S2 Pro je model druge generacije podjetja Fish Audio za pretvorbo besedila v govor, namenjen izraznemu pripovedovanju, dialogu likov in pogovornemu glasovnemu izhodu. Pisni scenarij pretvori v zvok in podpira usmerjanje v naravnem jeziku na ravni besede ali besedne zveze. Prejšnja generacija S1 uporablja namige v okroglih oklepajih, S2 Pro pa nativno uporablja oglate oklepaje in podpira več govorcev v eni zahtevi za sintezo. Proizvajalec objavlja uteži S2 Pro in kodo za dodatno učenje za ločeno prilagajanje; običajna govorna zahteva uporablja izbrani model, ne da bi učila novega.
Najprej napišite govorjeno vsebino, nato postavite navodilo za izvedbo neposredno pred besedo ali besedno zvezo, na katero naj vpliva. Navodila lahko opišejo šepet, odziv, premor, čustveni prehod ali poljubno opisan način govora. Pri kratki razlagi izdelka naj bo stvarna poved jasna, poudarek pa postavite le tja, kjer naj poslušalec zazna razliko. Pri repliki lika opišite čustveno spremembo v trenutku, ko nastopi, namesto da bi imel celoten odlomek eno nespremenljivo razpoloženje.
Oznake v oglatih oklepajih so opisi z odprtega področja in ne zaprt nabor. Primeri vključujejo [whispering], [sigh], [long pause] in besedno zvezo, kot je [speaking slowly, almost hesitant]. Oznake se lahko pojavijo sredi povedi in vplivajo na govor, ki sledi. Opisni oznaki mora slediti dejansko besedilo; osamljeno navodilo lahko ustvari nepredvidljiv izhod. Začnite z enim ali dvema koristnima navodiloma, preden dodate več plasti, saj lahko nasprotujoče si oznake zakrijejo predvideno izvedbo. Različne glasovne reference se lahko na isto navodilo odzovejo z različno intenzivnostjo.
Objava S2 opisuje približno 80 jezikov in navaja primere pisanja navodil za izvedbo v istem jeziku kot scenarij. Besedilo pripravite v jeziku, ki naj bo izgovorjen, in ohranite imena, enote ter kratice, ki potrebujejo določeno branje. Večjezično pripovedovanje lahko ohranja predvideni glas ob menjavi jezika scenarija, vendar je treba pri končnem izdelku še vedno s poslušanjem preveriti izgovarjavo in zveznost. Sinteza podano vsebino pretvori v govor in ne odloča, katere podatke naj aplikacija pove.
Za enega govorca izberite shranjeni identifikator glasu ali priložite referenčni zvok in pripadajoči prepis. Proizvajalec za takojšnje prilagajanje priporoča čist vzorec, dolg 10–30 sekund. Za dialog uporabite oznake govorcev, kot sta <|speaker:0|> in <|speaker:1|>, z urejenim seznamom identifikatorjev glasov ali ločenimi skupinami referenc za govorce. Številčna oznaka izbere ustrezen vnos glasu; med razvojem pogovora ohranite vrstni red. Navodila za izvedbo v naravnem jeziku in izbira govorca imajo v scenariju različni vlogi.
Zvočni izhod je lahko MP3, WAV, surovi PCM ali Opus. MP3 ima privzeto 128 kb/s in omogoča 64 ali 192 kb/s; izhod Opus uporablja 48 kHz, WAV in PCM pa podpirata dokumentirane izbire frekvence vzorčenja v 16-bitnem mono formatu. Format izberite glede na dejanski cilj: shranjeno datoteko za pripovedovanje ali primerne zvočne kose za predvajanje. Proizvajalčev govorni potek opisuje tudi sprotno pretakanje besedila, ko scenarij prihaja postopoma. Generirani rezultat naj ostane povezan s celotnim scenarijem in izbranimi glasovi.
Hitrost lahko prilagodite med 0,5 in 2,0, na voljo pa so nastavitve glasnosti in normalizacije glasnosti izhoda. Normalizacija besedila izboljša branje angleških in kitajskih števil. Obdelava uporablja kose v razponu 100–300 in proračun zvočnih žetonov na kos, zato teh nastavitev ne razlagajte kot fiksno največjo dolžino celotne pripovedi. Pogojevanje s prejšnjim kosom lahko glasovni kontekst prenese v naslednji odsek. Nastavitve vzorčenja, kot sta temperature in top-p, vplivajo na variacije; tudi namensko usmerjena replika potrebuje dovolj besedila in konteksta za želeni zven.
Uporabna produkcijska navodila ločijo pripovedovanje, dialog in navodila za izvedbo ter določijo glas in format nastalega izdelka. S poslušanjem preverite manjkajoče besede, ponovljen zvok, izgovarjavo števil, menjave govorcev in časovno umestitev odziva. Popravite vrstico ali glasovno referenco, ki povzroča neskladje, namesto da bi domnevali, da več oznak izboljša vsak odlomek. S2 Pro ostaja ločen model prejšnje generacije S2; S2.1 Pro je poznejša izdaja z lastnimi izboljšavami in vedenjem nastavitev, značilnim za model.
", "aboutText": "S2 Pro je model druge generacije podjetja Fish Audio za pretvorbo besedila v govor, namenjen izraznemu pripovedovanju, dialogu likov in pogovornemu glasovnemu izhodu. Pisni scenarij pretvori v zvok in podpira usmerjanje v naravnem jeziku na ravni besede ali besedne zveze. Prejšnja generacija S1 uporablja namige v okroglih oklepajih, S2 Pro pa nativno uporablja oglate oklepaje in podpira več govorcev v eni zahtevi za sintezo. Proizvajalec objavlja uteži S2 Pro in kodo za dodatno učenje za ločeno prilagajanje; običajna govorna zahteva uporablja izbrani model, ne da bi učila novega.\n\nNajprej napišite govorjeno vsebino, nato postavite navodilo za izvedbo neposredno pred besedo ali besedno zvezo, na katero naj vpliva. Navodila lahko opišejo šepet, odziv, premor, čustveni prehod ali poljubno opisan način govora. Pri kratki razlagi izdelka naj bo stvarna poved jasna, poudarek pa postavite le tja, kjer naj poslušalec zazna razliko. Pri repliki lika opišite čustveno spremembo v trenutku, ko nastopi, namesto da bi imel celoten odlomek eno nespremenljivo razpoloženje.\n\nOznake v oglatih oklepajih so opisi z odprtega področja in ne zaprt nabor. Primeri vključujejo [whispering], [sigh], [long pause] in besedno zvezo, kot je [speaking slowly, almost hesitant]. Oznake se lahko pojavijo sredi povedi in vplivajo na govor, ki sledi. Opisni oznaki mora slediti dejansko besedilo; osamljeno navodilo lahko ustvari nepredvidljiv izhod. Začnite z enim ali dvema koristnima navodiloma, preden dodate več plasti, saj lahko nasprotujoče si oznake zakrijejo predvideno izvedbo. Različne glasovne reference se lahko na isto navodilo odzovejo z različno intenzivnostjo.\n\nObjava S2 opisuje približno 80 jezikov in navaja primere pisanja navodil za izvedbo v istem jeziku kot scenarij. Besedilo pripravite v jeziku, ki naj bo izgovorjen, in ohranite imena, enote ter kratice, ki potrebujejo določeno branje. Večjezično pripovedovanje lahko ohranja predvideni glas ob menjavi jezika scenarija, vendar je treba pri končnem izdelku še vedno s poslušanjem preveriti izgovarjavo in zveznost. Sinteza podano vsebino pretvori v govor in ne odloča, katere podatke naj aplikacija pove.\n\nZa enega govorca izberite shranjeni identifikator glasu ali priložite referenčni zvok in pripadajoči prepis. Proizvajalec za takojšnje prilagajanje priporoča čist vzorec, dolg 10–30 sekund. Za dialog uporabite oznake govorcev, kot sta <|speaker:0|> in <|speaker:1|>, z urejenim seznamom identifikatorjev glasov ali ločenimi skupinami referenc za govorce. Številčna oznaka izbere ustrezen vnos glasu; med razvojem pogovora ohranite vrstni red. Navodila za izvedbo v naravnem jeziku in izbira govorca imajo v scenariju različni vlogi.\n\nZvočni izhod je lahko MP3, WAV, surovi PCM ali Opus. MP3 ima privzeto 128 kb/s in omogoča 64 ali 192 kb/s; izhod Opus uporablja 48 kHz, WAV in PCM pa podpirata dokumentirane izbire frekvence vzorčenja v 16-bitnem mono formatu. Format izberite glede na dejanski cilj: shranjeno datoteko za pripovedovanje ali primerne zvočne kose za predvajanje. Proizvajalčev govorni potek opisuje tudi sprotno pretakanje besedila, ko scenarij prihaja postopoma. Generirani rezultat naj ostane povezan s celotnim scenarijem in izbranimi glasovi.\n\nHitrost lahko prilagodite med 0,5 in 2,0, na voljo pa so nastavitve glasnosti in normalizacije glasnosti izhoda. Normalizacija besedila izboljša branje angleških in kitajskih števil. Obdelava uporablja kose v razponu 100–300 in proračun zvočnih žetonov na kos, zato teh nastavitev ne razlagajte kot fiksno največjo dolžino celotne pripovedi. Pogojevanje s prejšnjim kosom lahko glasovni kontekst prenese v naslednji odsek. Nastavitve vzorčenja, kot sta temperature in top-p, vplivajo na variacije; tudi namensko usmerjena replika potrebuje dovolj besedila in konteksta za želeni zven.\n\nUporabna produkcijska navodila ločijo pripovedovanje, dialog in navodila za izvedbo ter določijo glas in format nastalega izdelka. S poslušanjem preverite manjkajoče besede, ponovljen zvok, izgovarjavo števil, menjave govorcev in časovno umestitev odziva. Popravite vrstico ali glasovno referenco, ki povzroča neskladje, namesto da bi domnevali, da več oznak izboljša vsak odlomek. S2 Pro ostaja ločen model prejšnje generacije S2; S2.1 Pro je poznejša izdaja z lastnimi izboljšavami in vedenjem nastavitev, značilnim za model.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "de16616d55ca54338241223694d1de52fa4ca00873da2f9f71e0a0e371a7d679", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "sl", "methods": [ { "html": "fish-audio/s2-proFish Audio S2 Pro ustvarja izrazni večjezični govor z navodili na ravni besed in nativnim dialogom več govorcev. Navodila v oglatih oklepajih usmerjajo izvedbo znotraj scenarija, glasovne reference določajo govorce, izhodne nastavitve pa oblikujejo zvočni izdelek.
Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.
S2 Pro je model druge generacije podjetja Fish Audio za pretvorbo besedila v govor, namenjen izraznemu pripovedovanju, dialogu likov in pogovornemu glasovnemu izhodu. Pisni scenarij pretvori v zvok in podpira usmerjanje v naravnem jeziku na ravni besede ali besedne zveze. Prejšnja generacija S1 uporablja namige v okroglih oklepajih, S2 Pro pa nativno uporablja oglate oklepaje in podpira več govorcev v eni zahtevi za sintezo. Proizvajalec objavlja uteži S2 Pro in kodo za dodatno učenje za ločeno prilagajanje; običajna govorna zahteva uporablja izbrani model, ne da bi učila novega.
Najprej napišite govorjeno vsebino, nato postavite navodilo za izvedbo neposredno pred besedo ali besedno zvezo, na katero naj vpliva. Navodila lahko opišejo šepet, odziv, premor, čustveni prehod ali poljubno opisan način govora. Pri kratki razlagi izdelka naj bo stvarna poved jasna, poudarek pa postavite le tja, kjer naj poslušalec zazna razliko. Pri repliki lika opišite čustveno spremembo v trenutku, ko nastopi, namesto da bi imel celoten odlomek eno nespremenljivo razpoloženje.
Oznake v oglatih oklepajih so opisi z odprtega področja in ne zaprt nabor. Primeri vključujejo [whispering], [sigh], [long pause] in besedno zvezo, kot je [speaking slowly, almost hesitant]. Oznake se lahko pojavijo sredi povedi in vplivajo na govor, ki sledi. Opisni oznaki mora slediti dejansko besedilo; osamljeno navodilo lahko ustvari nepredvidljiv izhod. Začnite z enim ali dvema koristnima navodiloma, preden dodate več plasti, saj lahko nasprotujoče si oznake zakrijejo predvideno izvedbo. Različne glasovne reference se lahko na isto navodilo odzovejo z različno intenzivnostjo.
Objava S2 opisuje približno 80 jezikov in navaja primere pisanja navodil za izvedbo v istem jeziku kot scenarij. Besedilo pripravite v jeziku, ki naj bo izgovorjen, in ohranite imena, enote ter kratice, ki potrebujejo določeno branje. Večjezično pripovedovanje lahko ohranja predvideni glas ob menjavi jezika scenarija, vendar je treba pri končnem izdelku še vedno s poslušanjem preveriti izgovarjavo in zveznost. Sinteza podano vsebino pretvori v govor in ne odloča, katere podatke naj aplikacija pove.
Za enega govorca izberite shranjeni identifikator glasu ali priložite referenčni zvok in pripadajoči prepis. Proizvajalec za takojšnje prilagajanje priporoča čist vzorec, dolg 10–30 sekund. Za dialog uporabite oznake govorcev, kot sta <|speaker:0|> in <|speaker:1|>, z urejenim seznamom identifikatorjev glasov ali ločenimi skupinami referenc za govorce. Številčna oznaka izbere ustrezen vnos glasu; med razvojem pogovora ohranite vrstni red. Navodila za izvedbo v naravnem jeziku in izbira govorca imajo v scenariju različni vlogi.
Zvočni izhod je lahko MP3, WAV, surovi PCM ali Opus. MP3 ima privzeto 128 kb/s in omogoča 64 ali 192 kb/s; izhod Opus uporablja 48 kHz, WAV in PCM pa podpirata dokumentirane izbire frekvence vzorčenja v 16-bitnem mono formatu. Format izberite glede na dejanski cilj: shranjeno datoteko za pripovedovanje ali primerne zvočne kose za predvajanje. Proizvajalčev govorni potek opisuje tudi sprotno pretakanje besedila, ko scenarij prihaja postopoma. Generirani rezultat naj ostane povezan s celotnim scenarijem in izbranimi glasovi.
Hitrost lahko prilagodite med 0,5 in 2,0, na voljo pa so nastavitve glasnosti in normalizacije glasnosti izhoda. Normalizacija besedila izboljša branje angleških in kitajskih števil. Obdelava uporablja kose v razponu 100–300 in proračun zvočnih žetonov na kos, zato teh nastavitev ne razlagajte kot fiksno največjo dolžino celotne pripovedi. Pogojevanje s prejšnjim kosom lahko glasovni kontekst prenese v naslednji odsek. Nastavitve vzorčenja, kot sta temperature in top-p, vplivajo na variacije; tudi namensko usmerjena replika potrebuje dovolj besedila in konteksta za želeni zven.
Uporabna produkcijska navodila ločijo pripovedovanje, dialog in navodila za izvedbo ter določijo glas in format nastalega izdelka. S poslušanjem preverite manjkajoče besede, ponovljen zvok, izgovarjavo števil, menjave govorcev in časovno umestitev odziva. Popravite vrstico ali glasovno referenco, ki povzroča neskladje, namesto da bi domnevali, da več oznak izboljša vsak odlomek. S2 Pro ostaja ločen model prejšnje generacije S2; S2.1 Pro je poznejša izdaja z lastnimi izboljšavami in vedenjem nastavitev, značilnim za model.
POST /v1/audio/speechtextaudio| Polje | Vrsta | Zahteva | Vrednosti in omejitve | Privzeto |
|---|---|---|---|---|
Poljemodel | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve fish-audio/s2-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— |
| 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 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 $0.00003 na vhodni bajt UTF-8 |
Ailoot pred zahtevo rezervira ocenjeni znesek. Po rezultatu obračuna končni strošek na podlagi izmerjene porabe. Obračun pretakanja uporablja končni zapis porabe. Kako delujeta rezervacija in obračun →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_INPUT_TEXT:?Set the actual documented input value}"\nexport AILOOT_INPUT_TEXT\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\nrequest={'model': 'fish-audio/s2-pro', 'input': '${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-pro
Uporabite zgoraj navedene poti metod.