Canopy Labs: Orpheus 3B

Doladený anglický hlasový model Orpheus 3B od Canopy Labs mení písané repliky na expresívny zvuk. Osem prednastavených hlasov a neverbálne značky podporujú rozprávanie, dialógy a hovorené odpovede aplikácií.

Ailoot Ultra · Syntéza reči POST /v1/audio/speech canopylabs/orpheus-3b-0.1-ft

O modeli

Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu.

Orpheus 3B 0.1 Fine-Tuned je anglický model prevodu textu na reč od Canopy Labs pre každodennú syntézu. Patrí do rodiny Orpheus postavenej na základe Llama 3B a zameriava sa na prirodzenú intonáciu, rytmus a expresívny prednes. Vstupom je text určený na vyslovenie so zvoleným hovoriacim; výstupom je zvuk reči. Výrobca pri tomto konkrétnom doladenom modeli uvádza aj klonovanie hlasu bez predchádzajúcich príkladov. Jeho publikovaný príklad doladenej syntézy používa prednastavených hovoriacich, zatiaľ čo zadávanie textu a reči podmienené referenciou je dokumentované samostatne pre predtrénovanú verziu. Táto doladená verzia sa líši od predtrénovaného modelu aj od samostatne vydaných viacjazyčných výskumných modelov.

Vyberte hovoriaceho a pripravte repliku

Výrobca uvádza osem prednastavených anglických hlasov: tara, leah, jess, leo, dan, mia, zac a zoe. Jeho konvencia zadania umiestňuje meno hovoriaceho pred hovorený text, oddelené dvojbodkou. Referenčný postup generovania reči môže toto formátovanie doplniť, ak je hlas dodaný samostatne. Vyberte hovoriaceho pre zamýšľané dielo a túto voľbu zachovajte v nadväzujúcich pasážach.

Pri krátkom vysvetlení napíšte konečný rozprávačský text, nie pokyn, aby model vysvetlenie vymyslel. Užitočná hovorená veta je: „Vyberte priečinok, ktorý chcete zdieľať, skontrolujte, kto ho môže otvoriť, a uložte zmeny.“ Pri dialógu pripravte výslovne repliku každého hovoriaceho a zachovajte interpunkciu podporujúcu prednes. Skratku, dátum alebo názov produktu zapíšte v podobe, ktorú má poslucháč počuť, najmä ak by bol ich skrátený písaný zápis nejednoznačný.

Expresívne a neverbálne podnety

Orpheus dokumentuje značky <laugh>, <chuckle>, <sigh>, <cough>, <sniffle>, <groan>, <yawn> a <gasp>. Dávajú textu explicitnú neverbálnu udalosť na príslušnom mieste. Krátka konverzačná pasáž môže umiestniť zasmianie pred odľahčenú poznámku alebo povzdych pred zamyslenú vetu. Podnet použite tam, kde patrí v prednese, a samotné slová repliky zachovajte jasné.

Ide o podnety na generovanie reči, nie o všeobecný jazyk pokynov na úpravu existujúcej nahrávky. Pri komentári začnite čitateľným textom a pridajte len expresívne udalosti potrebné pre scénu. Vypočujte si celú repliku a posúďte, či udalosť, dôraz a tempo podporujú význam. Rozprávanie môže vyžadovať rovnomerný hlas, kým replike postavy môže prospieť konkrétny neverbálny podnet.

Streamovanie a zvukový výsledok

Výrobca dodáva notebook bez streamovania aj príklad streamovanej reči. Streamovanie vracia po sebe idúce zvukové časti počas generovania pasáže. V publikovanom príklade sa tieto časti zapisujú do mono súboru WAV pri 24 000 Hz so 16-bitovými vzorkami. Tieto súborové nastavenia opisujú referenčný postup; užitočným výsledkom je prehrateľná nahrávka, ktorej slová, hovoriaceho a prednes možno skontrolovať podľa scenára.

Pri dlhšom rozprávaní pripravte súvislé pasáže s jasnými hranicami viet a kópiu konečného scenára uchovajte vedľa zvuku. Skontrolujte začiatok a koniec každej pasáže, výslovnosť dôležitých mien a prechod medzi susednými nahrávkami. Odporúčania výrobcu pre vzorkovanie uvádzajú penalizáciu opakovania najmenej 1.1 pre stabilné generovanie v jeho referenčnej implementácii a upozorňujú, že voľby vzorkovania môžu ovplyvniť rýchlosť reči. Dĺžka modelu nakonfigurovaná v príklade je nastavením inferencie, nie stanovenou maximálnou dĺžkou rozprávania.

Hranice verzií

Tento profil sa týka doladeného anglického modelu s dokumentovanými prednastavenými hovoriacimi. Predtrénovaný model má vlastný postup podmieňovania textom a rečou; viacjazyčné vydania majú jazykovo špecifických hovoriacich a značky. Výber tejto anglickej verzie nespája tieto samostatné profily. Praktickým výsledkom je hovorený scenár, zámerne zvolený prednastavený hlas a zvuk skontrolovaný z hľadiska znenia a prednesu požadovaných dielom.

Ailoot Ultra · Syntéza reči POST /v1/audio/speech canopylabs/orpheus-3b-0.1-ft

canopylabs/orpheus-3b-0.1-ft

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

Úvod

Povolené vstupy: Text
Výsledky: Audio

Dostupné v Ailoot · vstupy a metódy

Ailoot Ultra · Syntéza reči POST /v1/audio/speech

Vstup: text
Výstup: audio
Výstupný formát: mp3

Pole	Typ	Požiadavka	Hodnoty a limity	Predvolené
Pole`model`	Typ`string`	PožiadavkaPovinné	Hodnoty a limity canopylabs/orpheus-3b-0.1-ft	Predvolené—
Pole`input`	Typ`string`	PožiadavkaPovinné	Hodnoty a limity Minimálna dĺžka: 1 Jednotka: znaky Unicode	Predvolené—
Pole`voice`	Typ`string`	PožiadavkaPovinné	Hodnoty a limity tara, leah, jess, leo, dan, mia, zac	Predvolené—
Pole`response_format`	Typ`string`	PožiadavkaPovinné	Hodnoty a limity mp3	Predvolené—

Kombinácie vstupných podkladov

text_to_speech · Povinné: input

Parametre a životný cyklus metódy

Parameter	Špecifikácia
Parameter`content_type`	Špecifikáciaapplication/json
Parameter`required`	Špecifikáciamodel, input, voice, response_format
Parameter`voice_ids`	Špecifikáciatara, leah, jess, leo, dan, mia, zac
Parameter`response_format`	Špecifikáciamp3
Parameter`max_input_characters`	Špecifikácianull
Parameter`other_options`	Špecifikáciafalse
Parameter`input`	Špecifikáciapresný text UTF-8; počet znakov Unicode bez normalizácie
Parameter`material_types`	Špecifikáciatext

Životný cyklus: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · skutočne vrátené task_id alebo záznam v knižnici médií

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Vyberte presný hlas z profilu tohto modelu.

Vstupné znaky a sekundy zvuku sú odlišné merané jednotky.

Cenník

Tarifné údaje nepridávajú možnosti požiadavky. Podporované parametre sú uvedené pri vybranej metóde.

Rýchly režim: Neuvedené Keď je zvolený rýchly režim
Režim Flex: Neuvedené Keď je zvolený režim flex
Maximálna úroveň uvažovania: Neuvedené Keď sa pri maximálnej úrovni uvažovania používa predvolená úprava (default)

Sadzby Ailoot

Ceny podľa konfigurácie

Každý poplatok priraďte k zobrazeným podmienkam. Pre každú skupinu alternatívnych konfigurácií použite jednu sadzbu.

Konfigurácia	Sadzobník	Účtované množstvo	Účtovacia jednotka	Poplatok
KonfiguráciaZákladné sadzby za tokeny	SadzobníkZákladná sadzba	Účtované množstvo—	Účtovacia jednotka—	Poplatok Vstup · Vstupné tokeny — / 1K tokenov Výstup · Výstupné tokeny — / 1K tokenov Vstup · Čítanie cache — / 1K tokenov Vstup · Zápis do cache — / 1K tokenov Vstup · Zápis do cache, 1 hod — / 1K tokenov
KonfiguráciaUltra	Sadzobník—	Účtované množstvoKaždý kódový bod Unicode sa počíta ako jeden znak vrátane znakov Han.	Účtovacia jednotkaza 1K vstupných znakov	Poplatok Vstup · vstupný znak $0.03 za 1K vstupných znakov

Podrobnosti referenčnej tarify

Referenčné sadzobníky modelu nemenia výber metódy, cenové odhady ani poplatky. Aktívne poplatky používajú sadzby vybranej metódy Ailoot.

Canopy Labs: Orpheus 3B

Ceny podľa konfigurácie

Konfigurácia	Podmienky účtovania	Poplatok
KonfiguráciaCanopy Labs: Orpheus 3B · Predvolená konfigurácia	Podmienky účtovaniaPredvolená konfigurácia	Poplatok Vstup · Vstupné znaky 0,000014 USD za vstupný znak

Ailoot pred požiadavkou rezervuje odhadovanú sumu. Po získaní výsledku vyúčtuje konečný poplatok podľa nameraného využitia. Pri streamovaní sa vyúčtovanie riadi konečným záznamom využitia. Ako funguje rezervácia a vyúčtovanie →

Príklady požiadaviek

Ailoot Ultra · Syntéza reči

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

Prijať a uložiť výsledky

Ailoot Ultra · Syntéza reči

mp3

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

Čítanie ďalšieho obsahu

Knižnica médiíStav úlohyPodrobnosti podkladu

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

Uchovať všetky dokončené výsledky

Uložte každú úplnú vrátenú odpoveď, súbor a časť obsahu.

Uchovajte úplný binárny výsledok a hlavičky. Ak sa vráti JSON alebo viacero výstupov, uchovajte každú dátovú položku a stiahnite obsah z každej skutočnej podpísanej URL súboru.

Ak treba overiť pôvodnú odpoveď

Uchovajte pôvodné operation_id/X-Client-Request-ID na zosúladenie záznamov bez opätovného odoslania; neexistuje samostatná trasa na priebežné zisťovanie stavu zvuku.

Polia odpovede

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

Chyby a ďalšie kroky

Odpoveď	Podmienka	Ďalší krok
Odpoveď400 · `invalid_request_error`	PodmienkaNeplatné povinné polia, reprezentácia materiálu alebo hodnota parametra	Ďalší krokPred novou požiadavkou na vytvorenie opravte uvedené polia.
Odpoveď`server_error`	PodmienkaVrátená odpoveď uvádza, že operáciu alebo výsledok je potrebné skontrolovať	Ďalší krokUchovajte pôvodné vrátené ID operácie/úlohy, hlavičky požiadavky a odpoveď; naďalej čítajte údaje o tejto pôvodnej operácii podporovaným spôsobom. Požiadavku na vytvorenie znova neodosielajte.

Aliasy

Aliasy modelov

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

Aliasy ciest metód

Použite cesty metód uvedené vyššie.

Súvisiace ID na volanie

canopylabs/orpheus-3b-0.1-ft

FAQ · Canopy Labs: Orpheus 3B

Aké vstupy a výsledky sú dostupné?: POST /v1/audio/speech · canopylabs/orpheus-3b-0.1-ft: text → audio
Aké polia používa požiadavka?: POST /v1/audio/speech · canopylabs/orpheus-3b-0.1-ft: model, input, voice, response_format

Canopy Labs: Orpheus 3B