TTS-1 je OpenAI-jev model za pretvorbo besedila v govor, optimiziran za hitrost. Sprejme besede za izgovarjavo in ustvari zvok, ne prepisa ali pisnega odgovora. Proizvajalčevi primeri vključujejo pripovedovanje pisnih člankov, ustvarjanje govora v več jezikih in predvajanje zvoka ob prihodu. TTS-1 je izbira z nižjo zakasnitvijo v primerjavi s TTS-1 HD; model HD poudarja kakovost izhoda. Zato pri izbiri presodite, kaj je za nalogo pomembnejše: hiter začetek predvajanja ali profil kakovostnejše pripovedi.
Potek ustvarjanja govora temelji na modelu, vhodnem besedilu in izbranem glasu. Referenca OpenAI besedilni vnos omeji na 4096 znakov, kar je omejitev znakov, ne kontekstno okno žetonov. Pred sintezo pripravite dejanski scenarij: napišite stavke, ki naj jih poslušalec sliši, razjasnite okrajšave in določite izgovarjavo imen, količin ter naslovov. Pri dolgem članku razdelke uredite v samostojno razumljive odlomke, namesto da bi dolg dokument obravnavali kot eno govorno zahtevo.
Trenutni seznam glasov OpenAI, specifičen za TTS-1, je alloy, ash, coral, echo, fable, onyx, nova, sage in shimmer. To so prednastavljeni glasovi; niso celoten nabor glasov vsakega novejšega govornega modela. Glasovi so optimizirani za angleščino, večjezični govor pa je podprt s posredovanjem vnosa v jeziku, ki naj bo izgovorjen. Glas izberite z reprezentativnim odlomkom z istim besediščem in tempom kot končni scenarij. Kadar je pomembna kontinuiteta, isto izbiro ohranite med povezanimi izseki.
Zvok je mogoče pretakati po delih, da se predvajanje začne pred koncem ustvarjanja celotne datoteke. To je pretakanje govora, ustvarjenega iz besedila, ne dvosmerni govorni pogovor. Dokumentirani izhodni formati so MP3, Opus, AAC, FLAC, WAV in PCM, s privzetim MP3. MP3 in AAC zagotavljata stisnjen zvok; Opus je primeren za pretakanje in komunikacijo; FLAC je brez izgub. WAV se izogne dekodiranju stisnjenega zvoka, surovi PCM pa vsebuje 24 kHz, 16-bitne predznačene vzorce little-endian brez glave datoteke. OpenAI priporoča WAV ali PCM, kadar je prednosten odzivni čas.
Govorna referenca zagotavlja nastavitev hitrosti od 0,25 do 4,0, s privzeto vrednostjo 1,0. Dodatno polje navodil v naravnem jeziku ne deluje s TTS-1, izhod SSE v obliki dogodkov pa pri tem modelu ni podprt. Njegove dokumentirane nastavitve so scenarij, glas, hitrost in zvočni format; nastavitev novejših modelov za naglas, čustva ali šepetanje ne smete pripisovati tej izdaji. Pri pripravi izseka izberite hitrost za razumljivost, nato pa preverite upodobljene besede in premore, namesto da bi predpostavljali, da število znakov scenarija določa natančno trajanje.
Jezikovni vodnik vključuje angleščino, ruščino, ukrajinščino, francoščino, nemščino, španščino, portugalščino, italijanščino, arabščino, kitajščino, japonščino, korejščino, hindijščino, kazaščino in številne druge jezike. Govor sledi jeziku posredovanega besedila. Večjezično pripovedno izhodišče se zato začne s prevedenim scenarijem in predvidenim občinstvom; pretvorba besedila v govor je korak upodabljanja, ne navodilo za prevajanje ali prepisovanje besedila. Za praktično obvestilo pripravite natančno sporočilo in imena. Pri izobraževalni pripovedi meje razdelkov in definicije jasno izrazite v besedah, ki bodo prebrane.
Dokončan izdelek je lahko kratko govorno navodilo, pripovedovani odlomek ali zvočni segment za večjo montažo. Izgovarjavo, popolnost, tempo in izbrani format preverite na dejanskem izhodu. Scenarij hranite skupaj z zvokom, da je mogoče poznejše popravke omejiti na prizadeti odlomek. Navodila OpenAI zahtevajo, da je poslušalcem jasno povedano, da je glas ustvarjen z umetno inteligenco. To razkritje sodi v poslušalsko izkušnjo; TTS-1 ne spremeni v posnetek človeškega glasu in modelu ne doda nastavitev kloniranja glasu.
", "aboutText": "TTS-1 je OpenAI-jev model za pretvorbo besedila v govor, optimiziran za hitrost. Sprejme besede za izgovarjavo in ustvari zvok, ne prepisa ali pisnega odgovora. Proizvajalčevi primeri vključujejo pripovedovanje pisnih člankov, ustvarjanje govora v več jezikih in predvajanje zvoka ob prihodu. TTS-1 je izbira z nižjo zakasnitvijo v primerjavi s TTS-1 HD; model HD poudarja kakovost izhoda. Zato pri izbiri presodite, kaj je za nalogo pomembnejše: hiter začetek predvajanja ali profil kakovostnejše pripovedi.\n\nPotek ustvarjanja govora temelji na modelu, vhodnem besedilu in izbranem glasu. Referenca OpenAI besedilni vnos omeji na 4096 znakov, kar je omejitev znakov, ne kontekstno okno žetonov. Pred sintezo pripravite dejanski scenarij: napišite stavke, ki naj jih poslušalec sliši, razjasnite okrajšave in določite izgovarjavo imen, količin ter naslovov. Pri dolgem članku razdelke uredite v samostojno razumljive odlomke, namesto da bi dolg dokument obravnavali kot eno govorno zahtevo.\n\nTrenutni seznam glasov OpenAI, specifičen za TTS-1, je alloy, ash, coral, echo, fable, onyx, nova, sage in shimmer. To so prednastavljeni glasovi; niso celoten nabor glasov vsakega novejšega govornega modela. Glasovi so optimizirani za angleščino, večjezični govor pa je podprt s posredovanjem vnosa v jeziku, ki naj bo izgovorjen. Glas izberite z reprezentativnim odlomkom z istim besediščem in tempom kot končni scenarij. Kadar je pomembna kontinuiteta, isto izbiro ohranite med povezanimi izseki.\n\nZvok je mogoče pretakati po delih, da se predvajanje začne pred koncem ustvarjanja celotne datoteke. To je pretakanje govora, ustvarjenega iz besedila, ne dvosmerni govorni pogovor. Dokumentirani izhodni formati so MP3, Opus, AAC, FLAC, WAV in PCM, s privzetim MP3. MP3 in AAC zagotavljata stisnjen zvok; Opus je primeren za pretakanje in komunikacijo; FLAC je brez izgub. WAV se izogne dekodiranju stisnjenega zvoka, surovi PCM pa vsebuje 24 kHz, 16-bitne predznačene vzorce little-endian brez glave datoteke. OpenAI priporoča WAV ali PCM, kadar je prednosten odzivni čas.\n\nGovorna referenca zagotavlja nastavitev hitrosti od 0,25 do 4,0, s privzeto vrednostjo 1,0. Dodatno polje navodil v naravnem jeziku ne deluje s TTS-1, izhod SSE v obliki dogodkov pa pri tem modelu ni podprt. Njegove dokumentirane nastavitve so scenarij, glas, hitrost in zvočni format; nastavitev novejših modelov za naglas, čustva ali šepetanje ne smete pripisovati tej izdaji. Pri pripravi izseka izberite hitrost za razumljivost, nato pa preverite upodobljene besede in premore, namesto da bi predpostavljali, da število znakov scenarija določa natančno trajanje.\n\nJezikovni vodnik vključuje angleščino, ruščino, ukrajinščino, francoščino, nemščino, španščino, portugalščino, italijanščino, arabščino, kitajščino, japonščino, korejščino, hindijščino, kazaščino in številne druge jezike. Govor sledi jeziku posredovanega besedila. Večjezično pripovedno izhodišče se zato začne s prevedenim scenarijem in predvidenim občinstvom; pretvorba besedila v govor je korak upodabljanja, ne navodilo za prevajanje ali prepisovanje besedila. Za praktično obvestilo pripravite natančno sporočilo in imena. Pri izobraževalni pripovedi meje razdelkov in definicije jasno izrazite v besedah, ki bodo prebrane.\n\nDokončan izdelek je lahko kratko govorno navodilo, pripovedovani odlomek ali zvočni segment za večjo montažo. Izgovarjavo, popolnost, tempo in izbrani format preverite na dejanskem izhodu. Scenarij hranite skupaj z zvokom, da je mogoče poznejše popravke omejiti na prizadeti odlomek. Navodila OpenAI zahtevajo, da je poslušalcem jasno povedano, da je glas ustvarjen z umetno inteligenco. To razkritje sodi v poslušalsko izkušnjo; TTS-1 ne spremeni v posnetek človeškega glasu in modelu ne doda nastavitev kloniranja glasu.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "d08f7d1a4cac629ff87f4a18d64e233542848cda270ab887181129daf713aa92", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "sl", "methods": [ { "html": "openai/tts-1TTS-1 pretvori pripravljeno besedilo v govorni zvok z izbirnimi glasovi, hitrostjo predvajanja in izhodnimi formati. OpenAI to izdajo optimizira za ustvarjanje govora z nižjo zakasnitvijo, zato je praktična izbira za odzivno branje, kratko pripoved in pretočno dostavo že napisanega scenarija.
Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.
TTS-1 je OpenAI-jev model za pretvorbo besedila v govor, optimiziran za hitrost. Sprejme besede za izgovarjavo in ustvari zvok, ne prepisa ali pisnega odgovora. Proizvajalčevi primeri vključujejo pripovedovanje pisnih člankov, ustvarjanje govora v več jezikih in predvajanje zvoka ob prihodu. TTS-1 je izbira z nižjo zakasnitvijo v primerjavi s TTS-1 HD; model HD poudarja kakovost izhoda. Zato pri izbiri presodite, kaj je za nalogo pomembnejše: hiter začetek predvajanja ali profil kakovostnejše pripovedi.
Potek ustvarjanja govora temelji na modelu, vhodnem besedilu in izbranem glasu. Referenca OpenAI besedilni vnos omeji na 4096 znakov, kar je omejitev znakov, ne kontekstno okno žetonov. Pred sintezo pripravite dejanski scenarij: napišite stavke, ki naj jih poslušalec sliši, razjasnite okrajšave in določite izgovarjavo imen, količin ter naslovov. Pri dolgem članku razdelke uredite v samostojno razumljive odlomke, namesto da bi dolg dokument obravnavali kot eno govorno zahtevo.
Trenutni seznam glasov OpenAI, specifičen za TTS-1, je alloy, ash, coral, echo, fable, onyx, nova, sage in shimmer. To so prednastavljeni glasovi; niso celoten nabor glasov vsakega novejšega govornega modela. Glasovi so optimizirani za angleščino, večjezični govor pa je podprt s posredovanjem vnosa v jeziku, ki naj bo izgovorjen. Glas izberite z reprezentativnim odlomkom z istim besediščem in tempom kot končni scenarij. Kadar je pomembna kontinuiteta, isto izbiro ohranite med povezanimi izseki.
Zvok je mogoče pretakati po delih, da se predvajanje začne pred koncem ustvarjanja celotne datoteke. To je pretakanje govora, ustvarjenega iz besedila, ne dvosmerni govorni pogovor. Dokumentirani izhodni formati so MP3, Opus, AAC, FLAC, WAV in PCM, s privzetim MP3. MP3 in AAC zagotavljata stisnjen zvok; Opus je primeren za pretakanje in komunikacijo; FLAC je brez izgub. WAV se izogne dekodiranju stisnjenega zvoka, surovi PCM pa vsebuje 24 kHz, 16-bitne predznačene vzorce little-endian brez glave datoteke. OpenAI priporoča WAV ali PCM, kadar je prednosten odzivni čas.
Govorna referenca zagotavlja nastavitev hitrosti od 0,25 do 4,0, s privzeto vrednostjo 1,0. Dodatno polje navodil v naravnem jeziku ne deluje s TTS-1, izhod SSE v obliki dogodkov pa pri tem modelu ni podprt. Njegove dokumentirane nastavitve so scenarij, glas, hitrost in zvočni format; nastavitev novejših modelov za naglas, čustva ali šepetanje ne smete pripisovati tej izdaji. Pri pripravi izseka izberite hitrost za razumljivost, nato pa preverite upodobljene besede in premore, namesto da bi predpostavljali, da število znakov scenarija določa natančno trajanje.
Jezikovni vodnik vključuje angleščino, ruščino, ukrajinščino, francoščino, nemščino, španščino, portugalščino, italijanščino, arabščino, kitajščino, japonščino, korejščino, hindijščino, kazaščino in številne druge jezike. Govor sledi jeziku posredovanega besedila. Večjezično pripovedno izhodišče se zato začne s prevedenim scenarijem in predvidenim občinstvom; pretvorba besedila v govor je korak upodabljanja, ne navodilo za prevajanje ali prepisovanje besedila. Za praktično obvestilo pripravite natančno sporočilo in imena. Pri izobraževalni pripovedi meje razdelkov in definicije jasno izrazite v besedah, ki bodo prebrane.
Dokončan izdelek je lahko kratko govorno navodilo, pripovedovani odlomek ali zvočni segment za večjo montažo. Izgovarjavo, popolnost, tempo in izbrani format preverite na dejanskem izhodu. Scenarij hranite skupaj z zvokom, da je mogoče poznejše popravke omejiti na prizadeti odlomek. Navodila OpenAI zahtevajo, da je poslušalcem jasno povedano, da je glas ustvarjen z umetno inteligenco. To razkritje sodi v poslušalsko izkušnjo; TTS-1 ne spremeni v posnetek človeškega glasu in modelu ne doda nastavitev kloniranja glasu.
POST /v1/audio/speechtextaudio| Polje | Vrsta | Zahteva | Vrednosti in omejitve | Privzeto |
|---|---|---|---|---|
Poljemodel | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve openai/tts-1 | Privzeto— |
Poljeinput | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve Najmanjša dolžina: 1 Največja dolžina: 4096 Enota: znaki Unicode | Privzeto— |
Poljevoice | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve alloy | Privzeto— |
text_to_speech · Obvezno: input
| Parameter | Specifikacija |
|---|---|
Parametercontent_type | Specifikacijaapplication/json |
Parameterrequired | Specifikacijamodel, input, voice |
Parametervoice_ids | Specifikacijaalloy |
Parametermax_input_characters | Specifikacija4096 |
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 količina | Obračunska enota | Strošek |
|---|---|---|---|---|---|
| NastavitevOsnovne cene žetonov | Cenovna lestvicaOsnovna cena | Obračunana količina— | Obračunska 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 količina— | Obračunska enotana 1K vhodnih znakov | Strošek Vhod · vhodni znak $0.03 na 1K vhodnih znakov |
| NastavitevNa zahtevo | Cenovna lestvica— | Obračunana količina— | Obračunska količinaena zahteva | Obračunska enota— | 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}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/tts-1", "input": "Good afternoon! This is a short voice take.", "voice": "alloy"}')\n\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 openai/tts-1
Uporabite zgoraj navedene poti metod.