glm-tts
GLM-TTS przekształca dostarczony tekst w mowę. Profil glm-tts korzysta z metody Audio Speech z jawnie wybranym głosem i wyjściem WAV, dzięki czemu nadaje się do krótkiej narracji, instrukcji głosowych i odtwarzania wiadomości. Przygotuj tekst w ramach udokumentowanego limitu wejścia wynoszącego 1 024 znaki.
O modelu
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
GLM-TTS to model syntezy mowy Zhipu wybierany dokładnym identyfikatorem glm-tts. Wyślij POST /v1/audio/speech z polami model, input i voice. Umieść słowa do wypowiedzenia bezpośrednio w polu input i wybierz response_format=wav dla tego profilu. Wynik to nagranie dostarczonego tekstu, odpowiednie do odtwarzania lub importowania do edytora audio bądź wideo.
Użyj go do krótkiego objaśnienia produktu, powitania głosowego, fragmentu instruktażowego lub komunikatu. Przygotuj tekst tak, jak powinien zostać odczytany: uwzględnij zamierzone podziały zdań i zapisz słownie terminy, których wymowa ma znaczenie dla zadania. W samouczku jedno żądanie może zawierać konkretną instrukcję towarzyszącą pojedynczemu widocznemu krokowi. W przypadku wiadomości powitalnej podaj rzeczywiste brzmienie i oceń nagranie przed umieszczeniem go w ścieżce klienta.
Udokumentowana maksymalna długość wejścia wynosi 1 024 znaki. Sprawdzaj ten limit na gotowym tekście, z uwzględnieniem interpunkcji i odstępów. Dłuższa narracja wymaga podziału tekstu na odpowiednie fragmenty; zachowaj kolejność fragmentów i wybrane ustawienia wraz z nagraniami, aby można było je połączyć i ocenić razem. Limit znaków opisuje tekst wejściowy i nie wyznacza stałego czasu trwania nagrania.
Schemat voice wymienia tongtong, chuichui, jam, kazi, douji i luodo. Opublikowany przykład używa tongtong z ustawieniami speed=1 i volume=1. Zarówno speed, jak i volume są opcjonalnymi parametrami z udokumentowaną wartością domyślną 1. Dla tej metody WAV speed jest liczbą całkowitą przyjmującą 1 lub 2, a volume jest liczbą całkowitą od 1 do 10. Opcjonalna wartość logiczna watermark_enabled steruje dźwiękowym znakiem wodnym. Pozostaw stream nieustawiony lub ustaw false, aby otrzymać kompletne nagranie WAV. Przygotowując pierwsze nagranie, zacznij od tego jednoznacznego przykładu, a następnie zachowaj spójny wybrany głos i zaakceptowane ustawienia w powiązanych fragmentach.
Nagranie WAV jest gotowym wynikiem żądania mowy. Zachowaj kompletny wynik audio i informacje o odpowiedzi, a następnie przesłuchaj cały fragment pod kątem wymowy, brzmienia tekstu, pauz i zamierzonej kolejności. Przygotowując korekty, przechowuj dokładny tekst źródłowy obok nagrania. Jeśli wynik żądania jest niepewny, zachowaj informacje o pierwotnym żądaniu i zwróconym wyniku przed utworzeniem kolejnego żądania syntezy; sam brak pliku do odtworzenia nie dowodzi, że nagranie nie powstało.
Ailoot Ultra · Speech POST /v1/audio/speech glm-tts
glm-ttsStart
GLM-TTS przekształca dostarczony tekst w mowę. Profil glm-tts korzysta z metody Audio Speech z jawnie wybranym głosem i wyjściem WAV, dzięki czemu nadaje się do krótkiej narracji, instrukcji głosowych i odtwarzania wiadomości. Przygotuj tekst w ramach udokumentowanego limitu wejścia wynoszącego 1 024 znaki.
- Akceptowane dane wejściowe
- Tekst
- Wyniki
- Audio
Dostępne w Ailoot · dane wejściowe i metody
Ailoot Ultra · Speech POST /v1/audio/speech
- Wejście
text- Wyjście
audio- Format wyjściowy
- wav
| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity glm-tts | Domyślnie— |
Poleinput | Typstring | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polevoice | Typstring | WymaganieWymagane | Wartości i limity tongtong, chuichui, jam, kazi, douji, luodo | Domyślnie— |
Poleresponse_format | Typstring | WymaganieWymagane | Wartości i limity wav | Domyślnie— |
Poleencode_format | Typstring | WymaganieOpcjonalne | Wartości i limity base64, hex | Domyślnie— |
Polespeed | Typinteger | WymaganieOpcjonalne | Wartości i limity Minimum: 1 Maksimum: 2 | Domyślnie1 |
Polevolume | Typinteger | WymaganieOpcjonalne | Wartości i limity Minimum: 1 Maksimum: 10 | Domyślnie1 |
Polewatermark_enabled | Typboolean | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polestream | Typboolean | WymaganieOpcjonalne | Wartości i limity false | Domyślnie— |
Parametry i cykl życia metody
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, input, voice, response_format |
Parametroptional | Kontraktencode_format, speed, volume, watermark_enabled, stream |
Parametrmaterial_types | Kontrakttext |
Parametrconditions | KontraktUse direct WAV output. speed and volume are positive integers within the listed bounds. stream is false or omitted. |
Cykl życia: synchronous_result_then_owned_library
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 | Ilość do rozliczenia | Jednostka rozliczeniowa | Opłata |
|---|---|---|---|---|
| KonfiguracjaBazowe stawki za tokeny | Tabela stawekStawka podstawowa | Ilość do rozliczenia— | 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 |
| Konfiguracjaznak wejściowy | Tabela stawek— | Ilość do rozliczenia— | Jednostka rozliczeniowaza znak wejściowy | Opłata Wejście · znak wejściowy $0.00006 za znak wejściowy |
| KonfiguracjaZa żądanie | Tabela stawek— | Ilość do rozliczeniajedno żądanie | Jednostka rozliczeniowa— | Opłata Wejście $0 za żądanie |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
Przykładowe żądania
Ailoot Ultra · Speech
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
export AILOOT_API_KEY
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "glm-tts", "input": "Hello, this is a short speech example.", "voice": "tongtong", "response_format": "wav"}')
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 result.json
# Submit once. Retain the complete result, original identifiers and every response header.
Odbieranie i zapisywanie wyników
Ailoot Ultra · Speech
wav
GET /v1/media/assetsGET /v1/media/assets/{asset_id}
Zachowaj wszystkie ukończone wyniki
Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Retain the complete binary WAV, response headers and original request identity.
Jeśli trzeba sprawdzić pierwotną odpowiedź
Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.
Aliasy
Aliasy modelu
Ailoot Ultra glm-tts
Aliasy ścieżek metod
Użyj ścieżek metod podanych powyżej.
Powiązane ID modeli
FAQ · glm-tts
- Jakie dane wejściowe i wyniki są dostępne?
POST /v1/audio/speech·glm-tts:text→audio- Jakich pól używa żądanie?
POST /v1/audio/speech·glm-tts:model,input,voice,response_format,encode_format,speed,volume,watermark_enabled,stream- Jakie limity obowiązują?
POST /v1/audio/speech·glm-tts:speed.minimum:1;speed.maximum:2;volume.minimum:1;volume.maximum:10