Deepgram: Flux TTS
Deepgram Flux TTS pretvori angleško besedilo v pogovorni govor, pri katerem se ton ohranja med govornimi menjavami. Njegov pretočni način obravnava prekinitve; paketna sinteza ustvari zvok za ponovno uporabo z istim katalogom glasov.
O modelu
Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.
Flux TTS je Deepgramova družina za pretvorbo besedila v govor za pogovor v živo in vnaprej določeno govorno vsebino. Njena opredeljujoča lastnost je pogovorna kontinuiteta: pretočni model prenaša prozodijo med govornimi menjavami, zato lahko podajanje med nadaljevanjem interakcije ohrani dosleden ton. Sprejme pisno besedilo in vrne govorni zvok. Flux TTS in ločeno poimenovani model Flux za prepoznavanje govora opravljata različna dela glasovnega pogovora.
Izberite angleški glas
Dokumentirani katalog Flux govori angleško z ameriškim, britanskim, irskim, avstralskim, indijskim, singapurskim in filipinskim naglasom. Opisi glasov pomagajo izbrati govorca za podporo strankam, telefonske menije, pripovedovanje ali sproščen pogovor. Razvijalec na primer glas Haley opisuje kot miren ameriški glas, glas Jack pa kot profesionalen britanski glas. Glas izberite glede na občinstvo in vrsto besedila, ki ga bo prebral, nato pa ga ohranite doslednega skozi vsebino ali pogovor. Govor v drugih jezikih zahteva ločeno dokumentirano izbiro modela.
Govorne menjave v živo in prekinitve
V proizvajalčevem pretočnem poteku lahko besedilo prihaja med sestavljanjem odgovora v aplikaciji, zvok pa se vrača postopoma. Govorna menjava ima lastne dogodke začetka in zaključka; konec menjave zaključi preostalo sintezo. Kontekst med menjavami ohranja prozodijo znotraj te seje. To je uporabno za govornega pomočnika, ki najprej pojasni izbiro, nato pa odgovori na dodatno vprašanje brez spremembe glasovnega značaja.
Prekinitev prekliče aktivno govorno menjavo in vrne izgovorjeni del ter preostalo besedilo. To razlikovanje aplikaciji pomaga nadaljevati glede na to, kar je poslušalec dejansko slišal. Za praktično interakcijo pripravite kratek odgovor s pomembnim navodilom najprej in razlago za njim. Če poslušalec po prvem navodilu prekine, lahko naslednji odgovor obravnava novo vprašanje, namesto da bi predpostavljal, da je bila podana celotna razlaga.
Vnaprej določen zvok in izhodni formati
Paketna sinteza sprejme celoten blok besedila in vrne njegov zvok v enem odgovoru. Uporablja isti katalog glasov kot pretakanje in je primerna za posnete telefonske pozive, obvestila ali pripoved, pripravljeno vnaprej. Paketne zahteve so neodvisne; stanje pretočnih govornih menjav in dogodki prekinitev ne veljajo za vnaprej določen izsek.
Pretočni izhod je surov zvok brez datotečnega vsebnika: 16-bitni PCM, mu-law ali A-law. Razvijalec dokumentira frekvence vzorčenja PCM 8, 16, 24, 32, 44,1 in 48 kHz; mu-law in A-law uporabljata 8 ali 16 kHz. Paketni izhod dodatno podpira MP3, Opus, FLAC in AAC. Izberite kodiranje in vsebnik, ki ju predvideni predvajalnik ali telefonska pot lahko razume, namesto da bi tok surovih vzorcev obravnavali kot navadno zvočno datoteko.
Nastavitve podajanja in meje
Proizvajalec dokumentira razpon hitrosti govora od 0,5 do 1,5 v korakih po 0,05. Spremembe pretočne hitrosti začnejo veljati na meji segmenta. Ločena nastavitev izraznosti v različici beta premika podajanje od mirnega do živahnega. Navadni SSML in prepoznane oznake konkurentov se odstranijo, namesto da bi bile uporabljene kot izrazna navodila; izvorne nastavitve Flux imajo svoj pomen.
Premori znotraj besedila sodijo v paketno sintezo, s trajanji 500–3000 ms v korakih po 100 ms in največ osmimi oznakami na zahtevo. Sosednje premore mora ločevati besedilo, ob prisotnem premoru pa je hitrost omejena na 1,15. Izgovarjavo je mogoče določiti po meri z zapisi IPA; ta možnost je v zgodnjem dostopu Early Access; razvijalec opozarja, da se lahko zahtevana izgovarjava med ustvarjanji razlikuje. Nastavitev izgovarjave po meri ni mogoče združiti z neprivzeto hitrostjo ali nastavitvami premorov. Pri scenariju s strokovnimi imeni poslušajte te izraze v izbranem glasu in govorjeno besedilo ohranite izrecno določeno.
Dokumentirana Deepgramova pretočna seja traja do ene ure in se zapre po šestdesetih sekundah brez vhodnega sporočila, razen če jo ohranja aktivno podprti mehanizem povezave. Te omejitve seje se nanašajo na potek sinteze v živo. Uporaben izdelek so premišljeno izbran glas, poslušalcu prijazno besedilo in zvok, prilagojen cilju, pri čemer aplikacije v živo spremljajo, kaj je bilo dejansko izgovorjeno ob prekinitvi govorne menjave.
Ailoot Ultra · Pretvorba v govor POST /v1/audio/speech deepgram/flux-tts
deepgram/flux-ttsZačetek
Deepgram Flux TTS pretvori angleško besedilo v pogovorni govor, pri katerem se ton ohranja med govornimi menjavami. Njegov pretočni način obravnava prekinitve; paketna sinteza ustvari zvok za ponovno uporabo z istim katalogom glasov.
- Dovoljeni vhodi
- Besedilo
- Rezultati
- Zvok
Na voljo v Ailoot · vhodi in metode
Ailoot Ultra · Pretvorba v govor POST /v1/audio/speech
- Vhod
text- Izhod
audio- Izhodni format
- mp3
| Polje | Vrsta | Zahteva | Vrednosti in omejitve | Privzeto |
|---|---|---|---|---|
Poljemodel | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve deepgram/flux-tts | Privzeto— |
Poljeinput | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve Najmanjša dolžina: 1 Enota: znaki Unicode | Privzeto— |
Poljevoice | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve 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 | Privzeto— |
Poljeresponse_format | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve mp3 | Privzeto— |
Kombinacije vhodnih gradiv
text_to_speech · Obvezno: input
Parametri in življenjski cikel metode
| Parameter | Specifikacija |
|---|---|
Parametercontent_type | Specifikacijaapplication/json |
Parameterrequired | Specifikacijamodel, input, voice, response_format |
Parametervoice_ids | Specifikacijaflux-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 | 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.
Cenik
Tarifni podatki ne dodajajo možnosti zahteve. Podprti parametri so navedeni pri izbrani metodi.
- Hitri način
- Ni navedeno Ko je izbran hitri način
- Način flex
- Ni navedeno Ko je izbran način flex
- Najvišja raven razmišljanja
- Ni navedeno Ko najvišja raven razmišljanja uporablja privzeto prilagoditev (default)
Cene Ailoot
Cene po nastavitvah
Vsak strošek povežite s prikazanimi pogoji. Za vsak nabor alternativnih nastavitev uporabite eno ceno.
| Nastavitev | Cenovna lestvica | Obračunska enota | Strošek |
|---|---|---|---|
| NastavitevOsnovne cene žetonov | Cenovna lestvicaOsnovna cena | 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 |
| Nastavitevvhodni znak | Cenovna lestvica— | Obračunska enotana vhodni znak | Strošek Vhod · vhodni znak $0.00009 na vhodni znak |
Podrobnosti referenčne tarife
Referenčne lestvice modela ne spreminjajo izbire metode, ocen cen ali stroškov. Veljavni stroški uporabljajo cene izbrane metode Ailoot.
Deepgram: Flux TTS
Cene po nastavitvah
| Nastavitev | Obračunski pogoji | Strošek |
|---|---|---|
| NastavitevDeepgram: Flux TTS · Privzeta konfiguracija | Obračunski pogojiPrivzeta konfiguracija | Strošek Vhod · Vhodni znaki 0,00009 $ 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 →
Primeri zahtev
Ailoot Ultra · Pretvorba v govor
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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o speech.mp3
Prejmi in shrani rezultate
Ailoot Ultra · Pretvorba v govor
mp3
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Branje druge vsebine
set -eu
: "${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
Ohrani vse dokončane rezultate
Shranite 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.
Če je treba preveriti izvirni odgovor
Shranite izvirni operation_id/X-Client-Request-ID za uskladitev evidenc brez ponovnega pošiljanja; namenska pot za periodično preverjanje zvoka ne obstaja.
Polja odgovora
| Polje | Vrsta |
|---|---|
Poljebinary audio | Vrstabytes |
Poljeresponse headers | Vrstaheaders |
Napake in naslednji koraki
| 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. |
Druga imena
Druga imena modelov
Ailoot Ultra deepgram/flux-tts
Druga imena poti metod
Uporabite zgoraj navedene poti metod.
Povezani ID-ji za klic
FAQ · Deepgram: Flux TTS
- Kateri vhodi in rezultati so na voljo?
POST /v1/audio/speech·deepgram/flux-tts:text→audio- Katera polja uporablja zahteva?
POST /v1/audio/speech·deepgram/flux-tts:model,input,voice,response_format