glm-tts
GLM-TTS pateiktą scenarijų paverčia kalbos garso įrašu. glm-tts profilis naudoja Audio Speech metodą su aiškiai nurodytu balsu ir WAV išvestimi, todėl tinka trumpam įgarsinimui, žodinėms instrukcijoms ir pranešimų atkūrimui. Ruošdami tekstą laikykitės dokumentuotos 1 024 simbolių įvesties ribos.
Apie modelį
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
GLM-TTS yra Zhipu kalbos sintezės modelis, parenkamas tiksliu ID glm-tts. Siųskite POST /v1/audio/speech su model, input ir voice. Tariamus žodžius įrašykite tiesiai į input ir šiam profiliui pasirinkite response_format=wav. Rezultatas yra pateikto scenarijaus kalbos įrašas, tinkamas atkurti arba importuoti į garso ar vaizdo redaktorių.
Naudokite jį trumpam produkto paaiškinimui, žodiniam pasveikinimui, instrukcijos ištraukai ar skelbimui. Scenarijų paruoškite taip, kaip jis turėtų būti skaitomas balsu: įtraukite numatytas sakinių ribas ir išrašykite žodžiais terminus, kurių tarimas svarbus užduočiai. Mokomojoje medžiagoje viena užklausa gali apimti konkrečią instrukciją, lydinčią vieną matomą žingsnį. Sveikinimo pranešimui pateikite tikrąjį tekstą ir peržiūrėkite įrašą prieš įtraukdami jį į kliento kelią.
Dokumentuotas didžiausias įvesties ilgis yra 1 024 simboliai. Tikrindami šią ribą naudokite užbaigtą tekstą, įskaitant skyrybą ir tarpus. Ilgesniam įgarsinimui scenarijų reikia padalyti į tinkamas ištraukas; kartu su įrašais išsaugokite ištraukų tvarką ir pasirinktus nustatymus, kad būtų galima juos sujungti ir peržiūrėti kartu. Simbolių riba apibūdina įvesties tekstą ir nenustato fiksuotos įrašo trukmės.
voice schemoje išvardyti tongtong, chuichui, jam, kazi, douji ir luodo. Paskelbtame pavyzdyje naudojamas tongtong su speed=1 ir volume=1. Tiek speed, tiek volume yra pasirinktiniai valdikliai, kurių dokumentuota numatytoji reikšmė yra 1. Šiam WAV metodui speed yra sveikasis skaičius, priimantis 1 arba 2, o volume – sveikasis skaičius nuo 1 iki 10. Pasirinktinis loginis watermark_enabled valdo garso vandens ženklą. Palikite stream nenustatytą arba nustatykite false, kad gautumėte visą WAV įrašą. Rengdami pirmą įrašą pradėkite nuo šio aiškaus pavyzdžio, tada susijusioms ištraukoms išlaikykite tą patį pasirinktą balsą ir priimtus nustatymus.
WAV įrašas yra užbaigta kalbos užklausos išvestis. Išsaugokite visą garso rezultatą ir jo atsakymo informaciją, tada išklausykite visą ištrauką, tikrindami tarimą, žodžius, pauzes ir numatytą seką. Ruošdami pataisas, tikslų pradinį scenarijų laikykite greta įrašo. Jei užklausos rezultatas neaiškus, prieš kurdami kitą sintezės užklausą išsaugokite jos pradinę užklausą ir grąžinto rezultato informaciją; vien tai, kad nėra atkūrimo failo, neįrodo, jog įrašas nebuvo sukurtas.
Ailoot Ultra · Speech POST /v1/audio/speech glm-tts
glm-ttsPradžia
GLM-TTS pateiktą scenarijų paverčia kalbos garso įrašu. glm-tts profilis naudoja Audio Speech metodą su aiškiai nurodytu balsu ir WAV išvestimi, todėl tinka trumpam įgarsinimui, žodinėms instrukcijoms ir pranešimų atkūrimui. Ruošdami tekstą laikykitės dokumentuotos 1 024 simbolių įvesties ribos.
- Leidžiamos įvestys
- Tekstas
- Rezultatai
- Garsas
Prieinama Ailoot · įvestys ir metodai
Ailoot Ultra · Speech POST /v1/audio/speech
- Įvestis
text- Išvestis
audio- Išvesties formatas
- wav
| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos glm-tts | Numatyta— |
Laukasinput | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos | Numatyta— |
Laukasvoice | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos tongtong, chuichui, jam, kazi, douji, luodo | Numatyta— |
Laukasresponse_format | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos wav | Numatyta— |
Laukasencode_format | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos base64, hex | Numatyta— |
Laukasspeed | Tipasinteger | ReikalavimasNeprivaloma | Reikšmės ir ribos Mažiausia reikšmė: 1 Didžiausia reikšmė: 2 | Numatyta1 |
Laukasvolume | Tipasinteger | ReikalavimasNeprivaloma | Reikšmės ir ribos Mažiausia reikšmė: 1 Didžiausia reikšmė: 10 | Numatyta1 |
Laukaswatermark_enabled | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasstream | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos false | Numatyta— |
Metodo parametrai ir gyvavimo ciklas
| Parametras | Specifikacija |
|---|---|
Parametrascontent_type | Specifikacijaapplication/json |
Parametrasrequired | Specifikacijamodel, input, voice, response_format |
Parametrasoptional | Specifikacijaencode_format, speed, volume, watermark_enabled, stream |
Parametrasmaterial_types | Specifikacijatext |
Parametrasconditions | SpecifikacijaUse direct WAV output. speed and volume are positive integers within the listed bounds. stream is false or omitted. |
Gyvavimo ciklas: synchronous_result_then_owned_library
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
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 kiekis | Apskaitos vienetas | Mokestis |
|---|---|---|---|---|
| KonfigūracijaBaziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Apskaitos kiekis— | 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 kiekis— | Apskaitos vienetasuž įvesties simbolį | Mokestis Įvestis · įvesties simbolis $0.00006 už įvesties simbolį |
| KonfigūracijaUž užklausą | Įkainių lentelė— | Apskaitos kiekisviena užklausa | Apskaitos vienetas— | Mokestis Įvestis $0 už užklausą |
Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
Užklausų pavyzdžiai
Ailoot Ultra · Speech
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
export AILOOT_API_KEY
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "glm-tts", "input": "Hello, this is a short speech example.", "voice": "tongtong", "response_format": "wav"}')
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 result.json
# Submit once. Retain the complete result, original identifiers and every response header.
Gauti ir išsaugoti rezultatus
Ailoot Ultra · Speech
wav
GET /v1/media/assetsGET /v1/media/assets/{asset_id}
Išsaugoti visus baigtus rezultatus
Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.
Retain the complete binary WAV, response headers and original request identity.
Jei reikia patikrinti pradinį atsakymą
Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.
Pseudonimai
Modelių pseudonimai
Ailoot Ultra glm-tts
Metodų kelių pseudonimai
Naudokite aukščiau nurodytus metodų kelius.
Susiję ID iškvietimui
FAQ · glm-tts
- Kokios įvestys ir rezultatai prieinami?
POST /v1/audio/speech·glm-tts:text→audio- Kokius laukus naudoja užklausa?
POST /v1/audio/speech·glm-tts:model,input,voice,response_format,encode_format,speed,volume,watermark_enabled,stream- Kokie apribojimai taikomi?
POST /v1/audio/speech·glm-tts:speed.minimum:1;speed.maximum:2;volume.minimum:1;volume.maximum:10