hexgrad: Kokoro 82M

Kokoro 82M od hexgrad generuje reč kompaktným modelom s 82 miliónmi parametrov a jazykovo špecifickým prednastaveným hlasom. Jeho dokumentovaný profil v1.0 zahŕňa osem jazykov, 54 hlasov a zvukový výstup 24 kHz.

Ailoot Ultra · Syntéza reči POST /v1/audio/speech hexgrad/kokoro-82m

O modeli

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

Kokoro 82M je model prevodu textu na reč od hexgrad s otvorenými váhami a osemdesiatimi dvoma miliónmi parametrov. Jeho modelová karta opisuje kompaktnú architektúru pozostávajúcu len z dekódera, založenú na StyleTTS 2 a iSTFTNet. Písaný text sa mení na informácie o výslovnosti a potom na reč vo zvolenom hlase. Dokumentované vydanie v1.0 poskytuje päťdesiatštyri hlasov v ôsmich jazykoch; tento profil sa líši od skoršieho vydania v0.19 určeného len pre angličtinu.

Vyberte zodpovedajúci jazyk a hlas

Katalóg hlasov pokrýva americkú a britskú angličtinu, japončinu, mandarínsku čínštinu, španielčinu, francúzštinu, hindčinu, taliančinu a brazílsku portugalčinu. Dva anglické prízvuky sú variantmi jedného jazyka. Názvy hlasov a jazykové nastavenia patria spolu: af_heart je príklad americkej angličtiny v oficiálnom postupe, zatiaľ čo katalóg obsahuje samostatné skupiny pre ostatné jazyky a prízvuky.

Hovoriaceho vyberajte podľa skutočného materiálu, ktorý bude čítať. Krátke rozprávanie kurzu môže používať jeden konzistentný prednastavený hlas v celých úsekoch; viacjazyčná zbierka môže vybrať hlas z každej požadovanej jazykovej skupiny. Pokrytie katalógu sa medzi skupinami líši. Francúzštinu napríklad reprezentuje jeden uvedený hlas namiesto väčšieho výberu dostupného pre angličtinu.

Pripravte výslovnosť a pasáže

Referenčný postup Kokoro prevádza písané podoby na fonémy. Jeho príklady umožňujú explicitné fonetické čítanie výrazu, takže náročné meno možno pripraviť namiesto ponechania nejednoznačného zápisu. Okolitú vetu udržujte prirodzenú a zachovajte znenie, ktoré má poslucháč počuť.

Praktická pasáž je: „Príručka má tri časti. Najprv vyberte materiál. Potom porovnajte príklady. Nakoniec uložte verziu, ktorú chcete použiť.“ Píšte úplné frázy a zachovajte prestávky naznačené interpunkciou. Pri dlhom diele usporiadajte vstup do súvislých odsekov namiesto považovania celého dokumentu za jednu neprerušovanú výpoveď.

Príručka hlasov uvádza, že mnohí hovoriaci podávajú najlepší výkon pri pasážach približne 100–200 tokenov v rozsahu približne 500 tokenov. Upozorňuje na slabiny veľmi krátkych výpovedí, najmä pod 10–20 tokenov, a tendenciu zrýchľovať dlhšie pasáže, najmä nad 400 tokenov. Ide o prípravné pozorovania založené na tokenoch, nie o limity počtu slov alebo dĺžky nahrávky. Spojenie krátkych útržkov alebo rozdelenie dlhej pasáže môže vytvoriť vhodnejšiu jednotku reči.

Zvukový výstup a tempo

Oficiálny postup poskytuje spracovaný text, fonémy a zvukový výsledok pre každý generovaný segment. Segmenty ukladá ako WAV pri 24 000 Hz a v referenčnom postupe sprístupňuje nastavenie rýchlosti. Text segmentu a jeho poradie uchovajte spolu so zvukom, aby zostavené rozprávanie sledovalo zamýšľaný scenár.

Užitočnou redakčnou kontrolou je počúvanie cez hranicu dvoch pasáží a následná kontrola opakovaných mien a tempa zoznamov. Zvukový výstup a zobrazenie foném slúžia na odlišné účely: jeden je nahrávkou počutou poslucháčom, druhé pomáha kontrolovať výslovnosť písaného textu.

Jazykové pokrytie a užitočné hranice

Výrobca výslovne upozorňuje, že podpora neanglických jazykov môže byť slabá pre obmedzené spracovanie výslovnosti alebo tréningové dáta hlasov. Prednastavené skupiny preto netreba považovať za rovnaké záruky prednesu každej pasáže. Vyberte vhodného hovoriaceho a skontrolujte skutočné mená a formulácie požadované úlohou.

Užitočným výsledkom je hovorená pasáž alebo zostavené rozprávanie s dokumentovaným prednastaveným hlasom a textom pripraveným podľa jeho potrieb výslovnosti a dĺžky pasáží. Tento profil sleduje materiály výrobcu pre Kokoro 82M v1.0; iný kontrolný bod, kvantizovaná implementácia alebo externe upravený hlas má vlastný technický rozsah.

Ailoot Ultra · Syntéza reči POST /v1/audio/speech hexgrad/kokoro-82m

hexgrad/kokoro-82m

hexgrad /hexgrad/kokoro-82m

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 hexgrad/kokoro-82m	Predvolené—
Pole`input`	Typ`string`	PožiadavkaPovinné	Hodnoty a limity Minimálna dĺžka: 1 Jednotka: znaky Unicode	Predvolené—
Pole`voice`	Typ`string`	PožiadavkaPovinné	Hodnoty a limity af_alloy, af_aoede, af_bella, af_heart, af_jessica, af_kore, af_nicole, af_nova, af_river, af_sarah, af_sky, am_adam, am_echo, am_eric, am_fenrir, am_liam, am_michael, am_onyx, am_puck, am_santa, bf_alice, bf_emma, bf_isabella, bf_lily, bm_daniel, bm_fable, bm_george, bm_lewis, ef_dora, em_alex, em_santa, ff_siwis, hf_alpha, hf_beta, hm_omega, hm_psi, if_sara, im_nicola, jf_alpha, jf_gongitsune, jf_nezumi, jf_tebukuro, jm_kumo, pf_dora, pm_alex, pm_santa, zf_xiaobei, zf_xiaoni, zf_xiaoxiao, zf_xiaoyi, zm_yunjian, zm_yunxi, zm_yunxia, zm_yunyang	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`	Špecifikáciaaf_alloy, af_aoede, af_bella, af_heart, af_jessica, af_kore, af_nicole, af_nova, af_river, af_sarah, af_sky, am_adam, am_echo, am_eric, am_fenrir, am_liam, am_michael, am_onyx, am_puck, am_santa, bf_alice, bf_emma, bf_isabella, bf_lily, bm_daniel, bm_fable, bm_george, bm_lewis, ef_dora, em_alex, em_santa, ff_siwis, hf_alpha, hf_beta, hm_omega, hm_psi, if_sara, im_nicola, jf_alpha, jf_gongitsune, jf_nezumi, jf_tebukuro, jm_kumo, pf_dora, pm_alex, pm_santa, zf_xiaobei, zf_xiaoni, zf_xiaoxiao, zf_xiaoyi, zm_yunjian, zm_yunxi, zm_yunxia, zm_yunyang
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 $0.008 za 1K vstupných znakov

Podrobnosti referenčnej tarify

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

hexgrad: Kokoro 82M

Ceny podľa konfigurácie

Konfigurácia	Podmienky účtovania	Poplatok
Konfiguráciahexgrad: Kokoro 82M · Predvolená konfigurácia	Podmienky účtovaniaPredvolená konfigurácia	Poplatok Vstup · Vstupné znaky 0,00000124 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": "hexgrad/kokoro-82m", "input": "Good afternoon! This is a short voice take."}')
voice=os.environ["AILOOT_VOICE_ID"]
allowed=json.loads('["af_alloy", "af_aoede", "af_bella", "af_heart", "af_jessica", "af_kore", "af_nicole", "af_nova", "af_river", "af_sarah", "af_sky", "am_adam", "am_echo", "am_eric", "am_fenrir", "am_liam", "am_michael", "am_onyx", "am_puck", "am_santa", "bf_alice", "bf_emma", "bf_isabella", "bf_lily", "bm_daniel", "bm_fable", "bm_george", "bm_lewis", "ef_dora", "em_alex", "em_santa", "ff_siwis", "hf_alpha", "hf_beta", "hm_omega", "hm_psi", "if_sara", "im_nicola", "jf_alpha", "jf_gongitsune", "jf_nezumi", "jf_tebukuro", "jm_kumo", "pf_dora", "pm_alex", "pm_santa", "zf_xiaobei", "zf_xiaoni", "zf_xiaoxiao", "zf_xiaoyi", "zm_yunjian", "zm_yunxi", "zm_yunxia", "zm_yunyang"]')
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 hexgrad/kokoro-82m

Aliasy ciest metód

Použite cesty metód uvedené vyššie.

Súvisiace ID na volanie

hexgrad/kokoro-82m

FAQ · hexgrad: Kokoro 82M

Aké vstupy a výsledky sú dostupné?: POST /v1/audio/speech · hexgrad/kokoro-82m: text → audio
Aké polia používa požiadavka?: POST /v1/audio/speech · hexgrad/kokoro-82m: model, input, voice, response_format

hexgrad: Kokoro 82M