze gaunamas pakartotinai naudojamas garsas su tuo pačiu balsų katalogu.

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

Apie modelį

Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.

Flux TTS yra Deepgram teksto įgarsinimo šeima tiesioginiams pokalbiams ir iš anksto paruoštam sakytiniam turiniui. Ją apibrėžia pokalbio tęstinumas: srautinis modelis išlaiko prozodiją tarp pasisakymų, todėl tęsiantis sąveikai kalbėjimas gali išsaugoti nuoseklų toną. Jis priima parašytą tekstą ir grąžina kalbos garsą. Flux TTS ir atskirai pavadintas Flux kalbos atpažinimo modelis atlieka skirtingas balso pokalbio dalis.

Pasirinkite anglišką balsą

Dokumentuotas Flux katalogas kalba angliškai su amerikietišku, britišku, airišku, australišku, indišku, singapūrietišku ir filipinietišku akcentais. Balsų aprašai padeda pasirinkti kalbėtoją klientų aptarnavimui, telefonų meniu, pasakojimui ar kasdieniam pokalbiui. Pavyzdžiui, kūrėjas Haley nurodo kaip ramų amerikietišką balsą, o Jack – kaip profesionalų britišką balsą. Balsą pasirinkite pagal auditoriją ir tekstą, kurį jis skaitys, tada išlaikykite jį vienodą per visą kūrinį ar pokalbį. Kalbai kitomis kalbomis reikia atskirai dokumentuoto modelio pasirinkimo.

Tiesioginiai pasisakymai ir pertraukimai

Gamintojo srautiniame procese tekstas gali atkeliauti programai rengiant atsakymą, o garsas grąžinamas palaipsniui. Pasisakymas turi savus pradžios ir užbaigimo įvykius; užbaigus pasisakymą užbaigiama likusi sintezė. Kontekstas tarp pasisakymų išsaugo prozodiją tos sesijos ribose. Tai naudinga balsiniam asistentui, kuris pirmiausia paaiškina pasirinkimą, o tada atsako į patikslinimą nekeisdamas balso charakterio.

Pertraukimas atšaukia aktyvų pasisakymą ir grąžina ištartą dalį bei likusį tekstą. Šis skirtumas padeda programai tęsti nuo to, ką klausytojas iš tikrųjų išgirdo. Praktinei sąveikai paruoškite trumpą atsakymą, kurio pradžioje būtų svarbi instrukcija, o po jos – paaiškinimas. Jei klausytojas pertraukia po pirmosios instrukcijos, kitas atsakymas gali reaguoti į naują klausimą, užuot daręs prielaidą, kad visas paaiškinimas pateiktas.

Iš anksto paruoštas garsas ir išvesties formatai

Paketinė sintezė priima pilną teksto bloką ir viename atsake grąžina jo garsą. Ji naudoja tą patį balsų katalogą kaip srautinis režimas ir tinka įrašytiems telefonų pranešimams, pranešimams ar iš anksto paruoštam pasakojimui. Paketinės užklausos nepriklausomos; srautinių pasisakymų būsena ir pertraukimo įvykiai netaikomi fiksuotam klipui.

Srautinė išvestis yra neapdorotas garsas be failo konteinerio: 16 bitų PCM, mu-law arba A-law. Kūrėjas dokumentuoja PCM diskretizavimo dažnius 8, 16, 24, 32, 44.1 ir 48 kHz; mu-law bei A-law naudoja 8 arba 16 kHz. Paketinė išvestis papildomai palaiko MP3, Opus, FLAC ir AAC. Pasirinkite koduotę ir konteinerį, kuriuos gali suprasti numatytas leistuvas ar telefonijos kelias, užuot neapdorotų ėminių srautą laikę įprastu garso failu.

Kalbėjimo valdikliai ir ribos

Gamintojas dokumentuoja kalbėjimo greičio intervalą nuo 0.5 iki 1.5 su 0.05 žingsniu. Srautinio greičio pakeitimai įsigalioja ties segmento riba. Atskiras beta išraiškingumo valdiklis keičia kalbėjimą nuo ramaus iki gyvo. Įprastos SSML ir atpažintos konkurentų žymos pašalinamos, o ne naudojamos kaip išraiškingumo instrukcijos; savieji Flux valdikliai turi atskirą reikšmę.

Tekste įterptos pauzės priklauso paketinei sintezei: jų trukmė 500–3 000 ms su 100 ms žingsniu, o vienoje užklausoje gali būti daugiausia aštuoni žymekliai. Gretimas pauzes turi skirti tekstas, o esant pauzei greitis ribojamas iki 1.15. Tarimo pakeitimai naudoja IPA ir yra ankstyvosios prieigos etape; kūrėjas pažymi, kad prašomas tarimas tarp generavimų gali skirtis. Tarimo negalima derinti su nuo numatytojo besiskiriančiu greičiu ar pauzių valdikliais. Tekste su specializuotais pavadinimais perklausykite tuos terminus pasirinktu balsu ir aiškiai paruoškite sakytinę formuluotę.

Dokumentuota Deepgram srautinė sesija trunka iki vienos valandos ir užsidaro po šešiasdešimties sekundžių be įeinančio pranešimo, nebent palaikomas ryšio mechanizmas ją išlaiko aktyvią. Šios sesijos ribos susijusios su tiesioginės sintezės procesu. Naudingas rezultatas yra tikslingai pasirinktas balsas, klausytojui patogus tekstas ir paskirčiai tinkamas garsas, o tiesioginės programos seka, kas iš tikrųjų buvo ištarta pertraukus pasisakymą.

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

deepgram/flux-tts

Deepgram /deepgram/flux-tts

Pradžia

Leidžiamos įvestys: Tekstas
Rezultatai: Garsas

Prieinama Ailoot · įvestys ir metodai

Ailoot Ultra · Įgarsinimas POST /v1/audio/speech

Įvestis: text
Išvestis: audio
Išvesties formatas: mp3

Laukas	Tipas	Reikalavimas	Reikšmės ir ribos	Numatyta
Laukas`model`	Tipas`string`	ReikalavimasPrivaloma	Reikšmės ir ribos deepgram/flux-tts	Numatyta—
Laukas`input`	Tipas`string`	ReikalavimasPrivaloma	Reikšmės ir ribos Mažiausias ilgis: 1 Vienetas: Unicode simboliai	Numatyta—
Laukas`voice`	Tipas`string`	ReikalavimasPrivaloma	Reikšmės ir ribos 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	Numatyta—
Laukas`response_format`	Tipas`string`	ReikalavimasPrivaloma	Reikšmės ir ribos mp3	Numatyta—

Įvesties medžiagos deriniai

text_to_speech · Privaloma: input

Metodo parametrai ir gyvavimo ciklas

Parametras	Specifikacija
Parametras`content_type`	Specifikacijaapplication/json
Parametras`required`	Specifikacijamodel, input, voice, response_format
Parametras`voice_ids`	Specifikacijaflux-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
Parametras`response_format`	Specifikacijamp3
Parametras`max_input_characters`	Specifikacijanull
Parametras`other_options`	Specifikacijafalse
Parametras`input`	Specifikacijatikslus UTF-8 tekstas; Unicode simbolių skaičius be normalizavimo
Parametras`material_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}

Pasirinkite tikslų balsą iš šio modelio profilio.

Įvesties simboliai ir garso sekundės yra skirtingi apskaitos vienetai.

Planai

Tarifų informacija neprideda užklausos parinkčių. Palaikomi parametrai nurodyti prie pasirinkto metodo.

Spartusis režimas: Nenurodyta Pasirinkus spartųjį režimą
Flex režimas: Nenurodyta Pasirinkus flex režimą
Didžiausios samprotavimo pastangos: Nenurodyta Kai didžiausioms samprotavimo pastangoms taikomas numatytasis koregavimas (default)

Ailoot įkainiai

Kainos pagal konfigūraciją

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
Konfigūracijaįvesties simbolis	Įkainių lentelė—	Apskaitos vienetasuž įvesties simbolį	Mokestis Įvestis · įvesties simbolis $0.00009 už įvesties simbolį

Informacinio tarifo duomenys

Modelio informacinės lentelės nekeičia metodo pasirinkimo, kainos įverčių ar mokesčių. Galiojantys mokesčiai nustatomi pagal pasirinkto Ailoot metodo įkainius.

Deepgram: Flux TTS

Kainos pagal konfigūraciją

Konfigūracija	Apmokestinimo sąlygos	Mokestis
KonfigūracijaDeepgram: Flux TTS · Numatytoji konfigūracija	Apmokestinimo sąlygosNumatytoji konfigūracija	Mokestis Įvestis · Įvesties simboliai 0,00009 USD už įvesties simbolį

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 →

Užklausų pavyzdžiai

Ailoot Ultra · Įgarsinimas

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

Gauti ir išsaugoti rezultatus

Ailoot Ultra · Įgarsinimas

mp3

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

Kito turinio skaitymas

Medijos bibliotekaUžduoties būsenaMedžiagos duomenys

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

Išsaugoti visus baigtus rezultatus

Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.

Išsaugokite visą dvejetainį rezultatą ir antraštes. Jei grąžinamas JSON arba keli rezultatai, išsaugokite kiekvieną duomenų elementą ir atsisiųskite kiekvieną išteklių pagal faktiškai grąžintą pasirašytą URL.

Jei reikia patikrinti pradinį atsakymą

Išsaugokite pradinį operation_id/X-Client-Request-ID duomenims sutikrinti, pakartotinai neteikdami užklausos; atskiro garso būsenos tikrinimo maršruto nėra.

Atsakymo laukai

Laukas	Tipas
Laukas`binary audio`	Tipasbytes
Laukas`response headers`	Tipasheaders

Klaidos ir tolesni veiksmai

Atsakymas	Sąlyga	Kitas žingsnis
Atsakymas400 · `invalid_request_error`	SąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė	Kitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus.
Atsakymas`server_error`	SąlygaGrąžintame atsakyme nurodoma, kad operaciją arba rezultatą reikia patikrinti	Kitas žingsnisIšsaugokite pradinį grąžintą operacijos ar užduoties ID, užklausos antraštes ir atsakymą; toliau tikrinkite tos pačios pradinės operacijos duomenis palaikomais būdais. Kūrimo užklausos pakartotinai neteikite.

Pseudonimai

Modelių pseudonimai

Ailoot Ultra deepgram/flux-tts

Metodų kelių pseudonimai

Naudokite aukščiau nurodytus metodų kelius.

Susiję ID iškvietimui

deepgram/flux-tts

FAQ · Deepgram: Flux TTS

Kokios įvestys ir rezultatai prieinami?: POST /v1/audio/speech · deepgram/flux-tts: text → audio
Kokius laukus naudoja užklausa?: POST /v1/audio/speech · deepgram/flux-tts: model, input, voice, response_format

Deepgram: Flux TTS