Sesame: CSM 1B
Sesame CSM 1B gjør oppgitt tekst om til tale gjennom POST /v1/audio/speech. Bruk sesame/csm-1b med selve manuset, velg en av de navngitte stemmene og be om MP3- eller PCM-lyd. Den passer til en arbeidsflyt som gjør en forberedt melding, forklaring eller et fortellersegment om til en lydfil for avspilling eller redigering.
Om modellen
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Sesame CSM 1B er en tekst-til-tale-modell, tilgjengelig under den nøyaktige ID-en sesame/csm-1b. Oppgi ordene som skal leses opp og behold den resulterende lyden som en fil. En praktisk beskrivelse kan være en forberedt produktforklaring, en muntlig applikasjonsmelding eller et fortellersegment som skal settes inn i en redigering. Forbered manuset som den tiltenkte muntlige teksten, inkludert navnene, tallene og ordlyden lytteren trenger å høre.
Send POST /v1/audio/speech med application/json. De obligatoriske feltene er model, satt til sesame/csm-1b, og input, som inneholder manuset som en streng. Les en manusfil som UTF-8-tekst og legg innholdet i input i stedet for å oppgi et lokalt filnavn. Når det muntlige innholdet holdes i dette feltet, får genereringen et konkret manus å følge, og applikasjonen kan beholde den nøyaktige ordlyden sammen med den resulterende filen.
De navngitte stemmevalgene er conversational_a, conversational_b, read_speech_a, read_speech_b, read_speech_c, read_speech_d og none. Behold disse identifikatorene nøyaktig i voice-feltet. Velg en stemme eksplisitt når en arbeidsflyt trenger en repeterbar forespørselskonfigurasjon, og behold den valgte innstillingen sammen med manuset og resultatet. Lytt til et representativt segment for å avgjøre hvilken tilgjengelig stemme som passer det tiltenkte formålet.
Bruk response_format til å velge mp3 eller pcm. MP3 leveres som audio/mpeg og gir en fil som kan sendes til en avspiller eller redigeringsflyt som godtar MP3. PCM leveres som audio/pcm med 16-bit little-endian-samplinger; behold de faktiske lydmetadataene til applikasjonen som skal tolke bytene. Angi formatet eksplisitt, slik at filen og dekoderen i neste trinn samsvarer. Det dokumenterte forespørselseksemplet bruker speed:1; behold dette utgangspunktet når du forbereder en forespørsel med de etablerte innstillingene.
Det vellykkede svaret inneholder rå lydbyte. Lagre svarkroppen som lyd og behold svarheaderne og den opprinnelige forespørselsidentiteten sammen med manuset, stemmen og det ønskede formatet. Behandle fullføringen av svaret som tidspunktet der den returnerte lyden kan beholdes og vurderes. Kontroller de oppleste navnene, tallene og setningsgrensene mot kildemanuset før du legger resultatet inn i en lengre produksjon. Hvis en forespørsel avbrytes etter innsending, beholder du den opprinnelige identiteten og svarinformasjonen mens du kontrollerer det eksisterende utfallet.
Ailoot Ultra · Speech POST /v1/audio/speech sesame/csm-1b
sesame/csm-1bStart
Sesame CSM 1B gjør oppgitt tekst om til tale gjennom POST /v1/audio/speech. Bruk sesame/csm-1b med selve manuset, velg en av de navngitte stemmene og be om MP3- eller PCM-lyd. Den passer til en arbeidsflyt som gjør en forberedt melding, forklaring eller et fortellersegment om til en lydfil for avspilling eller redigering.
- Godkjente inndata
- Tekst
- Resultater
- Lyd
Tilgjengelig i Ailoot · inndata & metoder
Ailoot Ultra · Speech POST /v1/audio/speech
- Inndatatyper
text- Utdatatyper
audio- Utdataformat
- mp3,pcm
| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser sesame/csm-1b | Standard— |
Feltinput | Typestring | KravPåkrevd | Verdier & grenser | Standard— |
Feltvoice | Typestring | KravValgfritt | Verdier & grenser conversational_a, conversational_b, read_speech_a, read_speech_b, read_speech_c, read_speech_d, none | Standard— |
Feltresponse_format | Typestring | KravValgfritt | Verdier & grenser mp3, pcm | Standard— |
Feltspeed | Typenumber | KravValgfritt | Verdier & grenser | Standard— |
Metodeparametere og livssyklus
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, input |
Parameteroptional | Avtalevoice, response_format, speed |
Parametermaterial_types | Avtaletext |
Parameterconditions | Avtale |
Livssyklus: synchronous_result_then_owned_library
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 | Faktureringsmengde | Faktureringsenhet | Kostnad |
|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Faktureringsmengde— | 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 |
| Konfigurasjoninndatategn | Prisplan— | Faktureringsmengde— | Faktureringsenhetper inndatategn | Kostnad Inndata · inndatategn $0.000014 per inndatategn |
| KonfigurasjonPer forespørsel | Prisplan— | Faktureringsmengdeén forespørsel | Faktureringsenhet— | Kostnad Inndata $0 per forespørsel |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
Eksempelforespørsler
Ailoot Ultra · Speech
set -eu
: "${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.
Motta og lagre resultater
Ailoot Ultra · Speech
mp3,pcm
GET /v1/media/assetsGET /v1/media/assets/{asset_id}
Behold alle ferdige resultater
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Retain the complete binary audio and response headers. Use the actual output Content-Type; no extra container or bit depth is inferred.
Hvis det opprinnelige svaret må kontrolleres
Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.
Aliaser
Modellaliaser
Ailoot Ultra sesame/csm-1b
Aliaser for metodestier
Bruk metodestiene som vises ovenfor.
Tilknyttede anroper-ID-er
FAQ · Sesame: CSM 1B
- Hvilke inndata og resultater er tilgjengelige?
POST /v1/audio/speech·sesame/csm-1b:text→audio- Hvilke felt bruker forespørselen?
POST /v1/audio/speech·sesame/csm-1b:model,input,voice,response_format,speed