glm-tts

GLM-TTS er Zhipus talesyntesemodell, valgt med den nøyaktige ID-en glm-tts. Send POST /v1/audio/speech med model, input og voice. Legg ordene som skal leses opp direkte i input, og velg response_format=wav for denne profilen. Resultatet er et taleopptak av det oppgitte manuset, egnet for avspilling eller import til et lyd- eller videoredigeringsprogram.

Bruk den til en kort produktforklaring, en muntlig velkomst, en instruksjonstekst eller en kunngjøring. Forbered manuset slik det skal leses høyt: Ta med de ønskede setningsskillene og skriv ut termer der uttalen er viktig for oppgaven. For en veiledning kan én forespørsel inneholde en avgrenset instruksjon som følger ett synlig trinn. For en velkomstmelding oppgir du den faktiske ordlyden og vurderer opptaket før du legger det inn i kundeløpet.

Den dokumenterte maksimale inndatalengden er 1 024 tegn. Ta utgangspunkt i den ferdige teksten når du kontrollerer denne grensen, inkludert tegnsetting og mellomrom. Lengre fortellertekst trenger et manus delt i passende avsnitt; behold rekkefølgen på avsnittene og de valgte innstillingene sammen med opptakene, slik at de kan settes sammen og vurderes samlet. En tegngrense beskriver inndatateksten og fastsetter ingen bestemt opptaksvarighet.

voice-skjemaet oppgir tongtong, chuichui, jam, kazi, douji og luodo. Det publiserte eksemplet bruker tongtong med speed=1 og volume=1. Både speed og volume er valgfrie innstillinger med en dokumentert standardverdi på 1. For denne WAV-metoden er speed et heltall som godtar 1 eller 2, og volume et heltall fra 1 til 10. Den valgfrie boolske verdien watermark_enabled styrer lydvannmerket. La stream være usatt eller sett den til false for å motta hele WAV-opptaket. Ta utgangspunkt i dette eksplisitte eksemplet når du forbereder et første opptak, og hold deretter den valgte stemmen og de godtatte innstillingene konsekvente på tvers av sammenhengende avsnitt.

WAV-opptaket er det ferdige resultatet fra taleforespørselen. Behold hele lydresultatet og svarinformasjonen, og lytt deretter gjennom hele avsnittet for å kontrollere uttale, ordlyd, pauser og den tiltenkte rekkefølgen. Behold det nøyaktige kildemanuset ved siden av opptaket når du forbereder revisjoner. Hvis utfallet av en forespørsel er uavklart, beholder du den opprinnelige forespørselen og informasjonen om returnerte resultater før du sender en ny synteseforespørsel; en manglende avspillingsfil alene fastslår ikke at det ikke ble opprettet noe opptak.