Fish Audio: S2.1 Pro
Fish Audio S2.1 Pro ustvarja izrazni večjezični govor in nativni dialog več govorcev ter v primerjavi s S2 Pro izboljšuje kakovost, zakasnitev in prepustnost. Izvedbo usmerjajte znotraj scenarija in uporabite glasovne reference za pripovedovanje ali pogovorni zvok.
O modelu
Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.
S2.1 Pro je poznejši model generacije S2 podjetja Fish Audio za pretvorbo besedila v govor, namenjen izraznemu pripovedovanju in pogovornim glasovnim aplikacijam. V primerjavi s S2 Pro izboljšuje kakovost govora, zakasnitev in prepustnost ter ohranja usmerjanje izvedbe v naravnem jeziku in nativni dialog več govorcev. S2.1 Pro in S2.1 Pro Free uporabljata isti osnovni govorni model.
Za pripovedovano razlago predložite dokončano besedilo, predvideni glas in mesta, kjer naj se spremenita tempo ali poudarek. Pri pogovorni aplikaciji sintetizirajte odgovor, ki ga izbere aplikacija, ter njegovo stvarno vsebino ločite od navodil za izvedbo. Za scenarijsko izmenjavo določite govorce in njihove glasove, preden napišete replike. Uporaben rezultat je celoten zvočni odlomek ali predvajljiv tok, katerega besede, izvedba in vloge govorcev ustrezajo tem navodilom.
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.
Ailoot Ultra · Govor POST /v1/audio/speech fish-audio/s2.1-pro
fish-audio/s2.1-proZačetek
Fish Audio S2.1 Pro ustvarja izrazni večjezični govor in nativni dialog več govorcev ter v primerjavi s S2 Pro izboljšuje kakovost, zakasnitev in prepustnost. Izvedbo usmerjajte znotraj scenarija in uporabite glasovne reference za pripovedovanje ali pogovorni zvok.
- Dovoljeni vhodi
- Besedilo
- Rezultati
- Zvok
Na voljo v Ailoot · vhodi in metode
Ailoot Ultra · Govor POST /v1/audio/speech
- Vhod
text- Izhod
audio
| Polje | Vrsta | Zahteva | Vrednosti in omejitve | Privzeto |
|---|---|---|---|---|
Poljemodel | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve fish-audio/s2.1-pro | 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— |
Parametri in življenjski cikel metode
| 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}
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 bajt UTF-8 | Cenovna lestvica— | Obračunska enotana vhodni bajt UTF-8 | Strošek Vhod · vhodni bajt UTF-8 $0.00003 na vhodni bajt UTF-8 |
Ailoot pred zahtevo rezervira ocenjeni znesek. Po rezultatu obračuna končni strošek na podlagi izmerjene porabe. Obračun pretakanja uporablja končni zapis porabe. Kako delujeta rezervacija in obračun →
Primeri zahtev
Ailoot Ultra · Govor
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_INPUT_TEXT:?Set the actual documented input value}"
export AILOOT_INPUT_TEXT
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
request={'model': 'fish-audio/s2.1-pro', 'input': '${ACTUAL_INPUT_TEXT}', 'voice': 'b347db033a6549378b48d00acb0d06cd', 'response_format': 'mp3'}
request['input']=os.environ['AILOOT_INPUT_TEXT']
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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o response.bin
# Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.
Prejmi in shrani rezultate
Ailoot Ultra · Govor
Celoten binarni zvok ali izvirni odgovor audio_url, glave in vsako sredstvo v vaši lasti.
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Branje druge vsebine
set -eu
: "${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 owned-assets.json
# Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token.
Ohrani vse dokončane rezultate
Shranite 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.
Če je treba preveriti izvirni odgovor
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.
Druga imena
Druga imena modelov
Ailoot Ultra fish-audio/s2.1-pro
Druga imena poti metod
Uporabite zgoraj navedene poti metod.
Povezani ID-ji za klic
FAQ · Fish Audio: S2.1 Pro
- Kateri vhodi in rezultati so na voljo?
POST /v1/audio/speech·fish-audio/s2.1-pro:text→audio- Katera polja uporablja zahteva?
POST /v1/audio/speech·fish-audio/s2.1-pro:model,input,voice,response_format,provider