Orpheus 3B 0.1 Fine-Tuned je angleški model podjetja Canopy Labs za pretvorbo besedila v govor za vsakdanjo sintezo. Spada v družino Orpheus, zgrajeno na osnovi Llama 3B, in se osredotoča na naravno intonacijo, ritem ter izrazno podajanje. Vnos je besedilo za izgovorjavo z izbranim govorcem; izhod je govorni zvok. Proizvajalec za ta konkretni dodatno naučeni model navaja tudi kloniranje glasu po pristopu zero-shot. Njegov objavljeni primer dodatno naučene sinteze uporablja prednastavljene govorce, medtem ko je usmerjanje z besedilom in govorom, pogojeno z referenco, ločeno dokumentirano za prednaučeno izdajo. Ta dodatno naučena izdaja se razlikuje od prednaučenega modela in ločeno izdanih večjezičnih raziskovalnih modelov.
Proizvajalec navaja osem prednastavljenih angleških glasov: tara, leah, jess, leo, dan, mia, zac in zoe. Njegovo pravilo za navodilo postavi ime govorca pred govorjeno besedilo, ločeno z dvopičjem. Referenčni potek ustvarjanja govora lahko doda to oblikovanje, kadar je glas posredovan ločeno. Izberite govorca za predvideno vsebino in to izbiro ohranite dosledno med povezanimi odlomki.
Za kratko razlago napišite končno pripoved, ne navodila, ki model prosi, naj si razlago izmisli. Uporabna govorjena vrstica je: »Izberite mapo, ki jo želite deliti, preverite, kdo jo lahko odpre, in shranite spremembe.« Pri dialogu izrecno pripravite vrstico vsakega govorca in ohranite ločila, ki pomagajo podajanju. Okrajšavo, datum ali ime izdelka zapišite v obliki, ki naj jo poslušalec sliši, zlasti kadar bi bil skrajšan pisni zapis dvoumen.
Orpheus dokumentira oznake <laugh>, <chuckle>, <sigh>, <cough>, <sniffle>, <groan>, <yawn> in <gasp>. Besedilu na ustreznem mestu dodajo izrecen nebesedni dogodek. Kratek pogovorni odlomek lahko postavi pridušen smeh pred lahkotno pripombo ali vzdih pred razmišljujoč stavek. Oznako uporabite tam, kamor sodi v izvedbi, in ohranite jasnost dejanskih besed vrstice.
To so oznake za ustvarjanje govora, ne splošni jezik navodil za urejanje obstoječega posnetka. Pri spremljevalnem govoru začnite z berljivim besedilom in dodajte le izrazne dogodke, ki jih prizor potrebuje. Poslušajte celotno vrstico in presodite, ali dogodek, poudarek in tempo podpirajo pomen. Pripovedna naloga lahko zahteva enakomeren glas, vrstici lika pa lahko koristi določena nebesedna oznaka.
Proizvajalec zagotavlja tako nepretočni zvezek kot primer pretočnega govora. Pretakanje vrača zaporedne zvočne dele med ustvarjanjem odlomka. V objavljenem primeru so ti deli zapisani v mono datoteko WAV pri 24 000 Hz s 16-bitnimi vzorci. Te datotečne nastavitve opisujejo referenčni potek; uporaben rezultat je predvajljiv posnetek, katerega besede, govorca in podajanje je mogoče preveriti glede na scenarij.
Za daljšo pripoved pripravite povezane odlomke z jasnimi stavčnimi mejami in ob zvoku hranite kopijo končnega scenarija. Preglejte začetek in konec vsakega odlomka, izgovarjavo pomembnih imen in prehod med sosednjimi posnetki. Proizvajalčeva navodila za vzorčenje določajo kazen za ponavljanje najmanj 1,1 za stabilno ustvarjanje v referenčni implementaciji in opozarjajo, da lahko izbire vzorčenja vplivajo na hitrost govora. Nastavljena dolžina modela v primeru je nastavitev izvajanja modela, ne določeno največje trajanje pripovedi.
Ta profil se nanaša na dodatno naučeni angleški model z dokumentiranimi prednastavljenimi govorci. Prednaučeni model ima svoj potek pogojevanja z besedilom in govorom; večjezične izdaje imajo govorce in oznake, specifične za jezike. Izbira te angleške izdaje teh ločenih profilov ne združuje. Praktičen izdelek so govorni scenarij, premišljeno izbran prednastavljeni glas in zvok, pregledan glede besedila ter izvedbe, ki ju vsebina zahteva.
", "aboutText": "Orpheus 3B 0.1 Fine-Tuned je angleški model podjetja Canopy Labs za pretvorbo besedila v govor za vsakdanjo sintezo. Spada v družino Orpheus, zgrajeno na osnovi Llama 3B, in se osredotoča na naravno intonacijo, ritem ter izrazno podajanje. Vnos je besedilo za izgovorjavo z izbranim govorcem; izhod je govorni zvok. Proizvajalec za ta konkretni dodatno naučeni model navaja tudi kloniranje glasu po pristopu zero-shot. Njegov objavljeni primer dodatno naučene sinteze uporablja prednastavljene govorce, medtem ko je usmerjanje z besedilom in govorom, pogojeno z referenco, ločeno dokumentirano za prednaučeno izdajo. Ta dodatno naučena izdaja se razlikuje od prednaučenega modela in ločeno izdanih večjezičnih raziskovalnih modelov.\n\n### Izberite govorca in pripravite vrstico\n\nProizvajalec navaja osem prednastavljenih angleških glasov: tara, leah, jess, leo, dan, mia, zac in zoe. Njegovo pravilo za navodilo postavi ime govorca pred govorjeno besedilo, ločeno z dvopičjem. Referenčni potek ustvarjanja govora lahko doda to oblikovanje, kadar je glas posredovan ločeno. Izberite govorca za predvideno vsebino in to izbiro ohranite dosledno med povezanimi odlomki.\n\nZa kratko razlago napišite končno pripoved, ne navodila, ki model prosi, naj si razlago izmisli. Uporabna govorjena vrstica je: »Izberite mapo, ki jo želite deliti, preverite, kdo jo lahko odpre, in shranite spremembe.« Pri dialogu izrecno pripravite vrstico vsakega govorca in ohranite ločila, ki pomagajo podajanju. Okrajšavo, datum ali ime izdelka zapišite v obliki, ki naj jo poslušalec sliši, zlasti kadar bi bil skrajšan pisni zapis dvoumen.\n\n### Izrazne in nebesedne oznake\n\nOrpheus dokumentira oznakecanopylabs/orpheus-3b-0.1-ftDodatno naučeni angleški govorni model Orpheus 3B podjetja Canopy Labs pretvori pisne vrstice v izrazni zvok. Osem prednastavljenih glasov in nebesedne oznake podpirajo pripovedovanje, dialog ter govorjene odgovore aplikacij.
Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.
Orpheus 3B 0.1 Fine-Tuned je angleški model podjetja Canopy Labs za pretvorbo besedila v govor za vsakdanjo sintezo. Spada v družino Orpheus, zgrajeno na osnovi Llama 3B, in se osredotoča na naravno intonacijo, ritem ter izrazno podajanje. Vnos je besedilo za izgovorjavo z izbranim govorcem; izhod je govorni zvok. Proizvajalec za ta konkretni dodatno naučeni model navaja tudi kloniranje glasu po pristopu zero-shot. Njegov objavljeni primer dodatno naučene sinteze uporablja prednastavljene govorce, medtem ko je usmerjanje z besedilom in govorom, pogojeno z referenco, ločeno dokumentirano za prednaučeno izdajo. Ta dodatno naučena izdaja se razlikuje od prednaučenega modela in ločeno izdanih večjezičnih raziskovalnih modelov.
Proizvajalec navaja osem prednastavljenih angleških glasov: tara, leah, jess, leo, dan, mia, zac in zoe. Njegovo pravilo za navodilo postavi ime govorca pred govorjeno besedilo, ločeno z dvopičjem. Referenčni potek ustvarjanja govora lahko doda to oblikovanje, kadar je glas posredovan ločeno. Izberite govorca za predvideno vsebino in to izbiro ohranite dosledno med povezanimi odlomki.
Za kratko razlago napišite končno pripoved, ne navodila, ki model prosi, naj si razlago izmisli. Uporabna govorjena vrstica je: »Izberite mapo, ki jo želite deliti, preverite, kdo jo lahko odpre, in shranite spremembe.« Pri dialogu izrecno pripravite vrstico vsakega govorca in ohranite ločila, ki pomagajo podajanju. Okrajšavo, datum ali ime izdelka zapišite v obliki, ki naj jo poslušalec sliši, zlasti kadar bi bil skrajšan pisni zapis dvoumen.
Orpheus dokumentira oznake <laugh>, <chuckle>, <sigh>, <cough>, <sniffle>, <groan>, <yawn> in <gasp>. Besedilu na ustreznem mestu dodajo izrecen nebesedni dogodek. Kratek pogovorni odlomek lahko postavi pridušen smeh pred lahkotno pripombo ali vzdih pred razmišljujoč stavek. Oznako uporabite tam, kamor sodi v izvedbi, in ohranite jasnost dejanskih besed vrstice.
To so oznake za ustvarjanje govora, ne splošni jezik navodil za urejanje obstoječega posnetka. Pri spremljevalnem govoru začnite z berljivim besedilom in dodajte le izrazne dogodke, ki jih prizor potrebuje. Poslušajte celotno vrstico in presodite, ali dogodek, poudarek in tempo podpirajo pomen. Pripovedna naloga lahko zahteva enakomeren glas, vrstici lika pa lahko koristi določena nebesedna oznaka.
Proizvajalec zagotavlja tako nepretočni zvezek kot primer pretočnega govora. Pretakanje vrača zaporedne zvočne dele med ustvarjanjem odlomka. V objavljenem primeru so ti deli zapisani v mono datoteko WAV pri 24 000 Hz s 16-bitnimi vzorci. Te datotečne nastavitve opisujejo referenčni potek; uporaben rezultat je predvajljiv posnetek, katerega besede, govorca in podajanje je mogoče preveriti glede na scenarij.
Za daljšo pripoved pripravite povezane odlomke z jasnimi stavčnimi mejami in ob zvoku hranite kopijo končnega scenarija. Preglejte začetek in konec vsakega odlomka, izgovarjavo pomembnih imen in prehod med sosednjimi posnetki. Proizvajalčeva navodila za vzorčenje določajo kazen za ponavljanje najmanj 1,1 za stabilno ustvarjanje v referenčni implementaciji in opozarjajo, da lahko izbire vzorčenja vplivajo na hitrost govora. Nastavljena dolžina modela v primeru je nastavitev izvajanja modela, ne določeno največje trajanje pripovedi.
Ta profil se nanaša na dodatno naučeni angleški model z dokumentiranimi prednastavljenimi govorci. Prednaučeni model ima svoj potek pogojevanja z besedilom in govorom; večjezične izdaje imajo govorce in oznake, specifične za jezike. Izbira te angleške izdaje teh ločenih profilov ne združuje. Praktičen izdelek so govorni scenarij, premišljeno izbran prednastavljeni glas in zvok, pregledan glede besedila ter izvedbe, ki ju vsebina zahteva.
POST /v1/audio/speechtextaudio| Polje | Vrsta | Zahteva | Vrednosti in omejitve | Privzeto |
|---|---|---|---|---|
Poljemodel | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve canopylabs/orpheus-3b-0.1-ft | Privzeto— |
Poljeinput | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve Najmanjša dolžina: 1 Enota: znaki Unicode | Privzeto— |
Poljevoice | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve tara, leah, jess, leo, dan, mia, zac | Privzeto— |
Poljeresponse_format | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve mp3 | Privzeto— |
text_to_speech · Obvezno: input
| Parameter | Specifikacija |
|---|---|
Parametercontent_type | Specifikacijaapplication/json |
Parameterrequired | Specifikacijamodel, input, voice, response_format |
Parametervoice_ids | Specifikacijatara, leah, jess, leo, dan, mia, zac |
Parameterresponse_format | Specifikacijamp3 |
Parametermax_input_characters | Specifikacijanull |
Parameterother_options | Specifikacijafalse |
Parameterinput | Specifikacijanatančno besedilo UTF-8; število znakov Unicode brez normalizacije |
Parametermaterial_types | Specifikacijatext |
Življenjski cikel: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · Dejansko vrnjeni task_id ali zapis v medijski knjižnici
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Izberite natančen glas iz profila tega modela.
Vhodni znaki in zvočne sekunde so različni merili porabe.
Tarifni podatki ne dodajajo možnosti zahteve. Podprti parametri so navedeni pri izbrani metodi.
Vsak strošek povežite s prikazanimi pogoji. Za vsak nabor alternativnih nastavitev uporabite eno ceno.
| Nastavitev | Cenovna lestvica | Obračunana količina | Obračunska enota | Strošek |
|---|---|---|---|---|
| NastavitevOsnovne cene žetonov | Cenovna lestvicaOsnovna cena | Obračunana količina— | Obračunska enota— | Strošek Vhod · Vhodni žetoni — / 1K žetonov Izhod · Izhodni žetoni — / 1K žetonov Vhod · Branje predpomnilnika — / 1K žetonov Vhod · Zapis v predpomnilnik — / 1K žetonov Vhod · Zapis v predpomnilnik, 1 ura — / 1K žetonov |
| NastavitevUltra | Cenovna lestvica— | Obračunana količinaVsaka kodna točka Unicode šteje kot en znak, vključno z znaki Han. | Obračunska enotana 1K vhodnih znakov | Strošek Vhod · vhodni znak $0.03 na 1K vhodnih znakov |
Referenčne lestvice modela ne spreminjajo izbire metode, ocen cen ali stroškov. Veljavni stroški uporabljajo cene izbrane metode Ailoot.
| Nastavitev | Obračunski pogoji | Strošek |
|---|---|---|
| NastavitevCanopy Labs: Orpheus 3B · Privzeta konfiguracija | Obračunski pogojiPrivzeta konfiguracija | Strošek Vhod · Vhodni znaki 0,000014 $ na vhodni znak |
Ailoot pred zahtevo rezervira ocenjeni znesek. Po rezultatu obračuna končni strošek na podlagi izmerjene porabe. Obračun pretakanja uporablja končni zapis porabe. Kako delujeta rezervacija in obračun →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_VOICE_ID:?Choose an accepted voice ID from this exact model profile}"\nexport AILOOT_VOICE_ID\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "canopylabs/orpheus-3b-0.1-ft", "input": "Good afternoon! This is a short voice take."}')\nvoice=os.environ["AILOOT_VOICE_ID"]\nallowed=json.loads('["tara", "leah", "jess", "leo", "dan", "mia", "zac"]')\nif voice not in allowed: raise SystemExit("Choose an accepted voice ID from this exact model profile")\np["voice"]=voice\np["response_format"]="mp3"\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/speech \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o speech.mp3\nmp3
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o media-assets.json\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_MEDIA_TASK_ID:?Set the actual ID returned by the response or media-library metadata}"\nexport AILOOT_MEDIA_TASK_ID\nresource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_MEDIA_TASK_ID"],safe=""))')\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/tasks/$resource_id" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o media-task.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("media-task.json").read_text())))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_ASSET_ID:?Set the actual ID returned by the response or media-library metadata}"\nexport AILOOT_ASSET_ID\nresource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_ASSET_ID"],safe=""))')\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/assets/$resource_id" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o media-asset.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("media-asset.json").read_text())))\nPY_RESULT\nShranite vsak v celoti vrnjen odgovor, datoteko in del vsebine.
Shranite celoten binarni rezultat in glave. Če so vrnjeni podatki JSON ali več izhodov, shranite vsak podatkovni element in pridobite vsebino z vsakega dejanskega podpisanega URL datoteke.
Shranite izvirni operation_id/X-Client-Request-ID za uskladitev evidenc brez ponovnega pošiljanja; namenska pot za periodično preverjanje zvoka ne obstaja.
| Polje | Vrsta |
|---|---|
Poljebinary audio | Vrstabytes |
Poljeresponse headers | Vrstaheaders |
| Odgovor | Pogoj | Naslednji korak |
|---|---|---|
Odgovor400 · invalid_request_error | PogojNeveljavna obvezna polja, predstavitev gradiva ali vrednost parametra | Naslednji korakPred novo zahtevo za ustvarjanje popravite navedena polja. |
Odgovorserver_error | PogojVrnjeni odgovor navaja, da je treba operacijo ali rezultat preveriti | Naslednji korakShranite izvirni vrnjeni ID operacije/opravila, glave zahteve in odgovor; nadaljujte s podprtimi branji te izvirne operacije. Zahteve za ustvarjanje ne pošiljajte znova. |
Ailoot Ultra canopylabs/orpheus-3b-0.1-ft
Uporabite zgoraj navedene poti metod.