Fish Audio: Drama 3
Drama 3 gjør et skrevet manus om til regissert tale. Form følelser og fremføring med instruksjoner i vanlig språk, legg til pauser og lyder, styr uttalen og bygg scener med flere talere. Den publiserte talearbeidsflyten støtter mer enn 80 språk, inkludert språkbytte innenfor en setning.
Om modellen
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Drama 3 er Fish Audios tekst-til-tale-modell for et fremført manus. Den produserer talelyd fra ordene du oppgir, og gir manusforfatteren kontroll over fremføringen. En replikk kan inneholde en følelsesinstruksjon, en lokal endring i stemmefremføringen eller en uttaleinstruksjon, slik at inndataene inneholder både det talte innholdet og hvordan det bør høres ut.
Skriv ordene og regisser fremføringen
Forbered de nøyaktige ordene lytteren bør høre før du legger til fremføringsinstruksjoner. Gjør viktige navn, datoer og instruksjoner tydelige i manuset, og bruk tegnsetting til å etablere den tiltenkte setningsrytmen. Plasser deretter en instruksjon i vanlig språk i hakeparenteser foran replikken den gjelder. Beskriv den ønskede følelsen eller fremføringen konkret, som en dempet kunngjøring, en spent replikkveksling eller en varm forklaring.
Drama 3 støtter også lokal styring innenfor en replikk. Instruksjoner inne i teksten kan legge inn lyder og pauser, mens parvise fremføringstagger kan påvirke bestemte ord. Gjør omfanget av hver instruksjon tydelig: en instruksjon for én frase bør ikke utilsiktet bli instruksjonen for hele scenen. Les manuset én gang for betydning og én gang for fremføring før syntesen.
Scener, språk og uttale
Den publiserte modellen støtter flere talere i én forespørsel. Organiser dialogen i tydelige taleturer og gi hver tur et formål: et spørsmål, en avbrytelse, en forklaring eller et svar. For en leksjon eller forklarende fremstilling kan samme tilnærming skille en forteller fra en sitert karakter uten å omskrive materialet til én udifferensiert monolog.
Drama 3 støtter mer enn 80 språk og kan bytte språk innenfor en setning samtidig som stemmen beholdes. Forbered flerspråklige passasjer på språkene de skal fremføres på, fremfor å anta at en engelsk instruksjon gir en oversettelse. Bestem hvordan utenlandske navn og låneord bør høres ut, og bruk modellens fonemstyring når uttalen trenger presis veiledning.
Nyttige lydresultater
Modellen passer til karakterdialog, fortalte leksjoner, korte forklaringer, produktkunngjøringer og manusbaserte stemmesvar. Behold innhold og skuespillvalg sammen: en pedagogisk passasje trenger forståelig terminologi og målrettede pauser; en karakterscene trenger tydelig atskilte taleturer og en konsekvent dramatisk intensjon. Dette er skrivevalg som kan gjennomgås før lyd blir generert.
Etter syntesen kan du sammenligne de talte ordene med det ferdige manuset. Lytt etter utelatte fraser, feilplasserte pauser, uklare talerbytter og uttalen av navn som skal beholdes. Behold manuset og fremføringsinstruksjonene sammen med lyden slik at en retting kan rettes mot den berørte replikken. Behold det endelige talte innholdet og fremføringsvalgene for hver replikk sammen når du forbereder en revisjon.
Funksjoner
- Tekst-til-tale-fremføring fra et ferdig manus.
- Instruksjoner i vanlig språk i hakeparenteser foran en replikk.
- Lyder og pauser inne i teksten, med parvise fremføringstagger for bestemte ord.
- Scener med flere talere og mer enn 80 talespråk.
- Fonemstyring for navn og fagterminologi.
Bruksområder
- Karakterdialog — Et manus med tydelig atskilte taleturer og fremføringsinstruksjoner. Resultat: En talt scene med bevisste endringer i fremføring.
- Fortalt forklaring — En ferdig leksjon der terminologi og pauser er markert. Resultat: Talelyd som kan kontrolleres mot leksjonsteksten.
- Flerspråklig kunngjøring — Endelig tekst på de tiltenkte språkene med uttalevalgene beholdt. Resultat: En talt passasje med kontrollerte språkoverganger.
- Manusbasert stemmesvar — Et kortfattet svar med en tydelig angitt tone og ordene som skal fremføres. Resultat: Et gjenbrukbart talesegment for den omkringliggende applikasjonen.
Begrensninger
- Inndata og resultat — Den publiserte modellen tar imot tekst og returnerer talelyd.
- Styringsomfang — Knytt en instruksjon til den tiltenkte replikken eller frasen, og avgrens parvise fremføringstagger riktig.
- Gjennomgangsenhet — Behold det nøyaktige manuset og instruksjonene sammen med lyden; gjennomgå uttale og taleturer for hver replikk.
Ailoot Ultra · Tale POST /v1/audio/speech fish-audio/drama-3
fish-audio/drama-3Start
Drama 3 gjør et skrevet manus om til regissert tale. Form følelser og fremføring med instruksjoner i vanlig språk, legg til pauser og lyder, styr uttalen og bygg scener med flere talere. Den publiserte talearbeidsflyten støtter mer enn 80 språk, inkludert språkbytte innenfor en setning.
- Godkjente inndata
- Tekst
- Resultater
- Lyd
Tilgjengelig i Ailoot · inndata & metoder
Ailoot Ultra · Tale POST /v1/audio/speech
- Inndatatyper
text- Utdatatyper
audio
| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser fish-audio/drama-3 | Standard— |
Feltinput | Typestring | KravPåkrevd | Verdier & grenser Minste lengde: 1 | Standard— |
Feltvoice | Typestring | KravPåkrevd | Verdier & grenser Minste lengde: 1 | Standard— |
Feltresponse_format | Typestring | KravValgfritt | Verdier & grenser mp3, pcm | Standardpcm |
Feltprovider | Typeobject | KravValgfritt | Verdier & grenser | Standard— |
Metodeparametere og livssyklus
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, input, voice |
Parametermaterial_types | Avtaletext |
Parametermaterial_conditions | AvtaleVelg en faktisk støttet stemme-ID; ingen bokstavelig standardverdi eller stemme er funnet på for denne modellen. |
Livssyklus: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · faktisk returnert task_id eller oppføring i mediebiblioteket
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Priser
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
- Hurtigmodus
- Ikke angitt Når hurtigmodus er valgt
- Flex-modus
- Ikke angitt Når flex-modus er valgt
- Maksimal resonneringsinnsats
- Ikke angitt Når justeringen «default» brukes for maksimal resonneringsinnsats
Ailoot-satser
Priser etter konfigurasjon
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Faktureringsenhet | Kostnad |
|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Faktureringsenhet— | Kostnad Inndata · Inngående tokener — / 1K tokener Utdata · Utgående tokener — / 1K tokener Inndata · Lesing fra hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonUTF-8-byte i inndata | Prisplan— | Faktureringsenhetper UTF-8-byte inndata | Kostnad Inndata · UTF-8-byte i inndata $0.00002 per UTF-8-byte inndata |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
Eksempelforespørsler
Ailoot Ultra · Tale
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_INPUT_TEXT:?Set the actual documented input value}"
export AILOOT_INPUT_TEXT
: "${AILOOT_VOICE:?Set the actual documented input value}"
export AILOOT_VOICE
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
request={'model': 'fish-audio/drama-3', 'input': '${ACTUAL_INPUT_TEXT}', 'voice': '${ACTUAL_SUPPORTED_VOICE}'}
request['input']=os.environ['AILOOT_INPUT_TEXT']
request['voice']=os.environ['AILOOT_VOICE']
Path('request.json').write_text(json.dumps(request,ensure_ascii=False),encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/speech \
-H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o response.bin
# Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.
Motta og lagre resultater
Ailoot Ultra · Tale
Fullstendig binærlyd eller opprinnelig audio_url-svar, svarhoder og hver ressurs du eier.
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Andre innholdslesinger
set -eu
: "${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 owned-assets.json
# Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token.
Behold alle ferdige resultater
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Bevar hele svaret og svarhodene, alle faktiske utdata, de opprinnelige returnerte identifikatorene og alle bruksfeltene. Hent den opprinnelige operasjonen igjen uten å sende opprettelsesforespørselen på nytt.
Hvis det opprinnelige svaret må kontrolleres
Bevar returnert X-Client-Request-ID for avstemming. Les bare faktisk returnerte task_id/asset_id-verdier eller egne oppføringer i mediebiblioteket; bygg aldri en oppgave-URL fra operasjons-ID-en, og send aldri opprettelsesforespørselen på nytt.
Aliaser
Modellaliaser
Ailoot Ultra fish-audio/drama-3
Aliaser for metodestier
Bruk metodestiene som vises ovenfor.
Tilknyttede anroper-ID-er
FAQ · Fish Audio: Drama 3
- Hvilke inndata og resultater er tilgjengelige?
POST /v1/audio/speech·fish-audio/drama-3:text→audio- Hvilke felt bruker forespørselen?
POST /v1/audio/speech·fish-audio/drama-3:model,input,voice,response_format,provider