Voxtral TTS je model podjetja Mistral AI s 4B parametri za pretvorbo besedila v govor in ustvarjanje govornega zvoka iz besedila ter glasovne reference. Razvijalčeva stran modela izdajo 2603 označuje kot voxtral-mini-tts-2603, kartica izdanih uteži pa se imenuje Voxtral 4B TTS 2603. Ta vnos se nanaša na to izdajo za ustvarjanje govora, ločeno od zvočnega razumevanja Voxtral Small, prepisovanja in poznejših modelov za vhod v realnem času.
Izrazni govor in prilagajanje glasu
Model je zasnovan za zajem premorov, ritma, intonacije, naglasa in čustvene upodobitve referenčnega glasu. Glas deluje kot navodilo, kako naj besedilo zveni; razvijalčev pregled ne zahteva ločenih oznak prozodije ali čustev oziroma prepisa referenčnega posnetka. Izvorno besedilo določa, kaj je izgovorjeno, zvočna referenca pa usmerja podajanje.
Pregled opisuje prilagajanje glasu že iz dveh do treh sekund zvoka. Opis arhitekture obravnava glasovna navodila s petimi do petindvajsetimi sekundami. Ti izjavi imata različen obseg: primer kratkega prilagajanja ni zahteva po uporabi najkrajše možne reference. Izberite jasen govor, ki predstavlja slog in naglas, želena za končni rezultat.
Izdana kartica vključuje dvajset prednastavljenih glasov in prilagajanje novim glasovom. Razvijalčev govorni potek lahko uporabi shranjen glasovni profil ali enkraten referenčni izsek. Shranjevanje profila omogoča ponovno uporabo iste glasovne reference v ločenih govornih zahtevah, enkraten izsek pa jo zagotovi za trenutno nalogo. Profil in ustvarjeni posnetek sta različna izdelka.
Jeziki in medjezikovno podajanje
Izdaja podpira angleščino, francoščino, španščino, nemščino, italijanščino, portugalščino, nizozemščino, arabščino in hindijščino, z različnimi narečji, medjezikovnim prenosom glasu in mešanjem jezikov, ki jih opisuje razvijalec. Za najboljši rezultat govorni vodnik priporoča ujemanje jezika reference z jezikom besedila. Medjezikovni prenos lahko ohrani naglas reference, medtem ko govori pripravljeno besedilo v drugem podprtem jeziku.
Praktična pripovedna naloga lahko za razlago v različnih podprtih jezikih uporabi isti glasovni slog, z vsakim besedilom, pripravljenim za predvidenega poslušalca. Odgovor glasovnega pomočnika lahko uporabi kratek pogovorni scenarij namesto glasnega branja neurejenega dokumenta. Model za pretvorbo besedila v govor upodobi pripravljene besede; prevajalska stopnja ali stopnja pisanja odgovora, ki ustvari te besede, je ločen korak.
Priprava besedila
Razvijalčev govorni vodnik priporoča besedilo, ki ga je mogoče izgovoriti. Številke in simbole zapišite v obliki, ki naj bo izgovorjena, da modelu ni treba izbirati med možnimi branji. Število je lahko količina, čas ali identifikator; pred sintezo določite želeno govorjeno besedilo. Okrajšave izpišite, kadar je izgovarjava pomembna, in uporabite ločene črke, kadar je to predvideno branje.
Izogibajte se bogatemu oblikovanju, emodžijem in posebnim znakom, ki ne bodo upodobljeni kot govorna vsebina. Pripravite cele stavke z ločili in besedilom, potrebnimi za podajanje. Vodnik za najboljše rezultate priporoča navodila pod 300 besedami. To je priporočilo za kakovost, ne razglašena trda meja dolžine vnosa.
Pri postopkovni razlagi dejanje in pogoj zapišite v stavek, ki mu poslušalec lahko sledi. Pri obvestilu pomembne informacije postavite pred neobvezne podrobnosti. Pri glasovnem odgovoru ohranite dejanski odgovor in odstranite oblikovanje samo za prikaz ali zapis virov, ki ne sme biti izgovorjen. Ta priprava naredi sam scenarij primeren za zvok, preden referenca določi njegov slog.
Pretakanje, izhod in trajanje
Razvijalec dokumentira osnovno in pretočno dostavo ter opisuje izvorno ustvarjanje do dveh minut zvoka. Kartica izdanih uteži navaja tudi paketno izvajanje za pripravo več govornih nalog. Daljša ustvarjanja storitve uporabljajo prepletanje, namesto da bi en izvorni del obravnavala kot neomejen. Za daljšo pripoved pripravite povezane razdelke ter ohranite njihovo pripravo glasu in besedila dosledno s potekom dostave, ki obravnava nadaljevanje.
Izdana kartica določa zvok pri 24 kHz in navaja izhodne formate WAV, PCM, FLAC, MP3, AAC in Opus. Vodnik govorne storitve obravnava MP3 za stisnjeno dostavo, WAV za nestisnjen PCM, FLAC za stiskanje brez izgub ter PCM ali Opus za pretakanje. Izberite format, ki ga povezani potek podpira in ki ustreza njegovemu predvajalniku ali koraku obdelave. Izbira formata in vedenje pretakanja sta ločena od samega prilagajanja glasu.
Arhitektura modela in praktične meje
Objava opisuje avtoregresivno arhitekturo s poravnavanjem tokov, z osnovnim dekodirnikom Transformer s 3,4 milijarde parametrov, akustičnim Transformerjem s 390 milijoni parametrov in nevronskim zvočnim kodekom s 300 milijoni parametrov. Dekodirnik napoveduje semantično vsebino, akustična komponenta ustvari predstavitev govora, kodek pa obravnava zvok. Te komponente pojasnjujejo približno oznako modela 4B; niso dodatni vhodni jeziki ali drug model za ustvarjanje odgovorov.
Praktičen izhod je sintetizirani posnetek ali zvočni tok, povezan s pripravljenim scenarijem in izbranim glasom. Te povezave ohranite pri ustvarjanju več razdelkov, da lahko aplikacija shrani, predvaja ali sestavi pravilno gradivo. Model ustvarja zvok, ne prepisa, vektorja za semantično iskanje ali na novo napisanega stvarnega odgovora.
Ohranite govorno izdajo 2603, podprti jezik in slog reference. Prebrani viri zagotavljajo navedbo o izvornih dveh minutah in priporočilo priprave pod 300 besedami, ne določajo pa ločene trde največje omejitve znakov besedila ali skupnega trajanja sestavljenega posnetka. Končni zvočni izdelek določite glede na dejansko besedilo, glas in zahteve podajanja.
", "aboutText": "Voxtral TTS je model podjetja Mistral AI s 4B parametri za pretvorbo besedila v govor in ustvarjanje govornega zvoka iz besedila ter glasovne reference. Razvijalčeva stran modela izdajo 2603 označuje kot voxtral-mini-tts-2603, kartica izdanih uteži pa se imenuje Voxtral 4B TTS 2603. Ta vnos se nanaša na to izdajo za ustvarjanje govora, ločeno od zvočnega razumevanja Voxtral Small, prepisovanja in poznejših modelov za vhod v realnem času.\n\nIzrazni govor in prilagajanje glasu\n\nModel je zasnovan za zajem premorov, ritma, intonacije, naglasa in čustvene upodobitve referenčnega glasu. Glas deluje kot navodilo, kako naj besedilo zveni; razvijalčev pregled ne zahteva ločenih oznak prozodije ali čustev oziroma prepisa referenčnega posnetka. Izvorno besedilo določa, kaj je izgovorjeno, zvočna referenca pa usmerja podajanje.\n\nPregled opisuje prilagajanje glasu že iz dveh do treh sekund zvoka. Opis arhitekture obravnava glasovna navodila s petimi do petindvajsetimi sekundami. Ti izjavi imata različen obseg: primer kratkega prilagajanja ni zahteva po uporabi najkrajše možne reference. Izberite jasen govor, ki predstavlja slog in naglas, želena za končni rezultat.\n\nIzdana kartica vključuje dvajset prednastavljenih glasov in prilagajanje novim glasovom. Razvijalčev govorni potek lahko uporabi shranjen glasovni profil ali enkraten referenčni izsek. Shranjevanje profila omogoča ponovno uporabo iste glasovne reference v ločenih govornih zahtevah, enkraten izsek pa jo zagotovi za trenutno nalogo. Profil in ustvarjeni posnetek sta različna izdelka.\n\nJeziki in medjezikovno podajanje\n\nIzdaja podpira angleščino, francoščino, španščino, nemščino, italijanščino, portugalščino, nizozemščino, arabščino in hindijščino, z različnimi narečji, medjezikovnim prenosom glasu in mešanjem jezikov, ki jih opisuje razvijalec. Za najboljši rezultat govorni vodnik priporoča ujemanje jezika reference z jezikom besedila. Medjezikovni prenos lahko ohrani naglas reference, medtem ko govori pripravljeno besedilo v drugem podprtem jeziku.\n\nPraktična pripovedna naloga lahko za razlago v različnih podprtih jezikih uporabi isti glasovni slog, z vsakim besedilom, pripravljenim za predvidenega poslušalca. Odgovor glasovnega pomočnika lahko uporabi kratek pogovorni scenarij namesto glasnega branja neurejenega dokumenta. Model za pretvorbo besedila v govor upodobi pripravljene besede; prevajalska stopnja ali stopnja pisanja odgovora, ki ustvari te besede, je ločen korak.\n\nPriprava besedila\n\nRazvijalčev govorni vodnik priporoča besedilo, ki ga je mogoče izgovoriti. Številke in simbole zapišite v obliki, ki naj bo izgovorjena, da modelu ni treba izbirati med možnimi branji. Število je lahko količina, čas ali identifikator; pred sintezo določite želeno govorjeno besedilo. Okrajšave izpišite, kadar je izgovarjava pomembna, in uporabite ločene črke, kadar je to predvideno branje.\n\nIzogibajte se bogatemu oblikovanju, emodžijem in posebnim znakom, ki ne bodo upodobljeni kot govorna vsebina. Pripravite cele stavke z ločili in besedilom, potrebnimi za podajanje. Vodnik za najboljše rezultate priporoča navodila pod 300 besedami. To je priporočilo za kakovost, ne razglašena trda meja dolžine vnosa.\n\nPri postopkovni razlagi dejanje in pogoj zapišite v stavek, ki mu poslušalec lahko sledi. Pri obvestilu pomembne informacije postavite pred neobvezne podrobnosti. Pri glasovnem odgovoru ohranite dejanski odgovor in odstranite oblikovanje samo za prikaz ali zapis virov, ki ne sme biti izgovorjen. Ta priprava naredi sam scenarij primeren za zvok, preden referenca določi njegov slog.\n\nPretakanje, izhod in trajanje\n\nRazvijalec dokumentira osnovno in pretočno dostavo ter opisuje izvorno ustvarjanje do dveh minut zvoka. Kartica izdanih uteži navaja tudi paketno izvajanje za pripravo več govornih nalog. Daljša ustvarjanja storitve uporabljajo prepletanje, namesto da bi en izvorni del obravnavala kot neomejen. Za daljšo pripoved pripravite povezane razdelke ter ohranite njihovo pripravo glasu in besedila dosledno s potekom dostave, ki obravnava nadaljevanje.\n\nIzdana kartica določa zvok pri 24 kHz in navaja izhodne formate WAV, PCM, FLAC, MP3, AAC in Opus. Vodnik govorne storitve obravnava MP3 za stisnjeno dostavo, WAV za nestisnjen PCM, FLAC za stiskanje brez izgub ter PCM ali Opus za pretakanje. Izberite format, ki ga povezani potek podpira in ki ustreza njegovemu predvajalniku ali koraku obdelave. Izbira formata in vedenje pretakanja sta ločena od samega prilagajanja glasu.\n\nArhitektura modela in praktične meje\n\nObjava opisuje avtoregresivno arhitekturo s poravnavanjem tokov, z osnovnim dekodirnikom Transformer s 3,4 milijarde parametrov, akustičnim Transformerjem s 390 milijoni parametrov in nevronskim zvočnim kodekom s 300 milijoni parametrov. Dekodirnik napoveduje semantično vsebino, akustična komponenta ustvari predstavitev govora, kodek pa obravnava zvok. Te komponente pojasnjujejo približno oznako modela 4B; niso dodatni vhodni jeziki ali drug model za ustvarjanje odgovorov.\n\nPraktičen izhod je sintetizirani posnetek ali zvočni tok, povezan s pripravljenim scenarijem in izbranim glasom. Te povezave ohranite pri ustvarjanju več razdelkov, da lahko aplikacija shrani, predvaja ali sestavi pravilno gradivo. Model ustvarja zvok, ne prepisa, vektorja za semantično iskanje ali na novo napisanega stvarnega odgovora.\n\nOhranite govorno izdajo 2603, podprti jezik in slog reference. Prebrani viri zagotavljajo navedbo o izvornih dveh minutah in priporočilo priprave pod 300 besedami, ne določajo pa ločene trde največje omejitve znakov besedila ali skupnega trajanja sestavljenega posnetka. Končni zvočni izdelek določite glede na dejansko besedilo, glas in zahteve podajanja.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "0d6476d35d5180a70258f82f348f6c7d078527fd7bf02bfb1a0bc80311d2594d", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "sl", "methods": [ { "html": "mistralai/voxtral-mini-tts-2603Voxtral TTS je model Mistral AI s 4B parametri za ustvarjanje govora z referenčnim prilagajanjem glasu v devetih jezikih. Pripravljeno besedilo pretvori v izrazni zvok, podpira ponovljiva ali enkratna glasovna navodila in pretakanje ter ustvari izhod pri 24 kHz v dokumentiranih zvočnih formatih.
Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.
Voxtral TTS je model podjetja Mistral AI s 4B parametri za pretvorbo besedila v govor in ustvarjanje govornega zvoka iz besedila ter glasovne reference. Razvijalčeva stran modela izdajo 2603 označuje kot voxtral-mini-tts-2603, kartica izdanih uteži pa se imenuje Voxtral 4B TTS 2603. Ta vnos se nanaša na to izdajo za ustvarjanje govora, ločeno od zvočnega razumevanja Voxtral Small, prepisovanja in poznejših modelov za vhod v realnem času.
Izrazni govor in prilagajanje glasu
Model je zasnovan za zajem premorov, ritma, intonacije, naglasa in čustvene upodobitve referenčnega glasu. Glas deluje kot navodilo, kako naj besedilo zveni; razvijalčev pregled ne zahteva ločenih oznak prozodije ali čustev oziroma prepisa referenčnega posnetka. Izvorno besedilo določa, kaj je izgovorjeno, zvočna referenca pa usmerja podajanje.
Pregled opisuje prilagajanje glasu že iz dveh do treh sekund zvoka. Opis arhitekture obravnava glasovna navodila s petimi do petindvajsetimi sekundami. Ti izjavi imata različen obseg: primer kratkega prilagajanja ni zahteva po uporabi najkrajše možne reference. Izberite jasen govor, ki predstavlja slog in naglas, želena za končni rezultat.
Izdana kartica vključuje dvajset prednastavljenih glasov in prilagajanje novim glasovom. Razvijalčev govorni potek lahko uporabi shranjen glasovni profil ali enkraten referenčni izsek. Shranjevanje profila omogoča ponovno uporabo iste glasovne reference v ločenih govornih zahtevah, enkraten izsek pa jo zagotovi za trenutno nalogo. Profil in ustvarjeni posnetek sta različna izdelka.
Jeziki in medjezikovno podajanje
Izdaja podpira angleščino, francoščino, španščino, nemščino, italijanščino, portugalščino, nizozemščino, arabščino in hindijščino, z različnimi narečji, medjezikovnim prenosom glasu in mešanjem jezikov, ki jih opisuje razvijalec. Za najboljši rezultat govorni vodnik priporoča ujemanje jezika reference z jezikom besedila. Medjezikovni prenos lahko ohrani naglas reference, medtem ko govori pripravljeno besedilo v drugem podprtem jeziku.
Praktična pripovedna naloga lahko za razlago v različnih podprtih jezikih uporabi isti glasovni slog, z vsakim besedilom, pripravljenim za predvidenega poslušalca. Odgovor glasovnega pomočnika lahko uporabi kratek pogovorni scenarij namesto glasnega branja neurejenega dokumenta. Model za pretvorbo besedila v govor upodobi pripravljene besede; prevajalska stopnja ali stopnja pisanja odgovora, ki ustvari te besede, je ločen korak.
Priprava besedila
Razvijalčev govorni vodnik priporoča besedilo, ki ga je mogoče izgovoriti. Številke in simbole zapišite v obliki, ki naj bo izgovorjena, da modelu ni treba izbirati med možnimi branji. Število je lahko količina, čas ali identifikator; pred sintezo določite želeno govorjeno besedilo. Okrajšave izpišite, kadar je izgovarjava pomembna, in uporabite ločene črke, kadar je to predvideno branje.
Izogibajte se bogatemu oblikovanju, emodžijem in posebnim znakom, ki ne bodo upodobljeni kot govorna vsebina. Pripravite cele stavke z ločili in besedilom, potrebnimi za podajanje. Vodnik za najboljše rezultate priporoča navodila pod 300 besedami. To je priporočilo za kakovost, ne razglašena trda meja dolžine vnosa.
Pri postopkovni razlagi dejanje in pogoj zapišite v stavek, ki mu poslušalec lahko sledi. Pri obvestilu pomembne informacije postavite pred neobvezne podrobnosti. Pri glasovnem odgovoru ohranite dejanski odgovor in odstranite oblikovanje samo za prikaz ali zapis virov, ki ne sme biti izgovorjen. Ta priprava naredi sam scenarij primeren za zvok, preden referenca določi njegov slog.
Pretakanje, izhod in trajanje
Razvijalec dokumentira osnovno in pretočno dostavo ter opisuje izvorno ustvarjanje do dveh minut zvoka. Kartica izdanih uteži navaja tudi paketno izvajanje za pripravo več govornih nalog. Daljša ustvarjanja storitve uporabljajo prepletanje, namesto da bi en izvorni del obravnavala kot neomejen. Za daljšo pripoved pripravite povezane razdelke ter ohranite njihovo pripravo glasu in besedila dosledno s potekom dostave, ki obravnava nadaljevanje.
Izdana kartica določa zvok pri 24 kHz in navaja izhodne formate WAV, PCM, FLAC, MP3, AAC in Opus. Vodnik govorne storitve obravnava MP3 za stisnjeno dostavo, WAV za nestisnjen PCM, FLAC za stiskanje brez izgub ter PCM ali Opus za pretakanje. Izberite format, ki ga povezani potek podpira in ki ustreza njegovemu predvajalniku ali koraku obdelave. Izbira formata in vedenje pretakanja sta ločena od samega prilagajanja glasu.
Arhitektura modela in praktične meje
Objava opisuje avtoregresivno arhitekturo s poravnavanjem tokov, z osnovnim dekodirnikom Transformer s 3,4 milijarde parametrov, akustičnim Transformerjem s 390 milijoni parametrov in nevronskim zvočnim kodekom s 300 milijoni parametrov. Dekodirnik napoveduje semantično vsebino, akustična komponenta ustvari predstavitev govora, kodek pa obravnava zvok. Te komponente pojasnjujejo približno oznako modela 4B; niso dodatni vhodni jeziki ali drug model za ustvarjanje odgovorov.
Praktičen izhod je sintetizirani posnetek ali zvočni tok, povezan s pripravljenim scenarijem in izbranim glasom. Te povezave ohranite pri ustvarjanju več razdelkov, da lahko aplikacija shrani, predvaja ali sestavi pravilno gradivo. Model ustvarja zvok, ne prepisa, vektorja za semantično iskanje ali na novo napisanega stvarnega odgovora.
Ohranite govorno izdajo 2603, podprti jezik in slog reference. Prebrani viri zagotavljajo navedbo o izvornih dveh minutah in priporočilo priprave pod 300 besedami, ne določajo pa ločene trde največje omejitve znakov besedila ali skupnega trajanja sestavljenega posnetka. Končni zvočni izdelek določite glede na dejansko besedilo, glas in zahteve podajanja.
POST /v1/audio/speechtextaudio| Polje | Vrsta | Zahteva | Vrednosti in omejitve | Privzeto |
|---|---|---|---|---|
Poljemodel | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve mistralai/voxtral-mini-tts-2603 | Privzeto— |
Poljeinput | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve Najmanjša dolžina: 1 Enota: znaki Unicode | Privzeto— |
Poljevoice | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve en_paul_sad, en_paul_neutral, en_paul_happy, en_paul_frustrated, en_paul_excited, en_paul_confident, en_paul_cheerful, en_paul_angry, gb_oliver_neutral, gb_oliver_sad, gb_oliver_excited, gb_oliver_curious, gb_oliver_confident, gb_oliver_cheerful, gb_oliver_angry, gb_jane_sarcasm, gb_jane_confused, gb_jane_shameful, gb_jane_sad, gb_jane_neutral, gb_jane_jealousy, gb_jane_frustrated, gb_jane_curious, gb_jane_confident, fr_marie_sad, fr_marie_neutral, fr_marie_happy, fr_marie_excited, fr_marie_curious, fr_marie_angry | Privzeto— |
Poljeresponse_format | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve mp3 | Privzeto— |
text_to_speech · Obvezno: input
| Parameter | Specifikacija |
|---|---|
Parametercontent_type | Specifikacijaapplication/json |
Parameterrequired | Specifikacijamodel, input, voice, response_format |
Parametervoice_ids | Specifikacijaen_paul_sad, en_paul_neutral, en_paul_happy, en_paul_frustrated, en_paul_excited, en_paul_confident, en_paul_cheerful, en_paul_angry, gb_oliver_neutral, gb_oliver_sad, gb_oliver_excited, gb_oliver_curious, gb_oliver_confident, gb_oliver_cheerful, gb_oliver_angry, gb_jane_sarcasm, gb_jane_confused, gb_jane_shameful, gb_jane_sad, gb_jane_neutral, gb_jane_jealousy, gb_jane_frustrated, gb_jane_curious, gb_jane_confident, fr_marie_sad, fr_marie_neutral, fr_marie_happy, fr_marie_excited, fr_marie_curious, fr_marie_angry |
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.
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 | 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 $0.032 na 1K vhodnih znakov |
Referenčne lestvice modela ne spreminjajo izbire metode, ocen cen ali stroškov. Veljavni stroški uporabljajo cene izbrane metode Ailoot.
| Nastavitev | Obračunski pogoji | Strošek |
|---|---|---|
| NastavitevMistral: Voxtral Mini TTS · Privzeta konfiguracija | Obračunski pogojiPrivzeta konfiguracija | Strošek Vhod · Vhodni znaki 0,000032 $ 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 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_VOICE_ID:?Choose an accepted voice ID from this exact model profile}"\nexport AILOOT_VOICE_ID\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "mistralai/voxtral-mini-tts-2603", "input": "Good afternoon! This is a short voice take."}')\nvoice=os.environ["AILOOT_VOICE_ID"]\nallowed=json.loads('["en_paul_sad", "en_paul_neutral", "en_paul_happy", "en_paul_frustrated", "en_paul_excited", "en_paul_confident", "en_paul_cheerful", "en_paul_angry", "gb_oliver_neutral", "gb_oliver_sad", "gb_oliver_excited", "gb_oliver_curious", "gb_oliver_confident", "gb_oliver_cheerful", "gb_oliver_angry", "gb_jane_sarcasm", "gb_jane_confused", "gb_jane_shameful", "gb_jane_sad", "gb_jane_neutral", "gb_jane_jealousy", "gb_jane_frustrated", "gb_jane_curious", "gb_jane_confident", "fr_marie_sad", "fr_marie_neutral", "fr_marie_happy", "fr_marie_excited", "fr_marie_curious", "fr_marie_angry"]')\nif voice not in allowed: raise SystemExit("Choose an accepted voice ID from this exact model profile")\np["voice"]=voice\np["response_format"]="mp3"\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/speech \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o speech.mp3\nmp3
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}set -eu\n: "${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 $AILOOT_API_KEY" -o media-assets.json\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_MEDIA_TASK_ID:?Set the actual ID returned by the response or media-library metadata}"\nexport AILOOT_MEDIA_TASK_ID\nresource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_MEDIA_TASK_ID"],safe=""))')\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/tasks/$resource_id" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o media-task.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("media-task.json").read_text())))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_ASSET_ID:?Set the actual ID returned by the response or media-library metadata}"\nexport AILOOT_ASSET_ID\nresource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_ASSET_ID"],safe=""))')\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/assets/$resource_id" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o media-asset.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("media-asset.json").read_text())))\nPY_RESULT\nShranite 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.
Shranite izvirni operation_id/X-Client-Request-ID za uskladitev evidenc brez ponovnega pošiljanja; namenska pot za periodično preverjanje zvoka ne obstaja.
| Polje | Vrsta |
|---|---|
Poljebinary audio | Vrstabytes |
Poljeresponse headers | Vrstaheaders |
| 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. |
Ailoot Ultra mistralai/voxtral-mini-tts-2603
Uporabite zgoraj navedene poti metod.