Fish Audio: S1
Fish Audio S1 pretvori večjezične scenarije v izrazni zvok enega govorca z uporabo glasovnih referenc in čustvenih oznak v okroglih oklepajih. Uporabite ga za pripovedovanje, kratka govorna navodila ali vrstice likov, z nastavitvami formata in prozodije za dokončani zvok.
O modelu
Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.
S1 je model podjetja Fish Audio prejšnje generacije za pretvorbo besedila v govor za izrazno pripovedovanje in glasovni izhod enega govorca. Prebere posredovani scenarij in vrne zvok z izbranim glasom ali glasom, pogojenim z referenco. Polni model S1 se razlikuje od S1-mini, manjšega destiliranega modela; proizvajalec ju predstavlja kot različici s 4 milijardami oziroma 0,5 milijarde parametrov. Ta profil pokriva poimenovani model S1.
Za pripoved pripravite besede, ki naj bodo dejansko izgovorjene, in označite mesta, kjer naj se podajanje spremeni. Uporaben razlagalni scenarij najprej navede glavno sporočilo, razvija eno idejo naenkrat in uporablja ločila za ločevanje fraz, ki potrebujejo naraven premor. Pri kratkem navodilu naj besedilo ostane jasno ob poslušanju brez zaslona. Ohranite predvideno branje imen, okrajšav in enot ter številke preverite v govornem izhodu, namesto da bi predpostavljali, da ima vizualno berljiv niz le eno izgovarjavo.
S1 uporablja čustvene in izvedbene oznake v okroglih oklepajih, kot so (angry), (sad), (in a hurry) ali (chuckling). Oznako postavite pred stavek ali frazo, na katero naj vpliva, dejanski govor pa za njo. Podajanje pripada naslednjemu besedilu, zato naj se sprememba razpoloženja pojavi tam, kjer se mora izvedba spremeniti. To je drugačna skladnja od navodil S2 v oglatih oklepajih; scenarij ohranite napisan za izbrano generacijo, namesto da bi predpostavljali zamenljivost obeh oblik označevanja.
Glas je mogoče izbrati s shranjenim identifikatorjem glasu ali ga pogojevati z referenčnim posnetkom skupaj z njegovim prepisom. Za takojšnji referenčni potek splošni govorni vodnik priporoča čist 10–30-sekundni vzorec. Izberite vzorec, katerega govorni slog in kakovost posnetka ustrezata želenemu rezultatu, prepis pa naj se ujema z besedami v tem vzorcu. Pri ponavljajočem se pripovedovalcu ponovno uporabite isto glasovno referenco skozi odlomke, da sprememba teme nehote ne postane sprememba značaja.
Izdaja S1 med podprtimi jeziki navaja angleščino, kitajščino, japonščino, nemščino, francoščino, španščino, korejščino, arabščino, ruščino, nizozemščino, italijanščino, poljščino in portugalščino ter opisuje mešanje jezikov znotraj scenarija. Posredujte besedilo v ciljnem jeziku, namesto da bi sintezo govora obravnavali kot prevajalski korak. Pri odlomku z izposojenim imenom ali menjavo jezika ohranite jasen zapis in okoliški stavčni kontekst ter preverite, kako izbrani glas obravnava prehod.
Proizvajalčev vmesnik S1 podpira enega govorca na zahtevo za sintezo. Dialog je mogoče pripraviti kot ločene segmente z lastnimi glasovnimi referencami, nato pa jih aplikacija sestavi; izvorna večgovorniška sinteza družine S2 je ločena zmožnost. Pri pripravi vrstic likov z vsakim segmentom povežite vlogo, glas in besedilo. Rezultat sinteze je zvočna izvedba scenarija, časovno urejanje izmenjave ali združevanje z glasbo in videom pa je poznejši korak urejanja.
Izhodne možnosti vključujejo MP3, WAV, surovi PCM in Opus, pri čemer je MP3 privzet. Dokumentirani izhod je mono; WAV in PCM uporabljata 16-bitne vzorce, izbire frekvence vzorčenja pa se razlikujejo glede na format. MP3 podpira 64, 128 in 192 kbps, Opus pa uporablja 48 kHz. Hitrost je mogoče prilagajati od 0,5 do 2,0 z nastavitvami glasnosti. Izberite kodirano datoteko za izdelek spremljevalnega govora ali ustrezen tok za predvajanje ter z rezultatom ohranite izbrani glas in scenarij.
Proizvajalec dolgo besedilo obdeluje po delih, z dokumentiranim razponom dolžine dela 100–300 in proračunom zvočnih žetonov na del, ne z zagotovljenim skupnim trajanjem posnetka. Normalizacija besedila lahko angleške in kitajske številke razširi v naravno branje, kazen za ponavljanje pri S1 pa lahko zmanjša ponavljajoče se zvočne vzorce. Normalizacija glasnosti izhoda je druga nastavitev in na S1 nima učinka. Pred sestavljanjem končnega odlomka preverite izgovarjavo, meje fraz, ponovljene zvoke in želeni čustveni premik, nato pa popravite konkretno vrstico ali referenco, ki potrebuje pozornost.
Ailoot Ultra · Pretvorba v govor POST /v1/audio/speech fish-audio/s1
fish-audio/s1Začetek
Fish Audio S1 pretvori večjezične scenarije v izrazni zvok enega govorca z uporabo glasovnih referenc in čustvenih oznak v okroglih oklepajih. Uporabite ga za pripovedovanje, kratka govorna navodila ali vrstice likov, z nastavitvami formata in prozodije za dokončani zvok.
- 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
- dejanski deklarirani binarni zvok
| Polje | Vrsta | Zahteva | Vrednosti in omejitve | Privzeto |
|---|---|---|---|---|
Poljemodel | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve fish-audio/s1 | Privzeto— |
Poljeinput | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve Najmanjša dolžina: 1 | Privzeto— |
Poljevoice | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve Primeri: b347db033a6549378b48d00acb0d06cd | Privzeto— |
Poljeresponse_format | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve mp3, pcm | Privzetopcm |
Kombinacije vhodnih gradiv
text_to_speech · Obvezno: actual UTF-8 script, exact supported voice
Parametri in življenjski cikel metode
| Parameter | Specifikacija |
|---|---|
Parametercontent_type | Specifikacijaapplication/json |
Parameterrequired | Specifikacijamodel, input, voice |
Parametermaterial_types | Specifikacijatext |
Parametervoice_ids | Specifikacijab347db033a6549378b48d00acb0d06cd |
Parametervoice_list_exhaustive | Specifikacijafalse |
Parameterresponse_format | Specifikacijamp3, pcm |
Parameterdefault_response_format | Specifikacijapcm |
Parameterquantity | SpecifikacijaBajti UTF-8 enega dekodiranega vhodnega niza; brez obrezovanja ali normalizacije |
Parameternative_byte_quote_controls | SpecifikacijaTa natančna pot predračuna bajtov zavrne neprazna navodila in vhod z izmenjavami več govorcev, dokler dodatno obračunano besedilo ni deklarirano. |
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}
Uporabite natančen model in dokumentirana vhodna polja.
Ohranite celoten odgovor, vsak dejanski izhod in prvotne vrnjene ID-je.
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 |
| NastavitevUltra | Cenovna lestvica— | Obračunska enotana bajt vhodnega zvoka utf8 | Strošek Vhod · vhodni zvočni bajt UTF-8 $0.00003 na bajt vhodnega zvoka utf8 |
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 →
Podrobnosti referenčne tarife
Referenčne lestvice modela ne spreminjajo izbire metode, ocen cen ali stroškov. Veljavni stroški uporabljajo cene izbrane metode Ailoot.
Fish Audio: S1
Cene po nastavitvah
| Nastavitev | Obračunski pogoji | Strošek |
|---|---|---|
| NastavitevFish Audio: S1 · Privzeta konfiguracija | Obračunski pogojiPrivzeta konfiguracija | Strošek Vhod · Vhodni bajti UTF-8 0,00003 $ na vhodni bajt UTF-8 |
Primeri zahtev
Ailoot Ultra · Pretvorba v govor
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
request={'model': 'fish-audio/s1', 'input': 'Hello world', 'voice': 'b347db033a6549378b48d00acb0d06cd', 'response_format': 'mp3'}
Path('request.json').write_text(json.dumps(request,ensure_ascii=False),encoding='utf-8')
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 response.bin
# Keep the complete original response and headers. Read every returned segment, word and usage field.
# Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting.
Prejmi in shrani rezultate
Ailoot Ultra · Pretvorba v govor
dejanski deklarirani binarni zvok
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Ohrani vse dokončane rezultate
Shranite vsak v celoti vrnjen odgovor, datoteko in del vsebine.
Shranite vse bajte celotnega binarnega izhoda in vse izvirne glave; če je vrnjen JSON, ga ohranite v celoti. Dejanski ID-ji operacij/sredstev se ohranijo.
Če je treba preveriti izvirni odgovor
Ohranite prvotni operation_id/X-Client-Request-ID in prvotni odgovor. Berite dejanske zapise opravil/sredstev v vaši lasti brez ponovne oddaje; namenski URL za preverjanje zvoka se ne sestavlja.
Polja odgovora
| Polje | Vrsta |
|---|---|
Poljebinary audio | Vrstabytes |
Poljeresponse headers | Vrstaheaders |
Druga imena
Druga imena modelov
Ailoot Ultra fish-audio/s1
Druga imena poti metod
Uporabite zgoraj navedene poti metod.
Povezani ID-ji za klic
FAQ · Fish Audio: S1
- Kateri vhodi in rezultati so na voljo?
POST /v1/audio/speech·fish-audio/s1:text→audio- Katera polja uporablja zahteva?
POST /v1/audio/speech·fish-audio/s1:model,input,voice,response_format