hexgrad: Kokoro 82M
Kokoro 82M razvijalca hexgrad ustvarja govor s kompaktnim modelom z 82 milijoni parametrov in prednastavljenim glasom za določen jezik. Njegov dokumentirani profil v1.0 vključuje osem jezikov, 54 glasov in zvočni izhod pri 24 kHz.
O modelu
Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.
Kokoro 82M je hexgradov model za pretvorbo besedila v govor z odprtimi utežmi in dvainosemdesetimi milijoni parametrov. Njegova kartica modela opisuje kompaktno arhitekturo samo z dekodirnikom, ki temelji na StyleTTS 2 in iSTFTNet. Pisno besedilo se pretvori v podatke o izgovarjavi in nato v govor z izbranim glasom. Dokumentirana izdaja v1.0 zagotavlja štiriinpetdeset glasov v osmih jezikih; ta profil se razlikuje od predhodne izključno angleške izdaje v0.19.
Izberite ujemajoča se jezik in glas
Katalog glasov pokriva ameriško in britansko angleščino, japonščino, mandarinsko kitajščino, španščino, francoščino, hindijščino, italijanščino in brazilsko portugalščino. Angleška naglasa sta različici enega jezika. Imena glasov in jezikovne nastavitve sodijo skupaj: af_heart je ameriškoangleški primer v uradnem poteku, katalog pa ima ločene skupine za druge jezike in naglase.
Govorca izberite glede na dejansko gradivo, ki ga bo prebral. Kratka pripoved tečaja lahko uporablja en dosleden prednastavljeni glas skozi razdelke; večjezična zbirka lahko izbere glas iz vsake potrebne jezikovne skupine. Pokritost kataloga se med skupinami razlikuje. Francoščino na primer predstavlja en naveden glas, ne širši izbor, ki je na voljo za angleščino.
Pripravite izgovarjavo in odlomke
Kokorov referenčni postopek pretvori pisne oblike v foneme. Njegovi primeri omogočajo izrecno fonetično branje izraza, zato je mogoče zahtevno ime pripraviti, namesto da bi ga prepustili dvoumnemu zapisu. Okoliški stavek naj bo naraven in ohrani besedilo, ki naj ga poslušalec sliši.
Praktičen odlomek je: »Vodnik ima tri dele. Najprej izberite gradivo. Nato primerjajte primere. Nazadnje shranite različico, ki jo želite uporabiti.« Pišite popolne fraze in ohranite premore, ki jih nakazujejo ločila. Pri dolgi vsebini vnos uredite v povezane odstavke, namesto da bi celoten dokument obravnavali kot eno neprekinjeno izjavo.
Vodnik za glasove navaja, da številni govorci najbolje delujejo z odlomki približno 100–200 žetonov znotraj razpona približno 500 žetonov. Opozarja na slabosti pri zelo kratkih izjavah, zlasti pod 10–20 žetoni, in težnjo k hitenju pri daljših odlomkih, zlasti nad 400 žetoni. To so ugotovitve za pripravo na podlagi žetonov, ne omejitve števila besed ali trajanja posnetka. Združevanje kratkih drobcev ali delitev dolgega odlomka lahko zagotovi primernejšo govorno enoto.
Zvočni izhod in tempo
Uradni potek za vsak ustvarjeni segment vrne obdelano besedilo, foneme in zvočni rezultat. Te segmente shrani kot WAV pri 24 000 Hz in v referenčnem postopku ponuja nastavitev hitrosti. Besedilo segmentov in njihov vrstni red povežite z zvokom, da sestavljena pripoved sledi predvidenemu scenariju.
Uporabno preverjanje pri urejanju je poslušanje prek meje med dvema odlomkoma, nato pregled ponavljajočih se imen in tempa seznamov. Zvočni izhod in prikaz fonemov imata različna namena: prvi je posnetek, ki ga sliši poslušalec, drugi pa pomaga pregledati izgovarjavo pisnega besedila.
Jezikovna pokritost in uporabne omejitve
Razvijalec izrecno opozarja, da je lahko podpora neangleškim jezikom skromna zaradi omejene obdelave izgovarjave ali podatkov za učenje glasov. Njegovih skupin prednastavitev zato ne smete obravnavati kot enakovredna jamstva podajanja za vsak odlomek. Izberite ustreznega govorca in preverite dejanska imena ter izražanje, potrebna za nalogo.
Uporaben izdelek je govorni odlomek ali sestavljena pripoved z dokumentiranim prednastavljenim glasom, z besedilom, pripravljenim glede na potrebe izgovarjave in dolžine odlomkov. Ta profil sledi razvijalčevim gradivom za Kokoro 82M v1.0; druga različica uteži, kvantizirana implementacija ali zunanje spremenjeni glas ima svoj tehnični obseg.
Ailoot Ultra · Pretvorba v govor POST /v1/audio/speech hexgrad/kokoro-82m
hexgrad/kokoro-82mZačetek
Kokoro 82M razvijalca hexgrad ustvarja govor s kompaktnim modelom z 82 milijoni parametrov in prednastavljenim glasom za določen jezik. Njegov dokumentirani profil v1.0 vključuje osem jezikov, 54 glasov in zvočni izhod pri 24 kHz.
- 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 hexgrad/kokoro-82m | Privzeto— |
Poljeinput | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve Najmanjša dolžina: 1 Enota: znaki Unicode | Privzeto— |
Poljevoice | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve af_alloy, af_aoede, af_bella, af_heart, af_jessica, af_kore, af_nicole, af_nova, af_river, af_sarah, af_sky, am_adam, am_echo, am_eric, am_fenrir, am_liam, am_michael, am_onyx, am_puck, am_santa, bf_alice, bf_emma, bf_isabella, bf_lily, bm_daniel, bm_fable, bm_george, bm_lewis, ef_dora, em_alex, em_santa, ff_siwis, hf_alpha, hf_beta, hm_omega, hm_psi, if_sara, im_nicola, jf_alpha, jf_gongitsune, jf_nezumi, jf_tebukuro, jm_kumo, pf_dora, pm_alex, pm_santa, zf_xiaobei, zf_xiaoni, zf_xiaoxiao, zf_xiaoyi, zm_yunjian, zm_yunxi, zm_yunxia, zm_yunyang | 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 | Specifikacijaaf_alloy, af_aoede, af_bella, af_heart, af_jessica, af_kore, af_nicole, af_nova, af_river, af_sarah, af_sky, am_adam, am_echo, am_eric, am_fenrir, am_liam, am_michael, am_onyx, am_puck, am_santa, bf_alice, bf_emma, bf_isabella, bf_lily, bm_daniel, bm_fable, bm_george, bm_lewis, ef_dora, em_alex, em_santa, ff_siwis, hf_alpha, hf_beta, hm_omega, hm_psi, if_sara, im_nicola, jf_alpha, jf_gongitsune, jf_nezumi, jf_tebukuro, jm_kumo, pf_dora, pm_alex, pm_santa, zf_xiaobei, zf_xiaoni, zf_xiaoxiao, zf_xiaoyi, zm_yunjian, zm_yunxi, zm_yunxia, zm_yunyang |
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 | Obračunana količina | Obračunska enota | Strošek |
|---|---|---|---|---|
| NastavitevOsnovne cene žetonov | Cenovna lestvicaOsnovna cena | Obračunana količina— | 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— | Obračunana količinaVsaka kodna točka Unicode šteje kot en znak, vključno z znaki Han. | Obračunska enotana 1K vhodnih znakov | Strošek Vhod · vhodni znak $0.008 na 1K vhodnih znakov |
Podrobnosti referenčne tarife
Referenčne lestvice modela ne spreminjajo izbire metode, ocen cen ali stroškov. Veljavni stroški uporabljajo cene izbrane metode Ailoot.
hexgrad: Kokoro 82M
Cene po nastavitvah
| Nastavitev | Obračunski pogoji | Strošek |
|---|---|---|
| Nastavitevhexgrad: Kokoro 82M · Privzeta konfiguracija | Obračunski pogojiPrivzeta konfiguracija | Strošek Vhod · Vhodni znaki 0,00000124 $ 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": "hexgrad/kokoro-82m", "input": "Good afternoon! This is a short voice take."}')
voice=os.environ["AILOOT_VOICE_ID"]
allowed=json.loads('["af_alloy", "af_aoede", "af_bella", "af_heart", "af_jessica", "af_kore", "af_nicole", "af_nova", "af_river", "af_sarah", "af_sky", "am_adam", "am_echo", "am_eric", "am_fenrir", "am_liam", "am_michael", "am_onyx", "am_puck", "am_santa", "bf_alice", "bf_emma", "bf_isabella", "bf_lily", "bm_daniel", "bm_fable", "bm_george", "bm_lewis", "ef_dora", "em_alex", "em_santa", "ff_siwis", "hf_alpha", "hf_beta", "hm_omega", "hm_psi", "if_sara", "im_nicola", "jf_alpha", "jf_gongitsune", "jf_nezumi", "jf_tebukuro", "jm_kumo", "pf_dora", "pm_alex", "pm_santa", "zf_xiaobei", "zf_xiaoni", "zf_xiaoxiao", "zf_xiaoyi", "zm_yunjian", "zm_yunxi", "zm_yunxia", "zm_yunyang"]')
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 hexgrad/kokoro-82m
Druga imena poti metod
Uporabite zgoraj navedene poti metod.
Povezani ID-ji za klic
FAQ · hexgrad: Kokoro 82M
- Kateri vhodi in rezultati so na voljo?
POST /v1/audio/speech·hexgrad/kokoro-82m:text→audio- Katera polja uporablja zahteva?
POST /v1/audio/speech·hexgrad/kokoro-82m:model,input,voice,response_format