tts-1-hd
TTS-1 HD paverčia rašytinį tekstą aukštesnės kokybės kalbos garsu su pasirenkamais iš anksto nustatytais balsais, greičiu ir šešiais išvesties formatais. OpenAI HD orientuoja į pasakojimo kokybę, o ne mažesnės delsos TTS-1 profilį, todėl jis naudingas užbaigtiems garsiniams skaitymams, mokomajai medžiagai ir redaguotoms garso ištraukoms.
Apie modelį
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
TTS-1 HD yra OpenAI teksto įgarsinimo modelis, optimizuotas garso kokybei. Jo įvestis – paruoštas tekstas, o išvestis – kalbos garsas. HD pasirinkimas skiriasi nuo į greitį orientuoto TTS-1 profilio: OpenAI apibūdina TTS-1 kaip turintį mažesnę delsą, bet ir mažesnę kokybę. Todėl HD yra naudingas pasakojimo pasirinkimas, kai galutinis balso takelis svarbesnis nei kuo greitesnė atkūrimo pradžia. Rašytinis straipsnis, pamokos ištrauka ar nugludintas paaiškinimas gali tapti sakytiniu garso ištekliumi.
Pagrindinės įvestys yra pasirinktas modelis, tikslus tekstas ir balsas. Gamintojo kalbos žinyne tekstas apribojamas iki 4096 ženklų vienai užklausai. Tai aprašo rašytinės įvesties ilgį, o ne garso trukmės garantiją. Paruoškite tekstą, kurį galima suprasti klausant: išskleiskite dviprasmiškas santrumpas, nuspręskite, kaip tariami kiekiai, ir išlaikykite kiekvieną ištrauką nuoseklią. Ilgesnę pamoką ar straipsnį padalykite ties prasmingomis ribomis ir išsaugokite tvarką, kuria gautos ištraukos bus naudojamos.
Dabartiniame OpenAI vadove TTS-1 HD pateikiami devyni integruoti pasirinkimai: alloy, ash, coral, echo, fable, onyx, nova, sage ir shimmer. Balsai optimizuoti anglų kalbai, o teksto įgarsinimo vadovas palaiko kalbos generavimą keliomis kalbomis, pateikiant tekstą reikiama kalba. Balsus naudingiausia lyginti su ta pačia reprezentatyvia teksto ištrauka, įskaitant vardus ir specializuotą žodyną, kurie bus galutinėje medžiagoje. Išlaikykite nuoseklų balsą bei greitį, kai keli klipai sudaro vieną pasakojimą.
MP3 yra numatytoji išvestis. Opus ir AAC suteikia alternatyvius suspausto garso formatus; FLAC suteikia glaudinimą be nuostolių; WAV suteikia nesuspaustą garsą. PCM pateikia neapdorotus 24 kHz, 16 bitų ėminius su ženklu be failo antraštės; baitai išdėstomi little-endian tvarka, mažiausiai reikšmingą baitą pateikiant pirmą. Šie pasirinkimai tarnauja skirtingiems tikslams: kompaktiškam platinamam failui, srautiniam ištekliui ar garsui, perduodamam į redagavimo procesą. OpenAI rekomenduoja WAV arba PCM greitesniam atsakui, kai svarbios dekodavimo sąnaudos. Failo formato pasirinkimas nekeičia teksto ir neprideda atskiro balso valdymo modelio.
Kalba gali būti pateikta dalimis, leidžiant leistuvui pradėti dar neparuošus viso garso failo. Tai teksto pavertimo garsu srautinis perdavimas; jis nepatvirtina dvikrypčio balso pokalbio. Žinynas palaiko greičio reikšmę nuo 0.25 iki 4.0, numatytoji – 1.0. Atskiras natūraliosios kalbos instrukcijų laukas su TTS-1 HD neveikia, o SSE įvykių išvestis šiam modeliui nepalaikoma. Dokumentuoti valdikliai yra tekstas, iš anksto nustatytas balsas, greitis ir išvesties formatas, o ne naujesnių kalbos modelių užklausomis valdomo akcento ar emocinės krypties sąsaja.
Kalbų vadove tarp palaikomų kalbų pateikiamos rusų, ukrainiečių, anglų, prancūzų, vokiečių, ispanų, portugalų, italų, kinų, japonų, korėjiečių, arabų, hindi ir kazachų. Paruoškite tekstą tiksline kalba; sintezė perteikia tą tekstą, o ne jį išverčia. Mokomajame turinyje aiškiai pateikite apibrėžtis ir perėjimus tarp skyrių. Aiškinamajai garso ištraukai paruoškite tikslų pranešimą ir visus vardus, kurie turi būti girdimi. Balso optimizavimas anglų kalbai išlieka svarbus vertinant, kaip skamba konkreti kalba ir žodynas.
Praktinis HD procesas sukuria garso ištrauką, kurią galima perklausyti, peržiūrėti ir tada įtraukti į galutinę medžiagą. Patikrinkite, ar perteiktas kiekvienas sakinys, ar priimtinai ištarti vardai ir kiekiai, ar pasirinktas tempas padeda suprasti. Rašytinį tekstą išsaugokite šalia garso, kad pataisą būtų galima atsekti iki atitinkamos ištraukos. OpenAI reikalauja aiškiai atskleisti, kad sugeneruotas balsas yra dirbtinis. HD apibūdina į kokybę orientuotą TTS šeimą; savaime jis nežada tikslaus laiko, individualios kalbėtojo tapatybės ar kito modelio išraiškingumo valdiklių.
Ailoot Ultra · Įgarsinimas POST /v1/audio/speech openai/tts-1-hd
openai/tts-1-hdPradžia
TTS-1 HD paverčia rašytinį tekstą aukštesnės kokybės kalbos garsu su pasirenkamais iš anksto nustatytais balsais, greičiu ir šešiais išvesties formatais. OpenAI HD orientuoja į pasakojimo kokybę, o ne mažesnės delsos TTS-1 profilį, todėl jis naudingas užbaigtiems garsiniams skaitymams, mokomajai medžiagai ir redaguotoms garso ištraukoms.
- 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 |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos openai/tts-1-hd | Numatyta— |
Laukasinput | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos Mažiausias ilgis: 1 Didžiausias ilgis: 4 096 Vienetas: Unicode simboliai | Numatyta— |
Laukasvoice | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos alloy | Numatyta— |
Įvesties medžiagos deriniai
text_to_speech · Privaloma: input
Metodo parametrai ir gyvavimo ciklas
| Parametras | Specifikacija |
|---|---|
Parametrascontent_type | Specifikacijaapplication/json |
Parametrasrequired | Specifikacijamodel, input, voice |
Parametrasvoice_ids | Specifikacijaalloy |
Parametrasmax_input_characters | Specifikacija4096 |
Parametrasother_options | Specifikacijafalse |
Parametrasinput | Specifikacijatikslus UTF-8 tekstas; Unicode simbolių skaičius be normalizavimo |
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}
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 | Apmokestinamas kiekis | Apskaitos kiekis | Apskaitos vienetas | Mokestis |
|---|---|---|---|---|---|
| KonfigūracijaBaziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Apmokestinamas kiekis— | 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 |
| KonfigūracijaUltra | Įkainių lentelė— | Apmokestinamas kiekisKiekvienas Unicode kodo taškas, įskaitant Han simbolius, skaičiuojamas kaip vienas simbolis. | Apskaitos kiekis— | Apskaitos vienetasuž 1K įvesties simbolių | Mokestis Įvestis · įvesties simbolis $0.06 už 1K įvesties simbolių |
| KonfigūracijaUž užklausą | Įkainių lentelė— | Apmokestinamas kiekis— | Apskaitos kiekisviena užklausa | Apskaitos vienetas— | Mokestis Įvestis $0 už užklausą |
Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
Užklausų pavyzdžiai
Ailoot Ultra · Įgarsinimas
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "openai/tts-1-hd", "input": "Good afternoon! This is a short voice take.", "voice": "alloy"}')
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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o speech.mp3
Gauti ir išsaugoti rezultatus
Ailoot Ultra · Įgarsinimas
mp3
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Kito turinio skaitymas
set -eu
: "${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 |
|---|---|
Laukasbinary audio | Tipasbytes |
Laukasresponse 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. |
Atsakymasserver_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 openai/tts-1-hd
Metodų kelių pseudonimai
Naudokite aukščiau nurodytus metodų kelius.
Susiję ID iškvietimui
FAQ · tts-1-hd
- Kokios įvestys ir rezultatai prieinami?
POST /v1/audio/speech·openai/tts-1-hd:text→audio- Kokius laukus naudoja užklausa?
POST /v1/audio/speech·openai/tts-1-hd:model,input,voice- Kokie apribojimai taikomi?
POST /v1/audio/speech·openai/tts-1-hd:input.maximum_length:4096