S2 Pro is het tekst-naar-spraakmodel van de tweede generatie van Fish Audio voor expressieve vertelstemmen, personagedialogen en gesproken gespreksuitvoer. Het zet een geschreven script om in audio en ondersteunt aanwijzingen in natuurlijke taal op woord- of zinsdeelniveau. De vorige S1-generatie gebruikt aanwijzingen tussen ronde haken, terwijl S2 Pro standaard vierkante haken gebruikt en meerdere sprekers in één syntheseverzoek ondersteunt. De maker stelt de gewichten en finetuningcode van S2 Pro beschikbaar voor afzonderlijk aanpassingswerk; een gewoon spraakverzoek gebruikt het geselecteerde model in plaats van een nieuw model te trainen.
Schrijf eerst de gesproken inhoud en plaats daarna een voordrachtinstructie vlak vóór het woord of zinsdeel waarop ze moet inwerken. Aanwijzingen kunnen een fluistering, reactie, pauze, emotionele verandering of vrij omschreven spreekstijl beschrijven. Houd bij een korte productuitleg de feitelijke zin duidelijk en leg alleen nadruk waar de luisteraar een onderscheid moet opmerken. Beschrijf voor een personageregel de emotionele verandering op het moment waarop ze optreedt, in plaats van de hele passage één vaste stemming te geven.
Tags tussen vierkante haken zijn vrij te formuleren beschrijvingen, geen gesloten keuzemenu. Voorbeelden zijn [whispering], [sigh], [long pause] en een formulering zoals [speaking slowly, almost hesitant]. Tags kunnen midden in een zin staan en beïnvloeden de volgende gesproken tekst. Een beschrijvende tag moet door echte tekst gevolgd worden; een geïsoleerde instructie kan onvoorspelbare uitvoer geven. Begin met één of twee nuttige aanwijzingen voordat u lagen toevoegt, omdat concurrerende tags de bedoelde voordracht kunnen vertroebelen. Verschillende stemreferenties kunnen met verschillende intensiteit op dezelfde aanwijzing reageren.
De releasebeschrijving van S2 vermeldt ongeveer 80 talen en geeft voorbeelden van voordrachtinstructies in dezelfde taal als het script. Bereid de tekst voor in de taal die gesproken moet worden en behoud namen, eenheden en afkortingen die een specifieke uitspraak nodig hebben. Een meertalige verteltekst kan de bedoelde stem behouden terwijl de scripttaal verandert, maar het eindresultaat moet nog steeds op uitspraak en continuïteit beluisterd worden. Synthese maakt spraak van de aangeleverde inhoud en bepaalt niet welke informatie de toepassing zou moeten vertellen.
Kies voor één spreker een opgeslagen stem-ID of lever referentieaudio met het bijbehorende transcript aan. De producent beveelt een zuivere opname van 10–30 seconden aan voor directe afstemming op een voorbeeld. Gebruik voor dialogen sprekermarkeringen zoals <|speaker:0|> en <|speaker:1|>, met een geordende lijst van stem-ID’s of afzonderlijke referentiegroepen voor de sprekers. De numerieke markering selecteert het overeenkomstige stemitem; behoud dezelfde volgorde naarmate het gesprek vordert. Voordrachtaanwijzingen in natuurlijke taal en sprekerselectie hebben verschillende rollen in het script.
De audio-uitvoer kan MP3, WAV, ruwe PCM of Opus zijn. MP3 gebruikt standaard 128 kbps en biedt ook 64 of 192 kbps; Opus-uitvoer gebruikt 48 kHz, terwijl WAV en PCM hun gedocumenteerde samplefrequentiekeuzes als 16-bits mono ondersteunen. Kies het formaat volgens de werkelijke bestemming: een te bewaren bestand voor vertelwerk of geschikte audiostukken voor weergave. De spraakwerkwijze van de producent beschrijft ook live tekststreaming wanneer het script geleidelijk binnenkomt. Het gegenereerde resultaat moet aan het volledige script en de geselecteerde stemmen gekoppeld blijven.
De snelheid kan tussen 0.5 en 2.0 aangepast worden, met regelaars voor volume en normalisatie van de uitvoerluidheid. Tekstnormalisatie verbetert het voorlezen van Engelse en Chinese getallen. De verwerking gebruikt stukken binnen een bereik van 100–300 en een audiotokenbudget per stuk. Deze instellingen mogen dus niet als een vaste maximale lengte voor een volledige verteltekst gelezen worden. Afstemming op het vorige stuk kan stemcontext naar het volgende segment meenemen. Samplingregelaars zoals temperature en top-p beïnvloeden de variatie; een doelbewust gestuurde regel heeft nog steeds voldoende tekst en context nodig om de bedoelde klank te dragen.
Een bruikbare productieopdracht scheidt verteltekst, dialoog en voordrachtaanwijzingen en vermeldt vervolgens de stem en het formaat van het resulterende bestand. Luister naar ontbrekende woorden, herhaalde audio, uitspraak van getallen, sprekerwisselingen en de timing van een reactie. Herzie de regel of stemreferentie die de afwijking veroorzaakt in plaats van aan te nemen dat meer tags iedere passage verbeteren. S2 Pro blijft een afzonderlijk S2-model van de vorige generatie; S2.1 Pro is de latere editie met eigen verbeteringen en modelspecifiek gedrag van instellingen.
", "aboutText": "S2 Pro is het tekst-naar-spraakmodel van de tweede generatie van Fish Audio voor expressieve vertelstemmen, personagedialogen en gesproken gespreksuitvoer. Het zet een geschreven script om in audio en ondersteunt aanwijzingen in natuurlijke taal op woord- of zinsdeelniveau. De vorige S1-generatie gebruikt aanwijzingen tussen ronde haken, terwijl S2 Pro standaard vierkante haken gebruikt en meerdere sprekers in één syntheseverzoek ondersteunt. De maker stelt de gewichten en finetuningcode van S2 Pro beschikbaar voor afzonderlijk aanpassingswerk; een gewoon spraakverzoek gebruikt het geselecteerde model in plaats van een nieuw model te trainen.\n\nSchrijf eerst de gesproken inhoud en plaats daarna een voordrachtinstructie vlak vóór het woord of zinsdeel waarop ze moet inwerken. Aanwijzingen kunnen een fluistering, reactie, pauze, emotionele verandering of vrij omschreven spreekstijl beschrijven. Houd bij een korte productuitleg de feitelijke zin duidelijk en leg alleen nadruk waar de luisteraar een onderscheid moet opmerken. Beschrijf voor een personageregel de emotionele verandering op het moment waarop ze optreedt, in plaats van de hele passage één vaste stemming te geven.\n\nTags tussen vierkante haken zijn vrij te formuleren beschrijvingen, geen gesloten keuzemenu. Voorbeelden zijn [whispering], [sigh], [long pause] en een formulering zoals [speaking slowly, almost hesitant]. Tags kunnen midden in een zin staan en beïnvloeden de volgende gesproken tekst. Een beschrijvende tag moet door echte tekst gevolgd worden; een geïsoleerde instructie kan onvoorspelbare uitvoer geven. Begin met één of twee nuttige aanwijzingen voordat u lagen toevoegt, omdat concurrerende tags de bedoelde voordracht kunnen vertroebelen. Verschillende stemreferenties kunnen met verschillende intensiteit op dezelfde aanwijzing reageren.\n\nDe releasebeschrijving van S2 vermeldt ongeveer 80 talen en geeft voorbeelden van voordrachtinstructies in dezelfde taal als het script. Bereid de tekst voor in de taal die gesproken moet worden en behoud namen, eenheden en afkortingen die een specifieke uitspraak nodig hebben. Een meertalige verteltekst kan de bedoelde stem behouden terwijl de scripttaal verandert, maar het eindresultaat moet nog steeds op uitspraak en continuïteit beluisterd worden. Synthese maakt spraak van de aangeleverde inhoud en bepaalt niet welke informatie de toepassing zou moeten vertellen.\n\nKies voor één spreker een opgeslagen stem-ID of lever referentieaudio met het bijbehorende transcript aan. De producent beveelt een zuivere opname van 10–30 seconden aan voor directe afstemming op een voorbeeld. Gebruik voor dialogen sprekermarkeringen zoals <|speaker:0|> en <|speaker:1|>, met een geordende lijst van stem-ID’s of afzonderlijke referentiegroepen voor de sprekers. De numerieke markering selecteert het overeenkomstige stemitem; behoud dezelfde volgorde naarmate het gesprek vordert. Voordrachtaanwijzingen in natuurlijke taal en sprekerselectie hebben verschillende rollen in het script.\n\nDe audio-uitvoer kan MP3, WAV, ruwe PCM of Opus zijn. MP3 gebruikt standaard 128 kbps en biedt ook 64 of 192 kbps; Opus-uitvoer gebruikt 48 kHz, terwijl WAV en PCM hun gedocumenteerde samplefrequentiekeuzes als 16-bits mono ondersteunen. Kies het formaat volgens de werkelijke bestemming: een te bewaren bestand voor vertelwerk of geschikte audiostukken voor weergave. De spraakwerkwijze van de producent beschrijft ook live tekststreaming wanneer het script geleidelijk binnenkomt. Het gegenereerde resultaat moet aan het volledige script en de geselecteerde stemmen gekoppeld blijven.\n\nDe snelheid kan tussen 0.5 en 2.0 aangepast worden, met regelaars voor volume en normalisatie van de uitvoerluidheid. Tekstnormalisatie verbetert het voorlezen van Engelse en Chinese getallen. De verwerking gebruikt stukken binnen een bereik van 100–300 en een audiotokenbudget per stuk. Deze instellingen mogen dus niet als een vaste maximale lengte voor een volledige verteltekst gelezen worden. Afstemming op het vorige stuk kan stemcontext naar het volgende segment meenemen. Samplingregelaars zoals temperature en top-p beïnvloeden de variatie; een doelbewust gestuurde regel heeft nog steeds voldoende tekst en context nodig om de bedoelde klank te dragen.\n\nEen bruikbare productieopdracht scheidt verteltekst, dialoog en voordrachtaanwijzingen en vermeldt vervolgens de stem en het formaat van het resulterende bestand. Luister naar ontbrekende woorden, herhaalde audio, uitspraak van getallen, sprekerwisselingen en de timing van een reactie. Herzie de regel of stemreferentie die de afwijking veroorzaakt in plaats van aan te nemen dat meer tags iedere passage verbeteren. S2 Pro blijft een afzonderlijk S2-model van de vorige generatie; S2.1 Pro is de latere editie met eigen verbeteringen en modelspecifiek gedrag van instellingen.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "8f2ec926d8f0b22653820292715f9393cffe3ff4901e902ce05f90901e94355b", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "nl-be", "methods": [ { "html": "fish-audio/s2-proFish Audio S2 Pro maakt expressieve meertalige spraak met aanwijzingen op woordniveau en ingebouwde dialogen met meerdere sprekers. Instructies tussen vierkante haken sturen de voordracht in het script, terwijl stemreferenties de sprekers bepalen en uitvoerinstellingen het audioresultaat vormgeven.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
S2 Pro is het tekst-naar-spraakmodel van de tweede generatie van Fish Audio voor expressieve vertelstemmen, personagedialogen en gesproken gespreksuitvoer. Het zet een geschreven script om in audio en ondersteunt aanwijzingen in natuurlijke taal op woord- of zinsdeelniveau. De vorige S1-generatie gebruikt aanwijzingen tussen ronde haken, terwijl S2 Pro standaard vierkante haken gebruikt en meerdere sprekers in één syntheseverzoek ondersteunt. De maker stelt de gewichten en finetuningcode van S2 Pro beschikbaar voor afzonderlijk aanpassingswerk; een gewoon spraakverzoek gebruikt het geselecteerde model in plaats van een nieuw model te trainen.
Schrijf eerst de gesproken inhoud en plaats daarna een voordrachtinstructie vlak vóór het woord of zinsdeel waarop ze moet inwerken. Aanwijzingen kunnen een fluistering, reactie, pauze, emotionele verandering of vrij omschreven spreekstijl beschrijven. Houd bij een korte productuitleg de feitelijke zin duidelijk en leg alleen nadruk waar de luisteraar een onderscheid moet opmerken. Beschrijf voor een personageregel de emotionele verandering op het moment waarop ze optreedt, in plaats van de hele passage één vaste stemming te geven.
Tags tussen vierkante haken zijn vrij te formuleren beschrijvingen, geen gesloten keuzemenu. Voorbeelden zijn [whispering], [sigh], [long pause] en een formulering zoals [speaking slowly, almost hesitant]. Tags kunnen midden in een zin staan en beïnvloeden de volgende gesproken tekst. Een beschrijvende tag moet door echte tekst gevolgd worden; een geïsoleerde instructie kan onvoorspelbare uitvoer geven. Begin met één of twee nuttige aanwijzingen voordat u lagen toevoegt, omdat concurrerende tags de bedoelde voordracht kunnen vertroebelen. Verschillende stemreferenties kunnen met verschillende intensiteit op dezelfde aanwijzing reageren.
De releasebeschrijving van S2 vermeldt ongeveer 80 talen en geeft voorbeelden van voordrachtinstructies in dezelfde taal als het script. Bereid de tekst voor in de taal die gesproken moet worden en behoud namen, eenheden en afkortingen die een specifieke uitspraak nodig hebben. Een meertalige verteltekst kan de bedoelde stem behouden terwijl de scripttaal verandert, maar het eindresultaat moet nog steeds op uitspraak en continuïteit beluisterd worden. Synthese maakt spraak van de aangeleverde inhoud en bepaalt niet welke informatie de toepassing zou moeten vertellen.
Kies voor één spreker een opgeslagen stem-ID of lever referentieaudio met het bijbehorende transcript aan. De producent beveelt een zuivere opname van 10–30 seconden aan voor directe afstemming op een voorbeeld. Gebruik voor dialogen sprekermarkeringen zoals <|speaker:0|> en <|speaker:1|>, met een geordende lijst van stem-ID’s of afzonderlijke referentiegroepen voor de sprekers. De numerieke markering selecteert het overeenkomstige stemitem; behoud dezelfde volgorde naarmate het gesprek vordert. Voordrachtaanwijzingen in natuurlijke taal en sprekerselectie hebben verschillende rollen in het script.
De audio-uitvoer kan MP3, WAV, ruwe PCM of Opus zijn. MP3 gebruikt standaard 128 kbps en biedt ook 64 of 192 kbps; Opus-uitvoer gebruikt 48 kHz, terwijl WAV en PCM hun gedocumenteerde samplefrequentiekeuzes als 16-bits mono ondersteunen. Kies het formaat volgens de werkelijke bestemming: een te bewaren bestand voor vertelwerk of geschikte audiostukken voor weergave. De spraakwerkwijze van de producent beschrijft ook live tekststreaming wanneer het script geleidelijk binnenkomt. Het gegenereerde resultaat moet aan het volledige script en de geselecteerde stemmen gekoppeld blijven.
De snelheid kan tussen 0.5 en 2.0 aangepast worden, met regelaars voor volume en normalisatie van de uitvoerluidheid. Tekstnormalisatie verbetert het voorlezen van Engelse en Chinese getallen. De verwerking gebruikt stukken binnen een bereik van 100–300 en een audiotokenbudget per stuk. Deze instellingen mogen dus niet als een vaste maximale lengte voor een volledige verteltekst gelezen worden. Afstemming op het vorige stuk kan stemcontext naar het volgende segment meenemen. Samplingregelaars zoals temperature en top-p beïnvloeden de variatie; een doelbewust gestuurde regel heeft nog steeds voldoende tekst en context nodig om de bedoelde klank te dragen.
Een bruikbare productieopdracht scheidt verteltekst, dialoog en voordrachtaanwijzingen en vermeldt vervolgens de stem en het formaat van het resulterende bestand. Luister naar ontbrekende woorden, herhaalde audio, uitspraak van getallen, sprekerwisselingen en de timing van een reactie. Herzie de regel of stemreferentie die de afwijking veroorzaakt in plaats van aan te nemen dat meer tags iedere passage verbeteren. S2 Pro blijft een afzonderlijk S2-model van de vorige generatie; S2.1 Pro is de latere editie met eigen verbeteringen en modelspecifiek gedrag van instellingen.
POST /v1/audio/speechtextaudio| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten fish-audio/s2-pro | Standaard— |
Veldinput | Typestring | VereisteVereist | Waarden en limieten Minimumlengte: 1 | Standaard— |
Veldvoice | Typestring | VereisteVereist | Waarden en limieten b347db033a6549378b48d00acb0d06cd Minimumlengte: 1 | Standaard— |
Veldresponse_format | Typestring | VereisteOptioneel | Waarden en limieten mp3, pcm | Standaardpcm |
Veldprovider | Typeobject | VereisteOptioneel | Waarden en limieten | Standaard— |
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, input, voice |
Parametermaterial_types | Contracttext |
Levenscyclus: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · daadwerkelijk teruggegeven task_id of record in de mediabibliotheek
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Rekeneenheid | Kosten |
|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Rekeneenheid— | Kosten Invoer · Invoertokens — / 1K tokens Uitvoer · Uitvoertokens — / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieUTF-8-invoerbyte | Tariefstaffel— | Rekeneenheidper UTF-8-byte invoer | Kosten Invoer · UTF-8-invoerbyte $0.00003 per UTF-8-byte invoer |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_INPUT_TEXT:?Set the actual documented input value}"\nexport AILOOT_INPUT_TEXT\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\nrequest={'model': 'fish-audio/s2-pro', 'input': '${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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o response.bin\n# Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.\nVolledige binaire audio of het oorspronkelijke audio_url-antwoord, headers en elke asset die je toebehoort.
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}set -eu\n: "${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.\nBewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar de volledige respons en headers, iedere daadwerkelijke uitvoer, de oorspronkelijk teruggegeven identificatoren en alle verbruiksvelden. Herstel de oorspronkelijke bewerking zonder de aanmaakaanvraag opnieuw in te dienen.
Bewaar de teruggegeven X-Client-Request-ID voor de reconciliatie. Lees uitsluitend daadwerkelijk teruggegeven task_id/asset_id-waarden of de eigen mediabibliotheek uit; bouw nooit een taak-URL op basis van de bewerkings-ID en dien de aanmaakaanvraag nooit opnieuw in.
Ailoot Ultra fish-audio/s2-pro
Gebruik de hierboven getoonde methodepaden.