Sesame: CSM 1B
Sesame CSM 1B pateiktą tekstą paverčia kalba per POST /v1/audio/speech. Naudokite sesame/csm-1b su tikruoju scenarijumi, pasirinkite vieną iš įvardytų balsų ir prašykite MP3 arba PCM garso. Jis tinka darbo eigai, kuri paruoštą pranešimą, paaiškinimą ar pasakojimo segmentą paverčia garso failu atkūrimui ar redagavimui.
Apie modelį
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Sesame CSM 1B yra teksto įgarsinimo modelis, pasiekiamas tiksliu ID sesame/csm-1b. Pateikite tariamus žodžius ir gautą garsą išsaugokite kaip failą. Praktinė užduotis gali būti paruoštas produkto paaiškinimas, garsinis programos pranešimas ar pasakojimo segmentas, kuris bus naudojamas montaže. Scenarijų paruoškite kaip numatytą tariamą tekstą, įskaitant vardus, skaičius ir formuluotes, kurias klausytojas turi išgirsti.
Siųskite POST /v1/audio/speech su application/json. Privalomi laukai yra model, nustatytas į sesame/csm-1b, ir input, kuriame scenarijus pateikiamas kaip eilutė. Scenarijaus failą perskaitykite kaip UTF-8 tekstą ir jo turinį įrašykite į input, užuot pateikę vietinį failo pavadinimą. Tariamas turinys šiame lauke suteikia generavimui konkretų scenarijų, kurio reikia laikytis, ir leidžia programai tikslų tekstą išsaugoti greta gauto failo.
Įvardyti voice pasirinkimai yra conversational_a, conversational_b, read_speech_a, read_speech_b, read_speech_c, read_speech_d ir none. Šiuos identifikatorius voice lauke išsaugokite tiksliai. Balsą pasirinkite aiškiai, kai darbo eigai reikia pakartojamos užklausos konfigūracijos, ir pasirinktą nustatymą laikykite kartu su scenarijumi bei išvestimi. Perklausykite būdingą segmentą, kad nuspręstumėte, kuris prieinamas balsas tinka numatytai paskirčiai.
Naudokite response_format, kad pasirinktumėte mp3 arba pcm. MP3 perduodamas kaip audio/mpeg ir suteikia failą, kurį galima perduoti grotuvui ar redagavimo darbo eigai, priimančiai MP3. PCM perduodamas kaip audio/pcm su 16 bitų mėginiais, kuriuose mažiausiai reikšmingas baitas įrašomas pirmas; išsaugokite tikruosius jo garso metaduomenis programai, kuri interpretuos baitus. Formatą nustatykite aiškiai, kad failas ir tolesnis dekoderis sutaptų. Dokumentuotame užklausos pavyzdyje naudojama speed:1; ruošdami užklausą su nustatytais valdikliais išlaikykite šią pradinę reikšmę.
Sėkmingame atsakyme yra neapdoroti garso baitai. Atsakymo turinį išsaugokite kaip garsą, o atsakymo antraštes ir pradinės užklausos tapatybę – kartu su scenarijumi, balsu ir prašytu formatu. Šio atsakymo užbaigimą laikykite momentu, kai grąžintą garsą galima išsaugoti ir peržiūrėti. Prieš įtraukdami rezultatą į ilgesnę produkciją, patikrinkite tariamus vardus, skaičius ir sakinių ribas pagal pradinį scenarijų. Jei užklausa nutrūksta po pateikimo, tikrindami esamą rezultatą išsaugokite pradinę jos tapatybę ir atsakymo informaciją.
Ailoot Ultra · Speech POST /v1/audio/speech sesame/csm-1b
sesame/csm-1bPradžia
Sesame CSM 1B pateiktą tekstą paverčia kalba per POST /v1/audio/speech. Naudokite sesame/csm-1b su tikruoju scenarijumi, pasirinkite vieną iš įvardytų balsų ir prašykite MP3 arba PCM garso. Jis tinka darbo eigai, kuri paruoštą pranešimą, paaiškinimą ar pasakojimo segmentą paverčia garso failu atkūrimui ar redagavimui.
- Leidžiamos įvestys
- Tekstas
- Rezultatai
- Garsas
Prieinama Ailoot · įvestys ir metodai
Ailoot Ultra · Speech POST /v1/audio/speech
- Įvestis
text- Išvestis
audio- Išvesties formatas
- mp3,pcm
| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos sesame/csm-1b | Numatyta— |
Laukasinput | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos | Numatyta— |
Laukasvoice | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos conversational_a, conversational_b, read_speech_a, read_speech_b, read_speech_c, read_speech_d, none | Numatyta— |
Laukasresponse_format | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos mp3, pcm | Numatyta— |
Laukasspeed | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Metodo parametrai ir gyvavimo ciklas
| Parametras | Specifikacija |
|---|---|
Parametrascontent_type | Specifikacijaapplication/json |
Parametrasrequired | Specifikacijamodel, input |
Parametrasoptional | Specifikacijavoice, response_format, speed |
Parametrasmaterial_types | Specifikacijatext |
Parametrasconditions | Specifikacija |
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 $0.000014 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('{"input": "Hello world", "model": "sesame/csm-1b", "response_format": "mp3", "speed": 1, "voice": "conversational_a"}')
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
mp3,pcm
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 audio and response headers. Use the actual output Content-Type; no extra container or bit depth is inferred.
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 sesame/csm-1b
Metodų kelių pseudonimai
Naudokite aukščiau nurodytus metodų kelius.
Susiję ID iškvietimui
FAQ · Sesame: CSM 1B
- Kokios įvestys ir rezultatai prieinami?
POST /v1/audio/speech·sesame/csm-1b:text→audio- Kokius laukus naudoja užklausa?
POST /v1/audio/speech·sesame/csm-1b:model,input,voice,response_format,speed