S2.1 Pro Free je izdaja modela za pretvorbo besedila v govor S2.1 podjetja Fish Audio, namenjena razvijalcem. Osnovni model in ključne zmožnosti sinteze si deli s S2.1 Pro: izrazni večjezični govor, navodila za izvedbo v naravnem jeziku in nativni dialog več govorcev. Namenjena je preizkušanju, prototipiranju, razvoju in manjšim aplikacijskim potekom.
Pri prototipu glasovnega pomočnika začnite s celotnim vzorčnim odgovorom in ocenite njegov zven, preden preizkusite postopno prihajajoče besedilo. Za učni izdelek pripravite kratko razlago z natančnimi izrazi in izgovarjavo števil, ki jih poslušalec potrebuje. Pri prototipu dialoga opredelite govorce in njihove glasovne reference, preden dodate navodila za izvedbo. Ti koraki razvijajo zvočni izdelek in aplikacijski potek okoli njega, namesto da bi zahtevi za sintezo naložili odgovornost za celoten pogovor.
Napišite besede, ki naj bodo dejansko izgovorjene, nato pa navodilo postavite neposredno pred odlomek, katerega izvedba naj se spremeni. Navodila v oglatih oklepajih lahko izrazijo šepet, premor, odziv, poudarek ali poljubno opisan način govora. Spremembo sredi povedi postavite tja, kjer jo izvedba potrebuje, opisnim navodilom pa naj sledi dejansko besedilo za govor. Uporabna navodila za razlago ločijo stvarno besedilo od topline, tempa ali poudarka, ki ga želite za poslušalca.
Za enega govorca izberite shranjeni identifikator glasu ali predložite referenčni posnetek z njegovim prepisom. Proizvajalčev vodnik za govor priporoča čist vzorec, dolg 10–30 sekund, za takojšnje prilagajanje glasu. Izberite referenco s tonom in kakovostjo posnetka, ki ustrezata scenariju, ter isto referenco ohranite v povezanih odlomkih. Glasovna referenca določa zven govorca, besedilo in navodila v njem pa vsebino in njeno izvedbo.
Nativna sinteza več govorcev uporablja oznake, kot sta <|speaker:0|> in <|speaker:1|>, z urejenim poljem identifikatorjev glasov ali ločenimi skupinami referenc. Številčne oznake govorcev naj ustrezajo temu vrstnemu redu. Za poučni pogovor napišite repliko vsakega govorca in navodilo za izvedbo postavite za oznako govorca na ustrezno mesto. Tako nastane dialog v eni zahtevi; to je drugačen potek od ločenih odsekov z enim govorcem pri S1 in njihovega poznejšega sestavljanja.
Proizvajalčev potek omogoča izhod MP3, WAV, surovi PCM in Opus, pri čemer je privzet MP3. MP3 podpira 64, 128 in 192 kb/s; WAV in PCM uporabljata dokumentirane 16-bitne mono formate vzorcev, Opus pa 48 kHz. Izberite format za shranjeno pripovedno datoteko, pretočno predvajanje ali nadaljnji zvočni cevovod. Celoten scenarij in izbiro glasu hranite skupaj z zvokom, da lahko poznejši popravek naslovi eno vrstico, ne da bi se izgubila predvidena izvedba.
Hitrost lahko prilagodite od 0,5 do 2,0, na voljo pa so tudi nastavitve glasnosti. Normalizacija besedila razširi angleška in kitajska števila za naravno branje. Normalizacija glasnosti izhoda ima privzeto vrednost true in se uporablja za družino S2; isto polje na S1 ni vplivalo. Parameter repetition_penalty iz S1 ne spremeni zvoka S2.1 Pro, zato stare nastavitve ne obravnavajte kot učinkovitega upravljalnega parametra za ta model. Ponavljajoče se zvoke in besedilo preverite neposredno, namesto da bi se pri presoji rezultata zanašali na preneseni parameter.
Daljši scenariji se obdelujejo po kosih. Dokumentirani razpon dolžine kosa je 100–300, max_new_tokens pa je proračun zvočnih žetonov na kos, ne zagotovilo skupnega trajanja. Pogojevanje s prejšnjim kosom lahko prenese glasovni kontekst naprej. Proizvajalčev potek dostave opisuje celoten zvok, postopne zvočne kose in sprotno pretakanje besedila, ko scenarij prihaja postopoma. Izberite način uporabe za aplikacijo in ohranite dovolj konteksta scenarija za izgovarjavo in ton naslednjega odlomka.
Za uporaben končni izdelek preverite s poslušanjem izpuščene ali ponovljene besede, izgovarjavo števil, menjave govorcev, premore in intenzivnost navodil. Različne glasovne reference lahko isti namig izvedejo različno intenzivno, zato začnite s preprosto usmerjeno repliko, preden dodate nasprotujoče si oznake. Pri večjezičnem delu predložite scenarij v ciljnem jeziku, namesto da bi od govornega modela zahtevali izmišljanje ali prevajanje vsebine. Usmerjen popravek spremeni vrstico, namig ali referenco, ki povzroča neskladje, in ohrani dele izvedbe, ki že ustrezajo navodilom.
", "aboutText": "S2.1 Pro Free je izdaja modela za pretvorbo besedila v govor S2.1 podjetja Fish Audio, namenjena razvijalcem. Osnovni model in ključne zmožnosti sinteze si deli s S2.1 Pro: izrazni večjezični govor, navodila za izvedbo v naravnem jeziku in nativni dialog več govorcev. Namenjena je preizkušanju, prototipiranju, razvoju in manjšim aplikacijskim potekom.\n\nPri prototipu glasovnega pomočnika začnite s celotnim vzorčnim odgovorom in ocenite njegov zven, preden preizkusite postopno prihajajoče besedilo. Za učni izdelek pripravite kratko razlago z natančnimi izrazi in izgovarjavo števil, ki jih poslušalec potrebuje. Pri prototipu dialoga opredelite govorce in njihove glasovne reference, preden dodate navodila za izvedbo. Ti koraki razvijajo zvočni izdelek in aplikacijski potek okoli njega, namesto da bi zahtevi za sintezo naložili odgovornost za celoten pogovor.\n\nNapišite besede, ki naj bodo dejansko izgovorjene, nato pa navodilo postavite neposredno pred odlomek, katerega izvedba naj se spremeni. Navodila v oglatih oklepajih lahko izrazijo šepet, premor, odziv, poudarek ali poljubno opisan način govora. Spremembo sredi povedi postavite tja, kjer jo izvedba potrebuje, opisnim navodilom pa naj sledi dejansko besedilo za govor. Uporabna navodila za razlago ločijo stvarno besedilo od topline, tempa ali poudarka, ki ga želite za poslušalca.\n\nZa enega govorca izberite shranjeni identifikator glasu ali predložite referenčni posnetek z njegovim prepisom. Proizvajalčev vodnik za govor priporoča čist vzorec, dolg 10–30 sekund, za takojšnje prilagajanje glasu. Izberite referenco s tonom in kakovostjo posnetka, ki ustrezata scenariju, ter isto referenco ohranite v povezanih odlomkih. Glasovna referenca določa zven govorca, besedilo in navodila v njem pa vsebino in njeno izvedbo.\n\nNativna sinteza več govorcev uporablja oznake, kot sta <|speaker:0|> in <|speaker:1|>, z urejenim poljem identifikatorjev glasov ali ločenimi skupinami referenc. Številčne oznake govorcev naj ustrezajo temu vrstnemu redu. Za poučni pogovor napišite repliko vsakega govorca in navodilo za izvedbo postavite za oznako govorca na ustrezno mesto. Tako nastane dialog v eni zahtevi; to je drugačen potek od ločenih odsekov z enim govorcem pri S1 in njihovega poznejšega sestavljanja.\n\nProizvajalčev potek omogoča izhod MP3, WAV, surovi PCM in Opus, pri čemer je privzet MP3. MP3 podpira 64, 128 in 192 kb/s; WAV in PCM uporabljata dokumentirane 16-bitne mono formate vzorcev, Opus pa 48 kHz. Izberite format za shranjeno pripovedno datoteko, pretočno predvajanje ali nadaljnji zvočni cevovod. Celoten scenarij in izbiro glasu hranite skupaj z zvokom, da lahko poznejši popravek naslovi eno vrstico, ne da bi se izgubila predvidena izvedba.\n\nHitrost lahko prilagodite od 0,5 do 2,0, na voljo pa so tudi nastavitve glasnosti. Normalizacija besedila razširi angleška in kitajska števila za naravno branje. Normalizacija glasnosti izhoda ima privzeto vrednost true in se uporablja za družino S2; isto polje na S1 ni vplivalo. Parameter repetition_penalty iz S1 ne spremeni zvoka S2.1 Pro, zato stare nastavitve ne obravnavajte kot učinkovitega upravljalnega parametra za ta model. Ponavljajoče se zvoke in besedilo preverite neposredno, namesto da bi se pri presoji rezultata zanašali na preneseni parameter.\n\nDaljši scenariji se obdelujejo po kosih. Dokumentirani razpon dolžine kosa je 100–300, max_new_tokens pa je proračun zvočnih žetonov na kos, ne zagotovilo skupnega trajanja. Pogojevanje s prejšnjim kosom lahko prenese glasovni kontekst naprej. Proizvajalčev potek dostave opisuje celoten zvok, postopne zvočne kose in sprotno pretakanje besedila, ko scenarij prihaja postopoma. Izberite način uporabe za aplikacijo in ohranite dovolj konteksta scenarija za izgovarjavo in ton naslednjega odlomka.\n\nZa uporaben končni izdelek preverite s poslušanjem izpuščene ali ponovljene besede, izgovarjavo števil, menjave govorcev, premore in intenzivnost navodil. Različne glasovne reference lahko isti namig izvedejo različno intenzivno, zato začnite s preprosto usmerjeno repliko, preden dodate nasprotujoče si oznake. Pri večjezičnem delu predložite scenarij v ciljnem jeziku, namesto da bi od govornega modela zahtevali izmišljanje ali prevajanje vsebine. Usmerjen popravek spremeni vrstico, namig ali referenco, ki povzroča neskladje, in ohrani dele izvedbe, ki že ustrezajo navodilom.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "6cf8b1436616661f7291163a4dc7627b7c6c6972ca0caf8bfe317209b6b13cc0", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "sl", "methods": [ { "html": "fish-audio/s2.1-pro-free:freeS2.1 Pro Free je razvojna izdaja govornega modela S2.1 podjetja Fish Audio za pripovedovanje, usmerjen govorni izhod in dialog več govorcev. Za preizkušanje in izdelavo prototipov ponuja iste zmožnosti sinteze kot osnovni model.
Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.
S2.1 Pro Free je izdaja modela za pretvorbo besedila v govor S2.1 podjetja Fish Audio, namenjena razvijalcem. Osnovni model in ključne zmožnosti sinteze si deli s S2.1 Pro: izrazni večjezični govor, navodila za izvedbo v naravnem jeziku in nativni dialog več govorcev. Namenjena je preizkušanju, prototipiranju, razvoju in manjšim aplikacijskim potekom.
Pri prototipu glasovnega pomočnika začnite s celotnim vzorčnim odgovorom in ocenite njegov zven, preden preizkusite postopno prihajajoče besedilo. Za učni izdelek pripravite kratko razlago z natančnimi izrazi in izgovarjavo števil, ki jih poslušalec potrebuje. Pri prototipu dialoga opredelite govorce in njihove glasovne reference, preden dodate navodila za izvedbo. Ti koraki razvijajo zvočni izdelek in aplikacijski potek okoli njega, namesto da bi zahtevi za sintezo naložili odgovornost za celoten pogovor.
Napišite besede, ki naj bodo dejansko izgovorjene, nato pa navodilo postavite neposredno pred odlomek, katerega izvedba naj se spremeni. Navodila v oglatih oklepajih lahko izrazijo šepet, premor, odziv, poudarek ali poljubno opisan način govora. Spremembo sredi povedi postavite tja, kjer jo izvedba potrebuje, opisnim navodilom pa naj sledi dejansko besedilo za govor. Uporabna navodila za razlago ločijo stvarno besedilo od topline, tempa ali poudarka, ki ga želite za poslušalca.
Za enega govorca izberite shranjeni identifikator glasu ali predložite referenčni posnetek z njegovim prepisom. Proizvajalčev vodnik za govor priporoča čist vzorec, dolg 10–30 sekund, za takojšnje prilagajanje glasu. Izberite referenco s tonom in kakovostjo posnetka, ki ustrezata scenariju, ter isto referenco ohranite v povezanih odlomkih. Glasovna referenca določa zven govorca, besedilo in navodila v njem pa vsebino in njeno izvedbo.
Nativna sinteza več govorcev uporablja oznake, kot sta <|speaker:0|> in <|speaker:1|>, z urejenim poljem identifikatorjev glasov ali ločenimi skupinami referenc. Številčne oznake govorcev naj ustrezajo temu vrstnemu redu. Za poučni pogovor napišite repliko vsakega govorca in navodilo za izvedbo postavite za oznako govorca na ustrezno mesto. Tako nastane dialog v eni zahtevi; to je drugačen potek od ločenih odsekov z enim govorcem pri S1 in njihovega poznejšega sestavljanja.
Proizvajalčev potek omogoča izhod MP3, WAV, surovi PCM in Opus, pri čemer je privzet MP3. MP3 podpira 64, 128 in 192 kb/s; WAV in PCM uporabljata dokumentirane 16-bitne mono formate vzorcev, Opus pa 48 kHz. Izberite format za shranjeno pripovedno datoteko, pretočno predvajanje ali nadaljnji zvočni cevovod. Celoten scenarij in izbiro glasu hranite skupaj z zvokom, da lahko poznejši popravek naslovi eno vrstico, ne da bi se izgubila predvidena izvedba.
Hitrost lahko prilagodite od 0,5 do 2,0, na voljo pa so tudi nastavitve glasnosti. Normalizacija besedila razširi angleška in kitajska števila za naravno branje. Normalizacija glasnosti izhoda ima privzeto vrednost true in se uporablja za družino S2; isto polje na S1 ni vplivalo. Parameter repetition_penalty iz S1 ne spremeni zvoka S2.1 Pro, zato stare nastavitve ne obravnavajte kot učinkovitega upravljalnega parametra za ta model. Ponavljajoče se zvoke in besedilo preverite neposredno, namesto da bi se pri presoji rezultata zanašali na preneseni parameter.
Daljši scenariji se obdelujejo po kosih. Dokumentirani razpon dolžine kosa je 100–300, max_new_tokens pa je proračun zvočnih žetonov na kos, ne zagotovilo skupnega trajanja. Pogojevanje s prejšnjim kosom lahko prenese glasovni kontekst naprej. Proizvajalčev potek dostave opisuje celoten zvok, postopne zvočne kose in sprotno pretakanje besedila, ko scenarij prihaja postopoma. Izberite način uporabe za aplikacijo in ohranite dovolj konteksta scenarija za izgovarjavo in ton naslednjega odlomka.
Za uporaben končni izdelek preverite s poslušanjem izpuščene ali ponovljene besede, izgovarjavo števil, menjave govorcev, premore in intenzivnost navodil. Različne glasovne reference lahko isti namig izvedejo različno intenzivno, zato začnite s preprosto usmerjeno repliko, preden dodate nasprotujoče si oznake. Pri večjezičnem delu predložite scenarij v ciljnem jeziku, namesto da bi od govornega modela zahtevali izmišljanje ali prevajanje vsebine. Usmerjen popravek spremeni vrstico, namig ali referenco, ki povzroča neskladje, in ohrani dele izvedbe, ki že ustrezajo navodilom.
POST /v1/audio/speechtextaudio| Polje | Vrsta | Zahteva | Vrednosti in omejitve | Privzeto |
|---|---|---|---|---|
Poljemodel | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve fish-audio/s2.1-pro-free:free | Privzeto— |
Poljeinput | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve Najmanjša dolžina: 1 | Privzeto— |
Poljevoice | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve b347db033a6549378b48d00acb0d06cd Najmanjša dolžina: 1 | Privzeto— |
Poljeresponse_format | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve mp3, pcm | Privzetopcm |
Poljeprovider | Vrstaobject | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
| Parameter | Specifikacija |
|---|---|
Parametercontent_type | Specifikacijaapplication/json |
Parameterrequired | Specifikacijamodel, input, voice |
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}
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 | Obračunska količina | Strošek |
|---|---|---|---|
| NastavitevOsnovne cene žetonov | Cenovna lestvicaOsnovna cena | Obračunska količina— | 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 |
| NastavitevNa zahtevo | Cenovna lestvica— | Obračunska količinaena zahteva | Strošek Vhod $0 na zahtevo |
Ailoot pred zahtevo rezervira ocenjeni znesek. Po rezultatu obračuna končni strošek na podlagi izmerjene porabe. Obračun pretakanja uporablja končni zapis porabe. Kako delujeta rezervacija in obračun →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_INPUT_TEXT:?Set the actual documented input value}"\nexport AILOOT_INPUT_TEXT\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\nrequest={'model': 'fish-audio/s2.1-pro-free:free', 'input': '${ACTUAL_INPUT_TEXT}', 'voice': 'b347db033a6549378b48d00acb0d06cd', 'response_format': 'mp3'}\nrequest['input']=os.environ['AILOOT_INPUT_TEXT']\nPath('request.json').write_text(json.dumps(request,ensure_ascii=False),encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/speech \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o response.bin\n# Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.\nCeloten binarni zvok ali izvirni odgovor audio_url, glave in vsako sredstvo v vaši lasti.
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}set -eu\n: "${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 owned-assets.json\n# Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token.\nShranite vsak v celoti vrnjen odgovor, datoteko in del vsebine.
Shranite celoten odgovor in glave, vse dejanske izhode, izvirne vrnjene identifikatorje in vsa polja s podatki o porabi. Pridobite podatke izvirne operacije brez ponovnega pošiljanja zahteve za ustvarjanje.
Shranite vrnjeni X-Client-Request-ID za uskladitev evidenc. Berite samo dejansko vrnjene vrednosti task_id/asset_id ali svojo medijsko knjižnico; iz ID operacije nikoli ne sestavite URL opravila in zahteve za ustvarjanje nikoli ne pošljite znova.
Ailoot Ultra fish-audio/s2.1-pro-free:free
Uporabite zgoraj navedene poti metod.