S2.1 Pro Free ialah edisi model teks kepada pertuturan S2.1 daripada Fish Audio yang ditujukan kepada pembangun. Ia berkongsi model asas dan keupayaan sintesis teras dengan S2.1 Pro: pertuturan berbilang bahasa yang ekspresif, arahan penyampaian dalam bahasa semula jadi dan dialog berbilang penutur secara natif. Peranannya ialah pengujian, pembinaan prototaip, pembangunan dan aliran kerja aplikasi berskala lebih kecil.
Untuk prototaip pembantu suara, mulakan dengan contoh balasan lengkap dan nilai bunyinya sebelum menguji teks yang tiba secara beransur-ansur. Untuk produk pembelajaran, sediakan penerangan pendek dengan istilah tepat dan bacaan angka yang diperlukan pendengar. Untuk prototaip dialog, takrifkan penutur dan rujukan suara mereka sebelum menambah arahan penyampaian. Langkah ini membangunkan artifak audio serta aliran aplikasi di sekelilingnya, bukannya menjadikan permintaan sintesis bertanggungjawab untuk seluruh perbualan.
Tulis perkataan yang benar-benar perlu dituturkan, kemudian letakkan arahan sejurus sebelum petikan yang penyampaiannya perlu berubah. Arahan dalam kurungan siku boleh menyatakan bisikan, jeda, reaksi, penegasan atau gaya pertuturan yang bebas. Letakkan perubahan di tengah ayat pada titik yang diperlukan oleh persembahan, dan ikuti arahan deskriptif dengan pertuturan sebenar. Ringkasan arahan penerangan yang berguna memisahkan kandungan faktanya daripada kemesraan, rentak atau penegasan yang dikehendaki untuk pendengar.
Untuk seorang penutur, pilih pengecam suara yang disimpan atau berikan rakaman rujukan berserta transkripnya. Panduan pertuturan pengeluar mengesyorkan sampel bersih sepanjang 10–30 saat untuk pelaziman suara serta-merta. Pilih rujukan dengan nada dan mutu rakaman yang sesuai dengan skrip, dan kekalkan rujukan yang sama untuk petikan berkaitan. Rujukan suara membekalkan bunyi penutur; teks dan arahan sebaris membekalkan kandungan serta cara penyampaiannya.
Sintesis berbilang penutur secara natif menggunakan penanda seperti <|speaker:0|> dan <|speaker:1|> bersama tatasusunan pengecam suara yang tersusun atau kumpulan rujukan berasingan. Pastikan label angka penutur sepadan dengan susunan itu. Untuk pertukaran dialog berbentuk pengajaran, tulis baris setiap penutur dan letakkan arahan penyampaian selepas penanda penutur pada tempat yang sesuai. Ini menghasilkan dialog dalam satu permintaan; aliran kerjanya berbeza daripada segmen penutur tunggal S1 yang berasingan dan pemasangan kemudian.
Aliran kerja pengeluar menawarkan output MP3, WAV, PCM mentah dan Opus, dengan MP3 sebagai pilihan lalai. MP3 menyokong 64, 128 dan 192 kbps; WAV dan PCM menggunakan format sampel mono 16 bit yang didokumenkan, manakala Opus menggunakan 48 kHz. Pilih format untuk fail narasi yang disimpan, main balik penstriman atau saluran pemprosesan audio hiliran. Simpan skrip lengkap dan pilihan suara bersama audio supaya suntingan kemudian boleh membetulkan satu baris tanpa kehilangan penyampaian yang dimaksudkan.
Kelajuan boleh dilaraskan dari 0.5 hingga 2.0, dengan kawalan kelantangan. Penormalan teks mengembangkan angka bahasa Inggeris dan Cina untuk bacaan semula jadi. Penormalan kelantangan output mempunyai nilai lalai true dan digunakan pada keluarga S2; medan yang sama tidak berkesan pada S1. repetition_penalty daripada S1 tidak mengubah audio S2.1 Pro, jadi tetapan lama tidak patut dianggap sebagai kawalan yang berkesan untuk model ini. Semak bunyi dan perkataan yang berulang secara langsung, bukannya bergantung pada parameter yang dibawa daripada versi lama untuk membuktikan hasilnya.
Skrip yang lebih panjang diproses dalam cebisan. Julat panjang cebisan yang didokumenkan ialah 100–300, dan max_new_tokens ialah peruntukan token audio bagi setiap cebisan, bukannya jaminan jumlah tempoh. Pelaziman daripada cebisan terdahulu boleh membawa konteks suara ke hadapan. Aliran penghantaran pengeluar menerangkan audio lengkap, cebisan audio secara beransur-ansur dan penstriman teks langsung apabila skrip tiba sedikit demi sedikit. Pilih kaedah penggunaan untuk aplikasi dan kekalkan konteks skrip yang mencukupi untuk sebutan dan nada petikan seterusnya.
Untuk artifak akhir yang berguna, dengar sama ada terdapat perkataan yang tertinggal atau berulang, sebutan angka, pertukaran penutur, jeda dan kekuatan arahan. Rujukan suara yang berbeza boleh mentafsir petunjuk dengan kekuatan berbeza, jadi mulakan dengan satu baris berarahan yang mudah sebelum menambah tag yang bersaing. Dalam kerja berbilang bahasa, berikan skrip dalam bahasa sasaran dan bukannya meminta model pertuturan mereka atau menterjemah kandungannya. Semakan terfokus mengubah baris, petunjuk atau rujukan yang menyebabkan ketidakpadanan sambil mengekalkan bahagian persembahan yang sudah memenuhi ringkasan arahan.
", "aboutText": "S2.1 Pro Free ialah edisi model teks kepada pertuturan S2.1 daripada Fish Audio yang ditujukan kepada pembangun. Ia berkongsi model asas dan keupayaan sintesis teras dengan S2.1 Pro: pertuturan berbilang bahasa yang ekspresif, arahan penyampaian dalam bahasa semula jadi dan dialog berbilang penutur secara natif. Peranannya ialah pengujian, pembinaan prototaip, pembangunan dan aliran kerja aplikasi berskala lebih kecil.\n\nUntuk prototaip pembantu suara, mulakan dengan contoh balasan lengkap dan nilai bunyinya sebelum menguji teks yang tiba secara beransur-ansur. Untuk produk pembelajaran, sediakan penerangan pendek dengan istilah tepat dan bacaan angka yang diperlukan pendengar. Untuk prototaip dialog, takrifkan penutur dan rujukan suara mereka sebelum menambah arahan penyampaian. Langkah ini membangunkan artifak audio serta aliran aplikasi di sekelilingnya, bukannya menjadikan permintaan sintesis bertanggungjawab untuk seluruh perbualan.\n\nTulis perkataan yang benar-benar perlu dituturkan, kemudian letakkan arahan sejurus sebelum petikan yang penyampaiannya perlu berubah. Arahan dalam kurungan siku boleh menyatakan bisikan, jeda, reaksi, penegasan atau gaya pertuturan yang bebas. Letakkan perubahan di tengah ayat pada titik yang diperlukan oleh persembahan, dan ikuti arahan deskriptif dengan pertuturan sebenar. Ringkasan arahan penerangan yang berguna memisahkan kandungan faktanya daripada kemesraan, rentak atau penegasan yang dikehendaki untuk pendengar.\n\nUntuk seorang penutur, pilih pengecam suara yang disimpan atau berikan rakaman rujukan berserta transkripnya. Panduan pertuturan pengeluar mengesyorkan sampel bersih sepanjang 10–30 saat untuk pelaziman suara serta-merta. Pilih rujukan dengan nada dan mutu rakaman yang sesuai dengan skrip, dan kekalkan rujukan yang sama untuk petikan berkaitan. Rujukan suara membekalkan bunyi penutur; teks dan arahan sebaris membekalkan kandungan serta cara penyampaiannya.\n\nSintesis berbilang penutur secara natif menggunakan penanda seperti <|speaker:0|> dan <|speaker:1|> bersama tatasusunan pengecam suara yang tersusun atau kumpulan rujukan berasingan. Pastikan label angka penutur sepadan dengan susunan itu. Untuk pertukaran dialog berbentuk pengajaran, tulis baris setiap penutur dan letakkan arahan penyampaian selepas penanda penutur pada tempat yang sesuai. Ini menghasilkan dialog dalam satu permintaan; aliran kerjanya berbeza daripada segmen penutur tunggal S1 yang berasingan dan pemasangan kemudian.\n\nAliran kerja pengeluar menawarkan output MP3, WAV, PCM mentah dan Opus, dengan MP3 sebagai pilihan lalai. MP3 menyokong 64, 128 dan 192 kbps; WAV dan PCM menggunakan format sampel mono 16 bit yang didokumenkan, manakala Opus menggunakan 48 kHz. Pilih format untuk fail narasi yang disimpan, main balik penstriman atau saluran pemprosesan audio hiliran. Simpan skrip lengkap dan pilihan suara bersama audio supaya suntingan kemudian boleh membetulkan satu baris tanpa kehilangan penyampaian yang dimaksudkan.\n\nKelajuan boleh dilaraskan dari 0.5 hingga 2.0, dengan kawalan kelantangan. Penormalan teks mengembangkan angka bahasa Inggeris dan Cina untuk bacaan semula jadi. Penormalan kelantangan output mempunyai nilai lalai true dan digunakan pada keluarga S2; medan yang sama tidak berkesan pada S1. repetition_penalty daripada S1 tidak mengubah audio S2.1 Pro, jadi tetapan lama tidak patut dianggap sebagai kawalan yang berkesan untuk model ini. Semak bunyi dan perkataan yang berulang secara langsung, bukannya bergantung pada parameter yang dibawa daripada versi lama untuk membuktikan hasilnya.\n\nSkrip yang lebih panjang diproses dalam cebisan. Julat panjang cebisan yang didokumenkan ialah 100–300, dan max_new_tokens ialah peruntukan token audio bagi setiap cebisan, bukannya jaminan jumlah tempoh. Pelaziman daripada cebisan terdahulu boleh membawa konteks suara ke hadapan. Aliran penghantaran pengeluar menerangkan audio lengkap, cebisan audio secara beransur-ansur dan penstriman teks langsung apabila skrip tiba sedikit demi sedikit. Pilih kaedah penggunaan untuk aplikasi dan kekalkan konteks skrip yang mencukupi untuk sebutan dan nada petikan seterusnya.\n\nUntuk artifak akhir yang berguna, dengar sama ada terdapat perkataan yang tertinggal atau berulang, sebutan angka, pertukaran penutur, jeda dan kekuatan arahan. Rujukan suara yang berbeza boleh mentafsir petunjuk dengan kekuatan berbeza, jadi mulakan dengan satu baris berarahan yang mudah sebelum menambah tag yang bersaing. Dalam kerja berbilang bahasa, berikan skrip dalam bahasa sasaran dan bukannya meminta model pertuturan mereka atau menterjemah kandungannya. Semakan terfokus mengubah baris, petunjuk atau rujukan yang menyebabkan ketidakpadanan sambil mengekalkan bahagian persembahan yang sudah memenuhi ringkasan arahan.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "a033833d9e44228530bbce4611a3869711ea09fab10b5bbf79b9f9bb5f856654", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "ms", "methods": [ { "html": "fish-audio/s2.1-pro-free:freeS2.1 Pro Free ialah edisi pembangunan model pertuturan S2.1 daripada Fish Audio untuk narasi, output suara berarahan dan dialog berbilang penutur. Ia berkongsi keupayaan sintesis model untuk pengujian dan pembinaan prototaip.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
S2.1 Pro Free ialah edisi model teks kepada pertuturan S2.1 daripada Fish Audio yang ditujukan kepada pembangun. Ia berkongsi model asas dan keupayaan sintesis teras dengan S2.1 Pro: pertuturan berbilang bahasa yang ekspresif, arahan penyampaian dalam bahasa semula jadi dan dialog berbilang penutur secara natif. Peranannya ialah pengujian, pembinaan prototaip, pembangunan dan aliran kerja aplikasi berskala lebih kecil.
Untuk prototaip pembantu suara, mulakan dengan contoh balasan lengkap dan nilai bunyinya sebelum menguji teks yang tiba secara beransur-ansur. Untuk produk pembelajaran, sediakan penerangan pendek dengan istilah tepat dan bacaan angka yang diperlukan pendengar. Untuk prototaip dialog, takrifkan penutur dan rujukan suara mereka sebelum menambah arahan penyampaian. Langkah ini membangunkan artifak audio serta aliran aplikasi di sekelilingnya, bukannya menjadikan permintaan sintesis bertanggungjawab untuk seluruh perbualan.
Tulis perkataan yang benar-benar perlu dituturkan, kemudian letakkan arahan sejurus sebelum petikan yang penyampaiannya perlu berubah. Arahan dalam kurungan siku boleh menyatakan bisikan, jeda, reaksi, penegasan atau gaya pertuturan yang bebas. Letakkan perubahan di tengah ayat pada titik yang diperlukan oleh persembahan, dan ikuti arahan deskriptif dengan pertuturan sebenar. Ringkasan arahan penerangan yang berguna memisahkan kandungan faktanya daripada kemesraan, rentak atau penegasan yang dikehendaki untuk pendengar.
Untuk seorang penutur, pilih pengecam suara yang disimpan atau berikan rakaman rujukan berserta transkripnya. Panduan pertuturan pengeluar mengesyorkan sampel bersih sepanjang 10–30 saat untuk pelaziman suara serta-merta. Pilih rujukan dengan nada dan mutu rakaman yang sesuai dengan skrip, dan kekalkan rujukan yang sama untuk petikan berkaitan. Rujukan suara membekalkan bunyi penutur; teks dan arahan sebaris membekalkan kandungan serta cara penyampaiannya.
Sintesis berbilang penutur secara natif menggunakan penanda seperti <|speaker:0|> dan <|speaker:1|> bersama tatasusunan pengecam suara yang tersusun atau kumpulan rujukan berasingan. Pastikan label angka penutur sepadan dengan susunan itu. Untuk pertukaran dialog berbentuk pengajaran, tulis baris setiap penutur dan letakkan arahan penyampaian selepas penanda penutur pada tempat yang sesuai. Ini menghasilkan dialog dalam satu permintaan; aliran kerjanya berbeza daripada segmen penutur tunggal S1 yang berasingan dan pemasangan kemudian.
Aliran kerja pengeluar menawarkan output MP3, WAV, PCM mentah dan Opus, dengan MP3 sebagai pilihan lalai. MP3 menyokong 64, 128 dan 192 kbps; WAV dan PCM menggunakan format sampel mono 16 bit yang didokumenkan, manakala Opus menggunakan 48 kHz. Pilih format untuk fail narasi yang disimpan, main balik penstriman atau saluran pemprosesan audio hiliran. Simpan skrip lengkap dan pilihan suara bersama audio supaya suntingan kemudian boleh membetulkan satu baris tanpa kehilangan penyampaian yang dimaksudkan.
Kelajuan boleh dilaraskan dari 0.5 hingga 2.0, dengan kawalan kelantangan. Penormalan teks mengembangkan angka bahasa Inggeris dan Cina untuk bacaan semula jadi. Penormalan kelantangan output mempunyai nilai lalai true dan digunakan pada keluarga S2; medan yang sama tidak berkesan pada S1. repetition_penalty daripada S1 tidak mengubah audio S2.1 Pro, jadi tetapan lama tidak patut dianggap sebagai kawalan yang berkesan untuk model ini. Semak bunyi dan perkataan yang berulang secara langsung, bukannya bergantung pada parameter yang dibawa daripada versi lama untuk membuktikan hasilnya.
Skrip yang lebih panjang diproses dalam cebisan. Julat panjang cebisan yang didokumenkan ialah 100–300, dan max_new_tokens ialah peruntukan token audio bagi setiap cebisan, bukannya jaminan jumlah tempoh. Pelaziman daripada cebisan terdahulu boleh membawa konteks suara ke hadapan. Aliran penghantaran pengeluar menerangkan audio lengkap, cebisan audio secara beransur-ansur dan penstriman teks langsung apabila skrip tiba sedikit demi sedikit. Pilih kaedah penggunaan untuk aplikasi dan kekalkan konteks skrip yang mencukupi untuk sebutan dan nada petikan seterusnya.
Untuk artifak akhir yang berguna, dengar sama ada terdapat perkataan yang tertinggal atau berulang, sebutan angka, pertukaran penutur, jeda dan kekuatan arahan. Rujukan suara yang berbeza boleh mentafsir petunjuk dengan kekuatan berbeza, jadi mulakan dengan satu baris berarahan yang mudah sebelum menambah tag yang bersaing. Dalam kerja berbilang bahasa, berikan skrip dalam bahasa sasaran dan bukannya meminta model pertuturan mereka atau menterjemah kandungannya. Semakan terfokus mengubah baris, petunjuk atau rujukan yang menyebabkan ketidakpadanan sambil mengekalkan bahagian persembahan yang sudah memenuhi ringkasan arahan.
POST /v1/audio/speechtextaudio| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had fish-audio/s2.1-pro-free:free | Lalai— |
Medaninput | Jenisstring | KeperluanDiperlukan | Nilai & had Panjang minimum: 1 | Lalai— |
Medanvoice | Jenisstring | KeperluanDiperlukan | Nilai & had b347db033a6549378b48d00acb0d06cd Panjang minimum: 1 | Lalai— |
Medanresponse_format | Jenisstring | KeperluanPilihan | Nilai & had mp3, pcm | Lalaipcm |
Medanprovider | Jenisobject | KeperluanPilihan | Nilai & had | Lalai— |
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, input, voice |
Parametermaterial_types | Kontraktext |
Kitar hayat: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · task_id sebenar yang dikembalikan atau rekod pustaka media
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Kuantiti pengebilan | Caj |
|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Kuantiti pengebilan— | Caj Input · Token input — / 1K token Output · Token output — / 1K token Input · Bacaan cache — / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiBagi setiap permintaan | Jadual kadar— | Kuantiti pengebilansatu permintaan | Caj Input $0 bagi setiap permintaan |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_INPUT_TEXT:?Set the actual documented input value}"\nexport AILOOT_INPUT_TEXT\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\nrequest={'model': 'fish-audio/s2.1-pro-free:free', 'input': '${ACTUAL_INPUT_TEXT}', 'voice': 'b347db033a6549378b48d00acb0d06cd', 'response_format': 'mp3'}\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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o response.bin\n# Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.\nAudio binari lengkap atau respons audio_url asal, pengepala dan setiap aset milik anda.
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}set -eu\n: "${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.\nSimpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Simpan respons dan pengepala yang lengkap, setiap output sebenar, pengecam asal yang dikembalikan serta semua medan penggunaan. Pulihkan operasi asal tanpa menghantar permintaan penciptaan sekali lagi.
Simpan X-Client-Request-ID yang dikembalikan untuk penyelarasan rekod. Baca hanya nilai task_id/asset_id sebenar yang dikembalikan atau pustaka media milik anda; jangan sekali-kali bina URL tugas daripada ID operasi atau hantar semula permintaan penciptaan.
Ailoot Ultra fish-audio/s2.1-pro-free:free
Gunakan laluan kaedah yang dipaparkan di atas.