Fish Audio: Drama 3
Drama 3 zmienia pisemny scenariusz w mowę z wyreżyserowaną interpretacją. Kształtuj emocje i sposób wypowiedzi zwykłymi wskazówkami językowymi, dodawaj pauzy i dźwięki, kieruj wymową i twórz sceny z wieloma mówcami. Opublikowany proces generowania mowy obsługuje ponad 80 języków, w tym zmiany języka w obrębie zdania.
O modelu
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Drama 3 to model zamiany tekstu na mowę Fish Audio do odgrywania scenariusza. Tworzy dźwięk mowy z podanych słów i daje autorowi scenariusza kontrolę nad interpretacją. Kwestia może zawierać wskazówkę emocjonalną, miejscową zmianę wykonania głosowego lub instrukcję wymowy, dzięki czemu wejście obejmuje zarówno treść mówioną, jak i sposób, w jaki powinna brzmieć.
Napisz słowa i pokieruj wykonaniem
Przygotuj dokładne słowa, które słuchacz powinien usłyszeć, przed dodaniem wskazówek wykonania. Zachowuj jasność ważnych nazw, dat i instrukcji w scenariuszu oraz używaj interpunkcji do ustalenia zamierzonego rytmu zdań. Następnie umieść wskazówkę zwykłym językiem w nawiasach kwadratowych przed kwestią, której dotyczy. Opisz pożądaną emocję lub interpretację konkretnie, na przykład jako powściągliwy komunikat, napiętą wymianę zdań lub ciepłe wyjaśnienie.
Drama 3 obsługuje także miejscowe sterowanie w obrębie kwestii. Instrukcje wewnątrz tekstu mogą wprowadzać dźwięki i pauzy, a sparowane znaczniki interpretacji mogą wpływać na konkretne słowa. Zachowuj jasność zakresu każdej instrukcji: wskazówka dla jednej frazy nie powinna przypadkowo stać się wskazówką dla całej sceny. Przeczytaj scenariusz raz pod kątem znaczenia i raz pod kątem wykonania przed syntezą.
Sceny, języki i wymowa
Opublikowany model obsługuje wielu mówców w jednym żądaniu. Uporządkuj dialog w wyraźne wypowiedzi poszczególnych osób i nadaj każdej cel: pytanie, przerwanie, wyjaśnienie lub odpowiedź. W lekcji lub materiale objaśniającym to samo podejście może oddzielać narratora od cytowanej postaci bez przepisywania materiału jako jednego nierozróżnionego monologu.
Drama 3 obsługuje ponad 80 języków i może zmieniać język w obrębie zdania z zachowaniem głosu. Przygotowuj wielojęzyczne fragmenty w ich zamierzonych językach mówionych, zamiast zakładać, że angielska instrukcja zapewnia tłumaczenie. Zdecyduj, jak powinny brzmieć obce nazwy i zapożyczenia, oraz korzystaj ze sterowania fonemami modelu, gdy wymowa wymaga precyzyjnej wskazówki.
Użyteczne rezultaty audio
Model pasuje do dialogów postaci, lekcji z narracją, krótkich objaśnień, komunikatów o produktach i odpowiedzi głosowych ze scenariusza. Zachowuj razem treść i wybory aktorskie: fragment edukacyjny wymaga zrozumiałej terminologii i celowych pauz; scena z postaciami wymaga wyraźnie oddzielonych wypowiedzi i spójnej intencji dramatycznej. Są to decyzje pisarskie, które można ocenić przed wygenerowaniem dźwięku.
Po syntezie porównaj wypowiedziane słowa z gotowym scenariuszem. Słuchaj pod kątem pominiętych fraz, źle umieszczonych pauz, niejasnych zmian mówcy i wymowy nazw wymagających zachowania. Zachowuj scenariusz i wskazówki interpretacji wraz z audio, aby poprawka mogła dotyczyć odpowiedniej kwestii. Przygotowując zmianę, zachowuj razem końcową treść mówioną i wybory wykonania na poziomie poszczególnych kwestii.
Możliwości
- Interpretacja głosowa gotowego scenariusza przez syntezę mowy.
- Wskazówki zwykłym językiem w nawiasach kwadratowych przed kwestią.
- Dźwięki i pauzy w tekście ze sparowanymi znacznikami interpretacji dla poszczególnych słów.
- Sceny z wieloma mówcami i ponad 80 języków mówionych.
- Sterowanie fonemami dla nazw i specjalistycznej terminologii.
Zastosowania
- Dialog postaci — Scenariusz z wyraźnie oddzielonymi wypowiedziami i wskazówkami wykonania. Wynik: Scena mówiona z celowymi zmianami interpretacji.
- Wyjaśnienie z narracją — Gotowa lekcja z oznaczoną terminologią i pauzami. Wynik: Dźwięk mowy, który można ocenić względem tekstu lekcji.
- Komunikat wielojęzyczny — Końcowy tekst w zamierzonych językach z zachowanymi wyborami wymowy. Wynik: Mówiony fragment z kontrolowanymi przejściami językowymi.
- Odpowiedź głosowa według scenariusza — Zwięzła odpowiedź z jednoznacznym tonem i słowami do wypowiedzenia. Wynik: Segment mowy wielokrotnego użytku dla otaczającej aplikacji.
Ograniczenia
- Wejście i wynik — Opublikowany model przyjmuje tekst i zwraca dźwięk mowy.
- Zakres sterowania — Przypisz wskazówkę do zamierzonej kwestii lub frazy i zachowuj właściwy zakres sparowanych znaczników interpretacji.
- Jednostka przeglądu — Zachowuj dokładny scenariusz i wskazówki wraz z audio; oceniaj wymowę i wypowiedzi mówców na poziomie kwestii.
Ailoot Ultra · Mowa POST /v1/audio/speech fish-audio/drama-3
fish-audio/drama-3Start
Drama 3 zmienia pisemny scenariusz w mowę z wyreżyserowaną interpretacją. Kształtuj emocje i sposób wypowiedzi zwykłymi wskazówkami językowymi, dodawaj pauzy i dźwięki, kieruj wymową i twórz sceny z wieloma mówcami. Opublikowany proces generowania mowy obsługuje ponad 80 języków, w tym zmiany języka w obrębie zdania.
- Akceptowane dane wejściowe
- Tekst
- Wyniki
- Audio
Dostępne w Ailoot · dane wejściowe i metody
Ailoot Ultra · Mowa POST /v1/audio/speech
- Wejście
text- Wyjście
audio
| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity fish-audio/drama-3 | Domyślnie— |
Poleinput | Typstring | WymaganieWymagane | Wartości i limity Minimalna długość: 1 | Domyślnie— |
Polevoice | Typstring | WymaganieWymagane | Wartości i limity Minimalna długość: 1 | Domyślnie— |
Poleresponse_format | Typstring | WymaganieOpcjonalne | Wartości i limity mp3, pcm | Domyślniepcm |
Poleprovider | Typobject | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Parametry i cykl życia metody
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, input, voice |
Parametrmaterial_types | Kontrakttext |
Parametrmaterial_conditions | KontraktWybierz rzeczywisty identyfikator obsługiwanego głosu; nie wymyślono dosłownej wartości default/voice dla tego modelu. |
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}
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 | Jednostka rozliczeniowa | Opłata |
|---|---|---|---|
| KonfiguracjaBazowe stawki za tokeny | Tabela stawekStawka podstawowa | 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 |
| Konfiguracjabajt wejściowy UTF-8 | Tabela stawek— | Jednostka rozliczeniowaza wejściowy bajt UTF-8 | Opłata Wejście · bajt wejściowy UTF-8 $0.00002 za wejściowy bajt UTF-8 |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
Przykładowe żądania
Ailoot Ultra · Mowa
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_INPUT_TEXT:?Set the actual documented input value}"
export AILOOT_INPUT_TEXT
: "${AILOOT_VOICE:?Set the actual documented input value}"
export AILOOT_VOICE
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
request={'model': 'fish-audio/drama-3', 'input': '${ACTUAL_INPUT_TEXT}', 'voice': '${ACTUAL_SUPPORTED_VOICE}'}
request['input']=os.environ['AILOOT_INPUT_TEXT']
request['voice']=os.environ['AILOOT_VOICE']
Path('request.json').write_text(json.dumps(request,ensure_ascii=False),encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/speech \
-H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o response.bin
# Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.
Odbieranie i zapisywanie wyników
Ailoot Ultra · Mowa
Kompletne binarne dane dźwiękowe lub oryginalna odpowiedź audio_url, nagłówki i każdy zasób należący do użytkownika.
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Inne odczyty treści
set -eu
: "${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 owned-assets.json
# Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token.
Zachowaj wszystkie ukończone wyniki
Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Zachowaj pełną odpowiedź i nagłówki, wszystkie rzeczywiście uzyskane wyniki, pierwotnie zwrócone identyfikatory oraz wszystkie pola zużycia. Odzyskaj pierwotną operację bez ponownego wysyłania żądania utworzenia.
Jeśli trzeba sprawdzić pierwotną odpowiedź
Zachowaj zwrócony X-Client-Request-ID do uzgodnienia danych. Odczytuj wyłącznie rzeczywiście zwrócone wartości task_id/asset_id lub własną bibliotekę multimediów; nigdy nie buduj adresu URL zadania na podstawie identyfikatora operacji i nigdy nie wysyłaj ponownie żądania utworzenia.
Aliasy
Aliasy modelu
Ailoot Ultra fish-audio/drama-3
Aliasy ścieżek metod
Użyj ścieżek metod podanych powyżej.
Powiązane ID modeli
FAQ · Fish Audio: Drama 3
- Jakie dane wejściowe i wyniki są dostępne?
POST /v1/audio/speech·fish-audio/drama-3:text→audio- Jakich pól używa żądanie?
POST /v1/audio/speech·fish-audio/drama-3:model,input,voice,response_format,provider