Deepgram: Flux TTS
Deepgram Flux TTS mení anglický text na konverzačnú reč, ktorej tón sa prenáša medzi replikami. Jeho streamovací režim spracúva prerušenia; dávková syntéza vytvára opätovne použiteľný zvuk s rovnakým katalógom hlasov.
O modeli
Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu.
Flux TTS je rodina prevodu textu na reč od Deepgram určená pre živé konverzácie aj pevne pripravený hovorený obsah. Jej určujúcou vlastnosťou je kontinuita konverzácie: streamovací model prenáša prozódiu medzi replikami, takže prednes si môže počas pokračujúcej interakcie zachovať konzistentný tón. Prijíma písaný text a vracia hovorený zvuk. Flux TTS a samostatne pomenovaný model rozpoznávania reči Flux vykonávajú odlišné časti hlasovej konverzácie.
Vyberte anglický hlas
Dokumentovaný katalóg Flux hovorí po anglicky s americkým, britským, írskym, austrálskym, indickým, singapurským a filipínskym prízvukom. Opisy hlasov pomáhajú vybrať hovoriaceho pre zákaznícky servis, telefónne menu, rozprávanie alebo neformálnu konverzáciu. Výrobca napríklad uvádza Haley ako pokojný americký hlas a Jack ako profesionálny britský hlas. Vyberte hlas podľa publika a typu znenia, ktoré bude čítať, a potom ho zachovajte v celom diele alebo konverzácii. Reč v iných jazykoch patrí k samostatne dokumentovanej voľbe modelu.
Živé repliky a prerušenia
V streamovacom postupe výrobcu môže text prichádzať počas zostavovania odpovede aplikáciou a zvuk sa vracia postupne. Replika má vlastné udalosti začiatku a dokončenia; ukončenie repliky dokončí zostávajúcu syntézu. Kontext medzi replikami zachováva prozódiu v rámci tejto relácie. Je to užitočné pre hovoriaceho asistenta, ktorý najprv vysvetlí voľbu a potom odpovie na doplňujúcu otázku bez zmeny hlasového charakteru.
Prerušenie zruší aktívnu repliku a vráti vyslovenú časť aj zostávajúci text. Toto rozlíšenie pomáha aplikácii pokračovať podľa toho, čo poslucháč skutočne počul. Pri praktickej interakcii pripravte krátku odpoveď s dôležitým pokynom na začiatku a vysvetlením za ním. Ak poslucháč preruší odpoveď po prvom pokyne, nasledujúca odpoveď môže reagovať na novú otázku namiesto predpokladu, že celé vysvetlenie už zaznelo.
Pevný zvuk a výstupné formáty
Dávková syntéza prijíma úplný blok textu a vracia jeho zvuk v jednej odpovedi. Používa rovnaký katalóg hlasov ako streamovanie a hodí sa na vopred nahrané telefónne pokyny, upozornenia alebo rozprávanie. Dávkové požiadavky sú nezávislé; stav streamovanej repliky a udalosti prerušenia sa na pevný klip nevzťahujú.
Streamovaný výstup je surový zvuk bez súborového kontajnera: 16-bitový PCM, mu-law alebo A-law. Výrobca dokumentuje vzorkovacie frekvencie PCM 8, 16, 24, 32, 44.1 a 48 kHz; mu-law a A-law používajú 8 alebo 16 kHz. Dávkový výstup navyše podporuje MP3, Opus, FLAC a AAC. Vyberte kódovanie a kontajner, ktoré zamýšľaný prehrávač alebo telefónna cesta dokážu interpretovať, a nepovažujte prúd surových vzoriek za bežný zvukový súbor.
Ovládanie prednesu a hranice
Výrobca dokumentuje rozsah rýchlosti reči 0.5 až 1.5 v krokoch 0.05. Zmeny rýchlosti pri streamovaní sa uplatňujú na hranici segmentu. Samostatné beta ovládanie expresivity posúva prednes od pokojného k živému. Bežné SSML a rozpoznané konkurenčné značky sa odstraňujú a nepoužívajú sa ako expresívne pokyny; natívne ovládacie prvky Flux majú vlastný význam.
Vložené prestávky patria k dávkovej syntéze, s trvaním 500–3 000 ms v krokoch po 100 ms a najviac ôsmimi značkami na požiadavku. Susedné prestávky musí oddeľovať text a pri prítomnosti prestávky je rýchlosť obmedzená na 1.15. Výslovnostné prepisy používajú IPA a sú vo fáze Early Access; výrobca upozorňuje, že vyžiadaná výslovnosť sa môže medzi generovaniami líšiť. Výslovnosť nemožno kombinovať s inou než predvolenou rýchlosťou ani s ovládaním prestávok. Pri scenári s odbornými menami si tieto výrazy vypočujte vo zvolenom hlase a hovorené znenie udržujte jednoznačné.
Dokumentovaná streamovacia relácia Deepgram trvá najviac jednu hodinu a po šesťdesiatich sekundách bez prichádzajúcej správy sa uzatvára, ak ju neudržiava aktívnu podporovaný mechanizmus spojenia. Tieto limity relácie sa týkajú postupu živej syntézy. Užitočným výsledkom je zámerne zvolený hlas, text zrozumiteľný poslucháčovi a zvuk vhodný pre svoj cieľ; živé aplikácie pritom pri prerušení repliky sledujú, čo bolo skutočne vyslovené.
Ailoot Ultra · Syntéza reči POST /v1/audio/speech deepgram/flux-tts
deepgram/flux-ttsÚvod
Deepgram Flux TTS mení anglický text na konverzačnú reč, ktorej tón sa prenáša medzi replikami. Jeho streamovací režim spracúva prerušenia; dávková syntéza vytvára opätovne použiteľný zvuk s rovnakým katalógom hlasov.
- 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 |
|---|---|---|---|---|
Polemodel | Typstring | PožiadavkaPovinné | Hodnoty a limity deepgram/flux-tts | Predvolené— |
Poleinput | Typstring | PožiadavkaPovinné | Hodnoty a limity Minimálna dĺžka: 1 Jednotka: znaky Unicode | Predvolené— |
Polevoice | Typstring | PožiadavkaPovinné | Hodnoty a limity flux-alexis-en, flux-bree-en, flux-brittany-en, flux-brooke-en, flux-bruce-en, flux-cliff-en, flux-cole-en, flux-colin-en, flux-conor-en, flux-donovan-en, flux-drew-en, flux-elise-en, flux-gemma-en, flux-haley-en, flux-hannah-en, flux-heather-en, flux-jack-en, flux-kai-en, flux-kelsey-en, flux-kit-en, flux-maeve-en, flux-marcelo-en, flux-marcus-en, flux-meena-en, flux-meghan-en, flux-miles-en, flux-naveen-en, flux-paige-en, flux-priya-en, flux-rufus-en, flux-sean-en, flux-sharon-en, flux-sienna-en, flux-tanner-en, flux-wade-en, flux-wes-en | Predvolené— |
Poleresponse_format | Typstring | PožiadavkaPovinné | Hodnoty a limity mp3 | Predvolené— |
Kombinácie vstupných podkladov
text_to_speech · Povinné: input
Parametre a životný cyklus metódy
| Parameter | Špecifikácia |
|---|---|
Parametercontent_type | Špecifikáciaapplication/json |
Parameterrequired | Špecifikáciamodel, input, voice, response_format |
Parametervoice_ids | Špecifikáciaflux-alexis-en, flux-bree-en, flux-brittany-en, flux-brooke-en, flux-bruce-en, flux-cliff-en, flux-cole-en, flux-colin-en, flux-conor-en, flux-donovan-en, flux-drew-en, flux-elise-en, flux-gemma-en, flux-haley-en, flux-hannah-en, flux-heather-en, flux-jack-en, flux-kai-en, flux-kelsey-en, flux-kit-en, flux-maeve-en, flux-marcelo-en, flux-marcus-en, flux-meena-en, flux-meghan-en, flux-miles-en, flux-naveen-en, flux-paige-en, flux-priya-en, flux-rufus-en, flux-sean-en, flux-sharon-en, flux-sienna-en, flux-tanner-en, flux-wade-en, flux-wes-en |
Parameterresponse_format | Špecifikáciamp3 |
Parametermax_input_characters | Špecifikácianull |
Parameterother_options | Špecifikáciafalse |
Parameterinput | Špecifikáciapresný text UTF-8; počet znakov Unicode bez normalizácie |
Parametermaterial_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 | Účtovacia jednotka | Poplatok |
|---|---|---|---|
| KonfiguráciaZákladné sadzby za tokeny | SadzobníkZákladná sadzba | 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 |
| Konfiguráciavstupný znak | Sadzobník— | Účtovacia jednotkaza vstupný znak | Poplatok Vstup · vstupný znak $0.00009 za vstupný znak |
Podrobnosti referenčnej tarify
Referenčné sadzobníky modelu nemenia výber metódy, cenové odhady ani poplatky. Aktívne poplatky používajú sadzby vybranej metódy Ailoot.
Deepgram: Flux TTS
Ceny podľa konfigurácie
| Konfigurácia | Podmienky účtovania | Poplatok |
|---|---|---|
| KonfiguráciaDeepgram: Flux TTS · Predvolená konfigurácia | Podmienky účtovaniaPredvolená konfigurácia | Poplatok Vstup · Vstupné znaky 0,00009 USD za vstupný znak |
Ailoot pred požiadavkou rezervuje odhadovanú sumu. Po získaní výsledku vyúčtuje konečný poplatok podľa nameraného využitia. Pri streamovaní sa vyúčtovanie riadi konečným záznamom využitia. Ako funguje rezervácia a vyúčtovanie →
Príklady požiadaviek
Ailoot Ultra · Syntéza reči
set -eu
: "${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": "deepgram/flux-tts", "input": "Good afternoon! This is a short voice take."}')
voice=os.environ["AILOOT_VOICE_ID"]
allowed=json.loads('["flux-alexis-en", "flux-bree-en", "flux-brittany-en", "flux-brooke-en", "flux-bruce-en", "flux-cliff-en", "flux-cole-en", "flux-colin-en", "flux-conor-en", "flux-donovan-en", "flux-drew-en", "flux-elise-en", "flux-gemma-en", "flux-haley-en", "flux-hannah-en", "flux-heather-en", "flux-jack-en", "flux-kai-en", "flux-kelsey-en", "flux-kit-en", "flux-maeve-en", "flux-marcelo-en", "flux-marcus-en", "flux-meena-en", "flux-meghan-en", "flux-miles-en", "flux-naveen-en", "flux-paige-en", "flux-priya-en", "flux-rufus-en", "flux-sean-en", "flux-sharon-en", "flux-sienna-en", "flux-tanner-en", "flux-wade-en", "flux-wes-en"]')
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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o speech.mp3
Prijať a uložiť výsledky
Ailoot Ultra · Syntéza reči
mp3
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Čítanie ďalšieho obsahu
set -eu
: "${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 |
|---|---|
Polebinary audio | Typbytes |
Poleresponse 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. |
Odpoveďserver_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 deepgram/flux-tts
Aliasy ciest metód
Použite cesty metód uvedené vyššie.
Súvisiace ID na volanie
FAQ · Deepgram: Flux TTS
- Aké vstupy a výsledky sú dostupné?
POST /v1/audio/speech·deepgram/flux-tts:text→audio- Aké polia používa požiadavka?
POST /v1/audio/speech·deepgram/flux-tts:model,input,voice,response_format