Source: https://ailoot.ai/models/pl/fish-audio-s1/ Canonical: https://ailoot.ai/models/pl/fish-audio-s1/ Language: pl # Fish Audio: S1 [Markdown](https://ailoot.ai/models/pl/fish-audio-s1/index.md) · [JSON](https://ailoot.ai/models/pl/fish-audio-s1/facts.json) ## [Fish Audio: S1](https://ailoot.ai/models/pl/fish-audio-s1/) Fish Audio S1 zamienia wielojęzyczne scenariusze na ekspresyjne audio jednego mówcy przy użyciu referencji głosowych i wskazówek emocji w nawiasach okrągłych. Służy do narracji, krótkich instrukcji mówionych lub kwestii postaci, z parametrami formatu i prozodii końcowego audio. - [**Ailoot Ultra · Synteza mowy** `POST /v1/audio/speech` `fish-audio/s1`](https://ailoot.ai/models/pl/fish-audio-s1/#method-0) O modelu Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody. S1 to model zamiany tekstu na mowę poprzedniej generacji Fish Audio do ekspresyjnej narracji i wyjścia głosowego jednego mówcy. Odczytuje dostarczony scenariusz i zwraca audio wybranym lub warunkowanym referencją głosem. Pełny model S1 jest odrębny od S1-mini, mniejszego modelu destylowanego; producent przedstawia je jako warianty odpowiednio o 4 miliardach i 0,5 miliarda parametrów. Ten profil obejmuje wskazany model S1. Do narracji przygotuj słowa, które rzeczywiście mają zostać wypowiedziane, i zaznacz miejsca zmiany sposobu wypowiedzi. Użyteczny scenariusz objaśniający zaczyna od głównej myśli, rozwija po jednej idei i za pomocą interpunkcji oddziela frazy potrzebujące naturalnej pauzy. W krótkiej instrukcji zadbaj o zrozumiałość bez patrzenia na ekran. Zachowaj zamierzony odczyt nazw, skrótów i jednostek oraz sprawdzaj liczby w audio, zamiast zakładać, że czytelny wizualnie ciąg ma tylko jedną wymowę. S1 używa wskazówek emocji i sposobu wypowiedzi w nawiasach okrągłych, takich jak (angry), (sad), (in a hurry) lub (chuckling). Umieszczaj wskazówkę przed zdaniem lub frazą, na którą ma wpływać, a po niej rzeczywistą mowę. Sposób wypowiedzi dotyczy następującego tekstu, więc zmiana nastroju powinna znaleźć się tam, gdzie ma zmienić się wykonanie. To składnia inna niż wskazówki S2 w nawiasach kwadratowych; pisz scenariusz dla wybranej generacji, zamiast zakładać zamienność obu form oznaczeń. Głos można wybrać przez zapisany identyfikator głosu lub uwarunkować nagraniem referencyjnym wraz z jego transkrypcją. Dla natychmiastowego procesu referencyjnego ogólny przewodnik mowy zaleca czystą próbkę 10–30 sekund. Wybierz próbkę, której styl wypowiedzi i jakość nagrania pasują do zamierzonego wyniku, a transkrypcję dopasuj do słów w tej próbce. Dla stałego narratora używaj tej samej referencji głosowej we wszystkich fragmentach, aby zmiana tematu nie stała się przypadkowo zmianą postaci. Wydanie S1 wymienia wśród obsługiwanych języków angielski, chiński, japoński, niemiecki, francuski, hiszpański, koreański, arabski, rosyjski, niderlandzki, włoski, polski i portugalski oraz opisuje mieszanie języków w scenariuszu. Dostarczaj sformułowania w języku docelowym, zamiast traktować syntezę mowy jako krok tłumaczenia. W fragmencie z zapożyczoną nazwą lub przejściem między językami zachowaj jasną pisownię i kontekst zdania oraz oceń, jak wybrany głos radzi sobie z przejściem. Interfejs producenta S1 obsługuje jednego mówcę na żądanie syntezy. Dialog można przygotować jako osobne segmenty z własnymi referencjami głosowymi, a następnie złożyć w aplikacji; natywna synteza wielu mówców rodziny S2 jest odrębną możliwością. Przygotowując kwestie postaci, zachowuj powiązanie roli, głosu i tekstu z każdym segmentem. Wynik syntezy jest wykonaniem audio scenariusza, natomiast nadanie rozmowie czasów lub połączenie jej z muzyką i wideo jest późniejszym etapem montażu. Opcje wyjścia obejmują MP3, WAV, surowy PCM i Opus, z MP3 jako formatem domyślnym. Udokumentowane wyjście jest monofoniczne; WAV i PCM używają próbek 16-bitowych, a wybór częstotliwości próbkowania zależy od formatu. MP3 obsługuje 64, 128 i 192 kbps, natomiast Opus używa 48 kHz. Szybkość można ustawiać od 0.5 do 2.0 wraz z regulacją głośności. Wybierz kodowany plik do nagrania lektorskiego lub odpowiedni strumień do odtwarzania i zachowaj z wynikiem wybrany głos oraz scenariusz. Producent przetwarza długi tekst fragmentami, z udokumentowanym zakresem długości fragmentu 100–300 i budżetem tokenów audio na fragment, a nie gwarantowanym całkowitym czasem nagrania. Normalizacja tekstu może rozwinąć angielskie i chińskie liczby do naturalnego odczytu, a kara za powtórzenia S1 może ograniczać powtarzające się wzorce audio. Normalizacja głośności wyjściowej jest innym ustawieniem i nie wpływa na S1. Przed złożeniem gotowego fragmentu sprawdź wymowę, granice fraz, powtarzające się dźwięki i zamierzoną zmianę emocji, a następnie popraw konkretną wypowiedź lub referencję wymagającą uwagi. **Ailoot Ultra · Synteza mowy** `POST /v1/audio/speech` `fish-audio/s1` [`fish-audio/s1`](https://ailoot.ai/models/pl/#m=fish-audio%2Fs1&route=Ultra&caller=fish-audio%2Fs1&fmt=speech) Fish Audio /`fish-audio/s1` ### Start Fish Audio S1 zamienia wielojęzyczne scenariusze na ekspresyjne audio jednego mówcy przy użyciu referencji głosowych i wskazówek emocji w nawiasach okrągłych. Służy do narracji, krótkich instrukcji mówionych lub kwestii postaci, z parametrami formatu i prozodii końcowego audio. 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 faktyczne zadeklarowane binarne dane dźwiękowe | Pole | Typ | Wymaganie | Wartości i limity | Domyślnie | | --- | --- | --- | --- | --- | | Pole`model` | Typ`string` | WymaganieWymagane | Wartości i limity fish-audio/s1 | Domyślnie— | | Pole`input` | Typ`string` | WymaganieWymagane | Wartości i limity Minimalna długość: 1 | Domyślnie— | | Pole`voice` | Typ`string` | WymaganieWymagane | Wartości i limity Przykłady: b347db033a6549378b48d00acb0d06cd | Domyślnie— | | Pole`response_format` | Typ`string` | WymaganieOpcjonalne | Wartości i limity mp3, pcm | Domyślniepcm | Kombinacje materiałów wejściowych **text\_to\_speech** · Wymagane: actual UTF-8 script, exact supported voice Parametry i cykl życia metody | Parametr | Kontrakt | | --- | --- | | Parametr`content_type` | Kontraktapplication/json | | Parametr`required` | Kontraktmodel, input, voice | | Parametr`material_types` | Kontrakttext | | Parametr`voice_ids` | Kontraktb347db033a6549378b48d00acb0d06cd | | Parametr`voice_list_exhaustive` | Kontraktfalse | | Parametr`response_format` | Kontraktmp3, pcm | | Parametr`default_response_format` | Kontraktpcm | | Parametr`quantity` | KontraktBajty UTF-8 pojedynczego zdekodowanego ciągu wejściowego; bez przycinania ani normalizacji | | Parametr`native_byte_quote_controls` | KontraktTa ścieżka wyceny dokładnych bajtów odrzuca niepuste instructions oraz wejście z turami wielu mówców, dopóki dodatkowy rozliczany tekst nie zostanie zadeklarowany. | 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}` Użyj dokładnego modelu i udokumentowanych pól wejściowych. Zachowaj kompletną odpowiedź, wszystkie rzeczywiste wyniki i pierwotne zwrócone identyfikatory. ### 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 | | KonfiguracjaUltra | Tabela stawek— | Jednostka rozliczeniowaza bajt utf8 dźwięku wejściowego | Opłata Wejście · bajt wejściowego audio w utf8 **$0.00003** za bajt utf8 dźwięku wejściowego | Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. [Jak działają rezerwacja i rozliczenie →](https://ailoot.ai/docs/pl/billing/reserve/) #### Szczegóły taryfy referencyjnej Referencyjne tabele modelu nie zmieniają wyboru metody, wyceny ani opłat. Naliczane opłaty korzystają ze stawek wybranej metody Ailoot. Fish Audio: S1 #### Ceny według konfiguracji | Konfiguracja | Warunki rozliczania | Opłata | | --- | --- | --- | | KonfiguracjaFish Audio: S1 · Domyślna konfiguracja | Warunki rozliczaniaKonfiguracja domyślna | Opłata Wejście · Bajty wejściowe UTF-8 **0,00003 USD** za wejściowy bajt UTF-8 | ### Przykładowe żądania #### Ailoot Ultra · Synteza mowy curl · natywna treść żądania w dokładnej postaci i kompletny wynik ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" python3 - <<'PY_REQUEST' import json,os from pathlib import Path request={'model': 'fish-audio/s1', 'input': 'Hello world', 'voice': 'b347db033a6549378b48d00acb0d06cd', 'response_format': 'mp3'} 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 # Keep the complete original response and headers. Read every returned segment, word and usage field. # Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting. ``` ### Odbieranie i zapisywanie wyników #### Ailoot Ultra · Synteza mowy faktyczne zadeklarowane binarne dane dźwiękowe - `GET /v1/media/tasks/{task_id}` - `GET /v1/media/assets/{asset_id}/content` - `GET /v1/media/assets` - `GET /v1/media/assets/{asset_id}` ##### Zachowaj wszystkie ukończone wyniki Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści. Zapisz wszystkie bajty kompletnych danych binarnych i wszystkie oryginalne nagłówki; zachowaj pełny JSON, jeśli został zwrócony. Faktyczne identyfikatory operacji i zasobów są zachowywane. ##### Jeśli trzeba sprawdzić pierwotną odpowiedź Zachowaj pierwotne operation\_id/X-Client-Request-ID i oryginalną odpowiedź. Odczytuj rzeczywiste rekordy zadań i zasobów należących do użytkownika bez ponownego wysyłania; nie tworzy się dedykowanego adresu URL do odpytywania dźwięku. Pola odpowiedzi | Pole | Typ | | --- | --- | | Pole`binary audio` | Typbytes | | Pole`response headers` | Typheaders | ### Aliasy #### Aliasy modelu **Ailoot Ultra** [`fish-audio/s1`](https://ailoot.ai/models/pl/#m=fish-audio%2Fs1&route=Ultra&caller=fish-audio%2Fs1&fmt=speech) #### Aliasy ścieżek metod Użyj ścieżek metod podanych powyżej. #### Powiązane ID modeli [`fish-audio/s1`](https://ailoot.ai/models/pl/#m=fish-audio%2Fs1&route=Ultra&caller=fish-audio%2Fs1&fmt=speech) FAQ · Fish Audio: S1 Jakie dane wejściowe i wyniki są dostępne? `POST /v1/audio/speech` · `fish-audio/s1`: `text` → `audio` Jakich pól używa żądanie? `POST /v1/audio/speech` · `fish-audio/s1`: `model`, `input`, `voice`, `response_format` Połącz Ailoot z Claude Code, OpenCode, Hermes albo własną aplikacją. ## Firma i jej portfel projektów Firma i jej portfel projektów: miliony klientów; miesięczna sprzedaż liczona w miliardach. ## Kupuj tokeny z rabatem. Rabat subskrypcji do regularnej pracy. Kody promocyjne — do 50% na tokeny. Subskrypcja Wybierz plan z rabatem do regularnych żądań. Kod promocyjny do 50% Wpisz kod przy zakupie. Cena zostanie przeliczona według aktualnej promocji. Koszty w historii Model, tokeny i kwota są zapisywane dla każdego żądania. [Wybierz subskrypcję](https://ailoot.ai/docs/pl/billing/subscriptions/) · [Sprawdź ceny modeli](https://ailoot.ai/models/pl/) ## Połącz API z produktem, który sprzedajesz. SaaS, aplikacje i boty na warunkach oferty i umowy licencyjnej Ailoot. Do odsprzedaży poproś o licencję resellerską. Aplikacja komercyjna Wbuduj generowanie tekstu, obrazów, wideo i dźwięku w płatne funkcje usługi. Licencja resellerska Prześlij opis projektu i schemat dostępu. Poproś o pisemne warunki używania i odsprzedaży. Dokumenty na stronie Oferta, umowa licencyjna i polityka przetwarzania danych są dostępne przed połączeniem. [Poproś o licencję resellerską](mailto:support@ailoot.ai) · [Oferta i umowa licencyjna](https://ailoot.ai/legal/offer?lang=pl) ## Ailoot · Firma i jej portfel projektów Ailoot opiera się na zgromadzonym doświadczeniu operacyjnym, szerokiej bazie klientów, stabilnej usłudze i stałej kontroli KPI. Firma i jej portfel projektów: miliony klientów; miesięczna sprzedaż liczona w miliardach. Ailoot wykorzystuje to doświadczenie operacyjne, zapewniając dostęp przez API do funkcji AI w produktach klientów, agentach, aplikacjach i automatyzacjach.