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 binnen één syntheseverzoek ondersteunt. De maker publiceert de modelgewichten van S2 Pro en code voor fine-tuning voor afzonderlijk maatwerk; een gewoon spraakverzoek gebruikt het geselecteerde model in plaats van een nieuw model te trainen.
Schrijf eerst de gesproken inhoud en plaats vervolgens een voordrachtaanwijzing direct vóór het woord of zinsdeel waarop die van invloed moet zijn. Aanwijzingen kunnen een fluistering, reactie, pauze, emotionele omslag 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 bij een personageregel de emotionele verandering op het moment waarop die optreedt, in plaats van de hele passage één vaste stemming te geven.
Tags tussen vierkante haken zijn vrije 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 daaropvolgende spraak. Na een beschrijvende tag moet daadwerkelijke tekst volgen; een losse instructie kan onvoorspelbare uitvoer geven. Begin met één of twee nuttige aanwijzingen voordat u lagen toevoegt, want concurrerende tags kunnen de bedoelde voordracht vertroebelen. Verschillende stemreferenties kunnen met verschillende intensiteit op dezelfde aanwijzing reageren.
De release van S2 beschrijft ongeveer 80 talen en geeft voorbeelden van voordrachtaanwijzingen in dezelfde taal als het script. Bereid de tekst voor in de taal die moet worden gesproken en behoud namen, eenheden en afkortingen die op een specifieke manier moeten worden uitgesproken. Een meertalige vertelstem kan de bedoelde stem behouden terwijl de scripttaal verandert, maar het uiteindelijke resultaat moet nog steeds worden beluisterd op uitspraak en continuïteit. Synthese maakt de aangeleverde inhoud hoorbaar als spraak in plaats van te bepalen welke informatie de toepassing moet vertellen.
Kies voor één spreker een opgeslagen stemidentificatie of lever referentieaudio met het bijbehorende transcript aan. De producent beveelt een zuiver fragment 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 stemidentificaties of afzonderlijke referentiegroepen voor de sprekers. De numerieke markering kiest de bijbehorende stemvermelding; houd de volgorde vast naarmate een gesprek zich ontwikkelt. Voordrachtaanwijzingen in natuurlijke taal en sprekerkeuze hebben verschillende rollen in het script.
De audio-uitvoer kan MP3, WAV, onbewerkte 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 de gedocumenteerde keuzes voor samplefrequentie in 16-bits mono ondersteunen. Kies het formaat voor de daadwerkelijke bestemming: een opgeslagen bestand voor een vertelstem of geschikte audiodelen voor afspelen. De spraakwerkwijze van de producent beschrijft ook live tekststreaming wanneer het script geleidelijk binnenkomt. Het gegenereerde resultaat moet gekoppeld blijven aan het volledige script en de geselecteerde stemmen.
De snelheid kan worden ingesteld tussen 0.5 en 2.0, met instellingen voor volume en normalisatie van de uitvoerluidheid. Tekstnormalisatie verbetert de uitspraak van Engelse en Chinese getallen. Verwerking gebruikt delen in een bereik van 100–300 en een audiotokenbudget per deel, dus deze instellingen mogen niet worden gelezen als een vaste maximale lengte voor een hele vertelopname. Conditionering op het vorige deel kan stemcontext doorgeven naar het volgende segment. Samplinginstellingen zoals temperature en top-p beïnvloeden de variatie; een bewust 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 resultaat. Luister naar ontbrekende woorden, herhaalde audio, getaluitspraak, sprekerwissels en het moment van een reactie. Herzie de regel of stemreferentie die de afwijking veroorzaakt in plaats van aan te nemen dat meer tags elke 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 binnen één syntheseverzoek ondersteunt. De maker publiceert de modelgewichten van S2 Pro en code voor fine-tuning voor afzonderlijk maatwerk; een gewoon spraakverzoek gebruikt het geselecteerde model in plaats van een nieuw model te trainen.\n\nSchrijf eerst de gesproken inhoud en plaats vervolgens een voordrachtaanwijzing direct vóór het woord of zinsdeel waarop die van invloed moet zijn. Aanwijzingen kunnen een fluistering, reactie, pauze, emotionele omslag 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 bij een personageregel de emotionele verandering op het moment waarop die optreedt, in plaats van de hele passage één vaste stemming te geven.\n\nTags tussen vierkante haken zijn vrije 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 daaropvolgende spraak. Na een beschrijvende tag moet daadwerkelijke tekst volgen; een losse instructie kan onvoorspelbare uitvoer geven. Begin met één of twee nuttige aanwijzingen voordat u lagen toevoegt, want concurrerende tags kunnen de bedoelde voordracht vertroebelen. Verschillende stemreferenties kunnen met verschillende intensiteit op dezelfde aanwijzing reageren.\n\nDe release van S2 beschrijft ongeveer 80 talen en geeft voorbeelden van voordrachtaanwijzingen in dezelfde taal als het script. Bereid de tekst voor in de taal die moet worden gesproken en behoud namen, eenheden en afkortingen die op een specifieke manier moeten worden uitgesproken. Een meertalige vertelstem kan de bedoelde stem behouden terwijl de scripttaal verandert, maar het uiteindelijke resultaat moet nog steeds worden beluisterd op uitspraak en continuïteit. Synthese maakt de aangeleverde inhoud hoorbaar als spraak in plaats van te bepalen welke informatie de toepassing moet vertellen.\n\nKies voor één spreker een opgeslagen stemidentificatie of lever referentieaudio met het bijbehorende transcript aan. De producent beveelt een zuiver fragment 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 stemidentificaties of afzonderlijke referentiegroepen voor de sprekers. De numerieke markering kiest de bijbehorende stemvermelding; houd de volgorde vast naarmate een gesprek zich ontwikkelt. Voordrachtaanwijzingen in natuurlijke taal en sprekerkeuze hebben verschillende rollen in het script.\n\nDe audio-uitvoer kan MP3, WAV, onbewerkte 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 de gedocumenteerde keuzes voor samplefrequentie in 16-bits mono ondersteunen. Kies het formaat voor de daadwerkelijke bestemming: een opgeslagen bestand voor een vertelstem of geschikte audiodelen voor afspelen. De spraakwerkwijze van de producent beschrijft ook live tekststreaming wanneer het script geleidelijk binnenkomt. Het gegenereerde resultaat moet gekoppeld blijven aan het volledige script en de geselecteerde stemmen.\n\nDe snelheid kan worden ingesteld tussen 0.5 en 2.0, met instellingen voor volume en normalisatie van de uitvoerluidheid. Tekstnormalisatie verbetert de uitspraak van Engelse en Chinese getallen. Verwerking gebruikt delen in een bereik van 100–300 en een audiotokenbudget per deel, dus deze instellingen mogen niet worden gelezen als een vaste maximale lengte voor een hele vertelopname. Conditionering op het vorige deel kan stemcontext doorgeven naar het volgende segment. Samplinginstellingen zoals temperature en top-p beïnvloeden de variatie; een bewust 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 resultaat. Luister naar ontbrekende woorden, herhaalde audio, getaluitspraak, sprekerwissels en het moment van een reactie. Herzie de regel of stemreferentie die de afwijking veroorzaakt in plaats van aan te nemen dat meer tags elke 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": "3c13b9c847dbc4b17413cf81daa8c9305c504e43dcd7344cf9097b336159b040", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "nl", "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 binnen 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 binnen één syntheseverzoek ondersteunt. De maker publiceert de modelgewichten van S2 Pro en code voor fine-tuning voor afzonderlijk maatwerk; een gewoon spraakverzoek gebruikt het geselecteerde model in plaats van een nieuw model te trainen.
Schrijf eerst de gesproken inhoud en plaats vervolgens een voordrachtaanwijzing direct vóór het woord of zinsdeel waarop die van invloed moet zijn. Aanwijzingen kunnen een fluistering, reactie, pauze, emotionele omslag 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 bij een personageregel de emotionele verandering op het moment waarop die optreedt, in plaats van de hele passage één vaste stemming te geven.
Tags tussen vierkante haken zijn vrije 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 daaropvolgende spraak. Na een beschrijvende tag moet daadwerkelijke tekst volgen; een losse instructie kan onvoorspelbare uitvoer geven. Begin met één of twee nuttige aanwijzingen voordat u lagen toevoegt, want concurrerende tags kunnen de bedoelde voordracht vertroebelen. Verschillende stemreferenties kunnen met verschillende intensiteit op dezelfde aanwijzing reageren.
De release van S2 beschrijft ongeveer 80 talen en geeft voorbeelden van voordrachtaanwijzingen in dezelfde taal als het script. Bereid de tekst voor in de taal die moet worden gesproken en behoud namen, eenheden en afkortingen die op een specifieke manier moeten worden uitgesproken. Een meertalige vertelstem kan de bedoelde stem behouden terwijl de scripttaal verandert, maar het uiteindelijke resultaat moet nog steeds worden beluisterd op uitspraak en continuïteit. Synthese maakt de aangeleverde inhoud hoorbaar als spraak in plaats van te bepalen welke informatie de toepassing moet vertellen.
Kies voor één spreker een opgeslagen stemidentificatie of lever referentieaudio met het bijbehorende transcript aan. De producent beveelt een zuiver fragment 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 stemidentificaties of afzonderlijke referentiegroepen voor de sprekers. De numerieke markering kiest de bijbehorende stemvermelding; houd de volgorde vast naarmate een gesprek zich ontwikkelt. Voordrachtaanwijzingen in natuurlijke taal en sprekerkeuze hebben verschillende rollen in het script.
De audio-uitvoer kan MP3, WAV, onbewerkte 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 de gedocumenteerde keuzes voor samplefrequentie in 16-bits mono ondersteunen. Kies het formaat voor de daadwerkelijke bestemming: een opgeslagen bestand voor een vertelstem of geschikte audiodelen voor afspelen. De spraakwerkwijze van de producent beschrijft ook live tekststreaming wanneer het script geleidelijk binnenkomt. Het gegenereerde resultaat moet gekoppeld blijven aan het volledige script en de geselecteerde stemmen.
De snelheid kan worden ingesteld tussen 0.5 en 2.0, met instellingen voor volume en normalisatie van de uitvoerluidheid. Tekstnormalisatie verbetert de uitspraak van Engelse en Chinese getallen. Verwerking gebruikt delen in een bereik van 100–300 en een audiotokenbudget per deel, dus deze instellingen mogen niet worden gelezen als een vaste maximale lengte voor een hele vertelopname. Conditionering op het vorige deel kan stemcontext doorgeven naar het volgende segment. Samplinginstellingen zoals temperature en top-p beïnvloeden de variatie; een bewust 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 resultaat. Luister naar ontbrekende woorden, herhaalde audio, getaluitspraak, sprekerwissels en het moment van een reactie. Herzie de regel of stemreferentie die de afwijking veroorzaakt in plaats van aan te nemen dat meer tags elke 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} · de daadwerkelijk geretourneerde task_id of het 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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o response.bin\n# Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.\nVolledige binaire audio of het oorspronkelijke audio_url-antwoord, headers en elke asset die u bezit.
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}set -eu\n: "${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 het volledige antwoord en de headers, alle daadwerkelijke uitvoer, de oorspronkelijk geretourneerde identificatoren en alle gebruiksvelden. Herstel de oorspronkelijke bewerking zonder de aanmaakaanvraag opnieuw in te dienen.
Bewaar de geretourneerde X-Client-Request-ID voor reconciliatie. Lees alleen daadwerkelijk geretourneerde 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.