Canopy Labs: Orpheus 3B

Dostrojony angielski model mowy Orpheus 3B firmy Canopy Labs zamienia pisemne wypowiedzi w ekspresyjne audio. Osiem gotowych głosów i znaczniki niewerbalne wspierają narrację, dialogi i głosowe odpowiedzi aplikacji.

Ailoot Ultra · Synteza mowy POST /v1/audio/speech canopylabs/orpheus-3b-0.1-ft

O modelu

Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.

Orpheus 3B 0.1 Fine-Tuned to angielski model zamiany tekstu na mowę Canopy Labs do codziennej syntezy. Należy do rodziny Orpheus zbudowanej na bazie Llama 3B i koncentruje się na naturalnej intonacji, rytmie i ekspresji wypowiedzi. Wejściem jest tekst do odczytania z wybranym mówcą, a wyjściem — audio z mową. Producent wymienia też klonowanie głosu zero-shot dla dokładnie tego dostrojonego modelu. Opublikowany przykład syntezy wersji dostrojonej korzysta z gotowych mówców, natomiast promptowanie tekstowo-głosowe z materiałem referencyjnym jest opisane osobno dla wersji wstępnie wytrenowanej. Ta dostrojona wersja różni się od modelu wstępnie wytrenowanego i oddzielnie wydanych wielojęzycznych modeli badawczych.

Wybierz mówcę i przygotuj wypowiedź

Producent wymienia osiem gotowych angielskich głosów: tara, leah, jess, leo, dan, mia, zac i zoe. Konwencja promptu umieszcza nazwę mówcy przed tekstem do wypowiedzenia, oddzielając je dwukropkiem. Referencyjny proces generowania mowy może dodać to formatowanie, gdy głos zostanie podany osobno. Wybierz mówcę dla planowanego materiału i zachowuj ten wybór w powiązanych fragmentach.

Dla krótkiego objaśnienia napisz końcową narrację zamiast instrukcji proszącej model o wymyślenie wyjaśnienia. Przydatna wypowiedź brzmi: „Wybierz folder, który chcesz udostępnić, sprawdź, kto może go otworzyć, i zapisz zmiany”. W dialogu przygotuj jawnie każdą kwestię każdego mówcy i zachowaj interpunkcję pomagającą w wykonaniu. Skrót, data lub nazwa produktu powinny być zapisane tak, jak mają zabrzmieć dla słuchacza, zwłaszcza gdy zapis skrócony byłby niejednoznaczny.

Wskazówki ekspresyjne i niewerbalne

Orpheus dokumentuje znaczniki <laugh>, <chuckle>, <sigh>, <cough>, <sniffle>, <groan>, <yawn> i <gasp>. Dodają one jawne zdarzenie niewerbalne w odpowiednim miejscu tekstu. Krótki fragment rozmowy może zawierać chichot przed lekką uwagą lub westchnienie przed refleksyjnym zdaniem. Umieszczaj wskazówkę tam, gdzie należy w wykonaniu, zachowując czytelność rzeczywistych słów wypowiedzi.

Są to wskazówki generowania mowy, a nie ogólny język instrukcji do edycji istniejącego nagrania. W nagraniu lektorskim zacznij od czytelnego tekstu i dodaj tylko te zdarzenia ekspresyjne, których potrzebuje scena. Odsłuchaj całą wypowiedź, aby ocenić, czy zdarzenie, akcentowanie i tempo wspierają znaczenie. Zadanie narracyjne może wymagać stabilnego głosu, a kwestia postaci może zyskać na konkretnej wskazówce niewerbalnej.

Strumieniowanie i wynik audio

Producent udostępnia zarówno notebook bez strumieniowania, jak i strumieniowy przykład mowy. Strumieniowanie zwraca kolejne fragmenty audio podczas generowania wypowiedzi. W opublikowanym przykładzie fragmenty zapisywane są do monofonicznego pliku WAV o częstotliwości 24 000 Hz i próbkach 16-bitowych. Te ustawienia pliku opisują proces referencyjny; użytecznym wynikiem jest odtwarzalne nagranie, którego słowa, mówcę i sposób wypowiedzi można porównać ze scenariuszem.

Dla dłuższej narracji przygotuj spójne fragmenty z wyraźnymi granicami zdań i zachowaj kopię końcowego scenariusza obok audio. Sprawdź początek i koniec każdego fragmentu, wymowę ważnych nazw oraz przejścia między sąsiednimi nagraniami. Wskazówki próbkowania producenta określają karę za powtórzenia co najmniej 1.1 dla stabilnej generacji w implementacji referencyjnej i zaznaczają, że wybory próbkowania mogą wpływać na tempo mowy. Skonfigurowana w przykładzie długość modelu jest ustawieniem wnioskowania, a nie ustaloną maksymalną długością narracji.

Granice wersji

Ten profil dotyczy dostrojonego angielskiego modelu z udokumentowanymi gotowymi mówcami. Model wstępnie wytrenowany ma własny proces warunkowania tekstem i mową; wydania wielojęzyczne mają mówców i znaczniki właściwe dla języków. Wybór tej angielskiej wersji nie łączy tych oddzielnych profili. Praktyczny rezultat to scenariusz do wypowiedzenia, świadomie dobrany gotowy głos i audio ocenione pod kątem tekstu oraz interpretacji wymaganych w materiale.

Ailoot Ultra · Synteza mowy POST /v1/audio/speech canopylabs/orpheus-3b-0.1-ft

canopylabs/orpheus-3b-0.1-ft

Canopy Labs /canopylabs/orpheus-3b-0.1-ft

Start

Akceptowane dane wejściowe: Tekst
Wyniki: Audio

Dostępne w Ailoot · dane wejściowe i metody

Ailoot Ultra · Synteza mowy POST /v1/audio/speech

Wejście: text
Wyjście: audio
Format wyjściowy: mp3

Pole	Typ	Wymaganie	Wartości i limity	Domyślnie
Pole`model`	Typ`string`	WymaganieWymagane	Wartości i limity canopylabs/orpheus-3b-0.1-ft	Domyślnie—
Pole`input`	Typ`string`	WymaganieWymagane	Wartości i limity Minimalna długość: 1 Jednostka: znaki Unicode	Domyślnie—
Pole`voice`	Typ`string`	WymaganieWymagane	Wartości i limity tara, leah, jess, leo, dan, mia, zac	Domyślnie—
Pole`response_format`	Typ`string`	WymaganieWymagane	Wartości i limity mp3	Domyślnie—

Kombinacje materiałów wejściowych

text_to_speech · Wymagane: input

Parametry i cykl życia metody

Parametr	Kontrakt
Parametr`content_type`	Kontraktapplication/json
Parametr`required`	Kontraktmodel, input, voice, response_format
Parametr`voice_ids`	Kontrakttara, leah, jess, leo, dan, mia, zac
Parametr`response_format`	Kontraktmp3
Parametr`max_input_characters`	Kontraktnull
Parametr`other_options`	Kontraktfalse
Parametr`input`	Kontraktdokładny tekst UTF-8; liczba znaków Unicode bez normalizacji
Parametr`material_types`	Kontrakttext

Cykl życia: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · Rzeczywiście zwrócony task_id lub wpis w bibliotece multimediów

GET /v1/media/assets/{asset_id}/content

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Wybierz dokładny głos z profilu tego modelu.

Znaki wejściowe i sekundy dźwięku to różne jednostki pomiaru.

Cennik

Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.

Tryb szybki: Nie określono Gdy wybrany jest tryb szybki
Tryb flex: Nie określono Gdy wybrany jest tryb flex
Maksymalna intensywność rozumowania: Nie określono Gdy dla maksymalnej intensywności rozumowania stosowana jest domyślna korekta (default)

Stawki Ailoot

Ceny według konfiguracji

Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji.

Konfiguracja	Tabela stawek	Ilość rozliczana	Jednostka rozliczeniowa	Opłata
KonfiguracjaBazowe stawki za tokeny	Tabela stawekStawka podstawowa	Ilość rozliczana—	Jednostka rozliczeniowa—	Opłata Wejście · Tokeny wejściowe — / 1K tokenów Wyjście · Tokeny wyjściowe — / 1K tokenów Wejście · Odczyt cache — / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów
KonfiguracjaUltra	Tabela stawek—	Ilość rozliczanaKażdy punkt kodowy Unicode liczy się jako jeden znak, w tym znaki Han.	Jednostka rozliczeniowaza 1K znaków wejściowych	Opłata Wejście · znak wejściowy $0.03 za 1K znaków wejściowych

Szczegóły taryfy referencyjnej

Referencyjne tabele modelu nie zmieniają wyboru metody, wyceny ani opłat. Naliczane opłaty korzystają ze stawek wybranej metody Ailoot.

Canopy Labs: Orpheus 3B

Ceny według konfiguracji

Konfiguracja	Warunki rozliczania	Opłata
KonfiguracjaCanopy Labs: Orpheus 3B · Domyślna konfiguracja	Warunki rozliczaniaKonfiguracja domyślna	Opłata Wejście · Znaki wejściowe 0,000014 USD za znak wejściowy

Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →

Przykładowe żądania

Ailoot Ultra · Synteza mowy

curl

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_VOICE_ID:?Choose an accepted voice ID from this exact model profile}"
export AILOOT_VOICE_ID
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "canopylabs/orpheus-3b-0.1-ft", "input": "Good afternoon! This is a short voice take."}')
voice=os.environ["AILOOT_VOICE_ID"]
allowed=json.loads('["tara", "leah", "jess", "leo", "dan", "mia", "zac"]')
if voice not in allowed: raise SystemExit("Choose an accepted voice ID from this exact model profile")
p["voice"]=voice
p["response_format"]="mp3"
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 speech.mp3

Odbieranie i zapisywanie wyników

Ailoot Ultra · Synteza mowy

mp3

GET /v1/media/tasks/{task_id}
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}

Inne odczyty treści

Biblioteka multimediówStatus zadaniaSzczegóły pliku

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 media-assets.json

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_MEDIA_TASK_ID:?Set the actual ID returned by the response or media-library metadata}"
export AILOOT_MEDIA_TASK_ID
resource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_MEDIA_TASK_ID"],safe=""))')
curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/tasks/$resource_id" \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o media-task.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path("media-task.json").read_text())))
PY_RESULT

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_ASSET_ID:?Set the actual ID returned by the response or media-library metadata}"
export AILOOT_ASSET_ID
resource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_ASSET_ID"],safe=""))')
curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/assets/$resource_id" \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o media-asset.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path("media-asset.json").read_text())))
PY_RESULT

Zachowaj wszystkie ukończone wyniki

Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.

Zachowaj pełny wynik binarny i nagłówki. Jeśli zwrócono JSON lub wiele wyników, zachowaj każdy element danych i pobierz zasób spod każdego rzeczywiście zwróconego podpisanego adresu URL.

Jeśli trzeba sprawdzić pierwotną odpowiedź

Zachowaj pierwotny operation_id/X-Client-Request-ID do uzgodnienia danych bez ponownego wysyłania żądania; brak osobnej ścieżki API do cyklicznego sprawdzania stanu audio.

Pola odpowiedzi

Pole	Typ
Pole`binary audio`	Typbytes
Pole`response headers`	Typheaders

Błędy i dalsze kroki

Odpowiedź	Warunek	Następny krok
Odpowiedź400 · `invalid_request_error`	WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru	Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia.
Odpowiedź`server_error`	WarunekZwrócona odpowiedź wskazuje, że operacja lub wynik wymaga sprawdzenia	Następny krokZachowaj pierwotnie zwrócony identyfikator operacji lub zadania, nagłówki żądania i odpowiedź; kontynuuj obsługiwane odczyty tej pierwotnej operacji. Nie wysyłaj ponownie żądania utworzenia.

Aliasy

Aliasy modelu

Ailoot Ultra canopylabs/orpheus-3b-0.1-ft

Aliasy ścieżek metod

Użyj ścieżek metod podanych powyżej.

Powiązane ID modeli

canopylabs/orpheus-3b-0.1-ft

FAQ · Canopy Labs: Orpheus 3B

Jakie dane wejściowe i wyniki są dostępne?: POST /v1/audio/speech · canopylabs/orpheus-3b-0.1-ft: text → audio
Jakich pól używa żądanie?: POST /v1/audio/speech · canopylabs/orpheus-3b-0.1-ft: model, input, voice, response_format

Canopy Labs: Orpheus 3B