Sesame: CSM 1B
Sesame CSM 1B przekształca dostarczony tekst w mowę przez POST /v1/audio/speech. Użyj sesame/csm-1b z rzeczywistym tekstem do odczytania, wybierz jeden z nazwanych głosów i zażądaj dźwięku MP3 lub PCM. Pasuje do procesu przekształcającego przygotowaną wiadomość, wyjaśnienie lub fragment narracji w plik audio do odtwarzania lub edycji.
O modelu
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Sesame CSM 1B to model syntezy mowy dostępny pod dokładnym identyfikatorem sesame/csm-1b. Dostarcz słowa do wypowiedzenia i zachowaj wynikowy dźwięk jako plik. Praktycznym opisem może być przygotowane objaśnienie produktu, głosowy komunikat aplikacji lub fragment narracji przeznaczony do montażu. Przygotuj tekst jako zamierzoną wypowiedź, uwzględniając nazwy, liczby i sformułowania, które słuchacz powinien usłyszeć.
Wyślij POST /v1/audio/speech z application/json. Wymagane pola to model, ustawione na sesame/csm-1b, oraz input, zawierające tekst do odczytania jako ciąg. Odczytaj plik z tekstem jako UTF-8 i umieść jego zawartość w polu input, zamiast podawać lokalną nazwę pliku. Umieszczenie treści do wypowiedzenia w tym polu daje generowaniu konkretny tekst do odczytania i pozwala aplikacji zachować dokładne brzmienie obok wynikowego pliku.
Nazwane opcje voice to conversational_a, conversational_b, read_speech_a, read_speech_b, read_speech_c, read_speech_d i none. Zachowaj te identyfikatory dokładnie w polu voice. Wybierz głos jawnie, gdy proces potrzebuje powtarzalnej konfiguracji żądania, i zachowaj wybrane ustawienie wraz z tekstem i wyjściem. Odsłuchaj reprezentatywny fragment, aby zdecydować, który dostępny głos pasuje do zamierzonego zastosowania.
Użyj response_format, aby wybrać mp3 lub pcm. MP3 jest dostarczane jako audio/mpeg i daje plik, który można przekazać do odtwarzacza lub procesu edycji obsługującego MP3. PCM jest dostarczane jako audio/pcm z 16-bitowymi próbkami little-endian; zachowaj rzeczywiste metadane audio dla aplikacji, która będzie interpretować bajty. Ustaw format jawnie, aby plik i dalszy dekoder były zgodne. Udokumentowany przykład żądania używa speed:1; zachowaj tę wartość bazową przy przygotowywaniu żądania z ustalonymi parametrami.
Pomyślna odpowiedź zawiera surowe bajty audio. Zapisz treść odpowiedzi jako dźwięk i zachowaj nagłówki odpowiedzi oraz tożsamość pierwotnego żądania wraz z tekstem, głosem i żądanym formatem. Traktuj ukończenie tej odpowiedzi jako moment, w którym zwrócony dźwięk można zachować i ocenić. Sprawdź wypowiedziane nazwy, liczby i granice zdań względem tekstu źródłowego przed dodaniem wyniku do dłuższej produkcji. Jeśli żądanie zostanie przerwane po wysłaniu, zachowaj jego pierwotną tożsamość i informacje o odpowiedzi podczas sprawdzania istniejącego wyniku.
Ailoot Ultra · Speech POST /v1/audio/speech sesame/csm-1b
sesame/csm-1bStart
Sesame CSM 1B przekształca dostarczony tekst w mowę przez POST /v1/audio/speech. Użyj sesame/csm-1b z rzeczywistym tekstem do odczytania, wybierz jeden z nazwanych głosów i zażądaj dźwięku MP3 lub PCM. Pasuje do procesu przekształcającego przygotowaną wiadomość, wyjaśnienie lub fragment narracji w plik audio do odtwarzania lub edycji.
- 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
- mp3,pcm
| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity sesame/csm-1b | Domyślnie— |
Poleinput | Typstring | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polevoice | Typstring | WymaganieOpcjonalne | Wartości i limity conversational_a, conversational_b, read_speech_a, read_speech_b, read_speech_c, read_speech_d, none | Domyślnie— |
Poleresponse_format | Typstring | WymaganieOpcjonalne | Wartości i limity mp3, pcm | Domyślnie— |
Polespeed | Typnumber | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Parametry i cykl życia metody
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, input |
Parametroptional | Kontraktvoice, response_format, speed |
Parametrmaterial_types | Kontrakttext |
Parametrconditions | Kontrakt |
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 $0.000014 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('{"input": "Hello world", "model": "sesame/csm-1b", "response_format": "mp3", "speed": 1, "voice": "conversational_a"}')
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
mp3,pcm
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 audio and response headers. Use the actual output Content-Type; no extra container or bit depth is inferred.
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 sesame/csm-1b
Aliasy ścieżek metod
Użyj ścieżek metod podanych powyżej.
Powiązane ID modeli
FAQ · Sesame: CSM 1B
- Jakie dane wejściowe i wyniki są dostępne?
POST /v1/audio/speech·sesame/csm-1b:text→audio- Jakich pól używa żądanie?
POST /v1/audio/speech·sesame/csm-1b:model,input,voice,response_format,speed