speech-02-turbo
Speech-02 Turbo je namenjen hitri sintezi govora z enakomernim ritmom in večjezičnim zvenom.
O modelu
Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.
Hiter govor za interaktivni odgovor
Speech 02 Turbo je namenjen interaktivni sintezi govora. Proizvajalec opisuje kombinacijo hitrosti, enakomernega ritma in naravnega zvena; med scenariji so glasovni odgovori, replike v igrah in interaktivna vsebina. Model prejema besedilo in oblikuje govorni zvok.
Izbira značaja zvena
Družina Speech 02 omogoča kombiniranje glasu, jezika, naglasa in čustvene obarvanosti. Skupno učena avtoregresijski Transformer in kodirnik govorca povezujeta barvo glasu z vsebino. Besedilo lahko sintetizirate z že pripravljenim glasom; ustvarjanje novega kloniranega glasu spada v ločeno pripravo.
Model sam izbere čustveno intonacijo glede na besedilo ali sprejme določeno stanje: veselje, žalost, jezo, strah, gnus, presenečenje ali umirjenost. Dodatno se uravnavajo hitrost, višina in glasnost, da se replika uskladi z želenim tempom interakcije.
Jeziki in branje besed
Podprti so ruski govor in drugi jeziki, vključno z angleščino, kitajščino, kantonščino, japonščino, korejščino, francoščino, nemščino, španščino, portugalščino, turščino, arabščino in ukrajinščino. Pri Speech 02 trenutna specifikacija posebej izključuje perzijščino, filipinščino in tamilščino.
Izgovarjavo lahko natančneje določite s slovarjem zamenjav, mednarodnim fonetičnim zapisom, kitajskim pinjinom in japonskimi različicami branja. Premori med izgovorjenimi deli se določijo v mejah 0,01–99,99 sekunde. Trajanje premora se določi na dve decimalni mesti natančno; oznake se postavijo med izgovorjene odseke in ne druga za drugo. Model predvideva hitrost 0,5–2, glasnost nad 0 in do 10 ter spremembo višine od −12 do 12.
Zvok za predvajanje
Sinhroni vhod je omejen na besedilo z manj kot 10 000 znaki; za obseg nad 3000 znakov proizvajalec priporoča postopni izhod. Zmožnosti modela vključujejo MP3, WAV, FLAC in PCM; splošne nastavitve opisujejo tudi Opus in G.711 μ-law ter enega ali dva zvočna kanala.
Ta kartica Ailoot sprejema besedilo in vrača govor. Hitrost Turbo se nanaša na namen različice modela; trajanje konkretnega odgovora in razpoložljivost razširjenih formatov določa izbrani način dostopa.
Dodatne nastavitve zvoka vključujejo frekvence vzorčenja 8, 16, 22,05, 24, 32 in 44,1 kHz. Za MP3 je predvidena bitna hitrost 32, 64, 128 ali 256 kbit/s. Spreminjate lahko tudi barvo glasu in uporabite en učinek: prostoren odmev, odmev dvorane, telefonski zven ali robotski glas. Učinki spreminjanja glasu so pri pridobivanju zvoka v celoti podprti za MP3, WAV in FLAC, pri pretočnem izhodu pa samo za MP3. Formati G.711 μ-law uporabljajo frekvenco 8 kHz. Te zmožnosti veljajo za nastavitve sinteze MiniMax.
Proizvajalec predvideva sinhronizacijo govora z besedilom: časovne oznake po povedih, besedah ali besedah pri postopnem izhodu. Takšen rezultat pomaga uskladiti izgovarjavo s prikazom besedila. Ta dodatna zmožnost zahteva podporo ustreznemu formatu odgovora.
Ailoot · Pretvorba v govor POST /v1/audio/speech speech-02-turbo
speech-02-turboZačetek
Speech-02 Turbo je namenjen hitri sintezi govora z enakomernim ritmom in večjezičnim zvenom.
- Dovoljeni vhodi
- Besedilo
- Rezultati
- speech
Na voljo v Ailoot · vhodi in metode
Ailoot · Pretvorba v govor POST /v1/audio/speech
- Vhod
text- Izhod
speech- Izhodni format
- mp3
| Polje | Vrsta | Zahteva | Vrednosti in omejitve | Privzeto |
|---|---|---|---|---|
Poljemodel | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve speech-02-turbo | Privzeto— |
Poljeinput | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve Najmanjša dolžina: 1 Največja dolžina (izključno): 10.000 Enota: znaki Unicode | Privzeto— |
Poljevoice | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve Vzorec: ^[A-Za-z0-9_-]{1,128}$ | Privzeto— |
Poljeresponse_format | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve mp3 | Privzeto— |
Kombinacije vhodnih gradiv
text_to_speech · Obvezno: input
Parametri in življenjski cikel metode
| Parameter | Specifikacija |
|---|---|
Parametermaterial_types | Specifikacijatext |
Parameterrequired | Specifikacijanull |
Parameteroptional_controls | Specifikacijanull |
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}
Strukture metod in ID so natančno določeni; zmožnost ponudnika je ločena od sprejema zahteve.
Cenik
Cene metod Ailoot
POST /v1/audio/speech- Vhod
- 60,00 $ na 1 milijon znakov
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 · Pretvorba v govor
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 narration script}"
export AILOOT_TEXT_FILE
: "${AILOOT_VOICE_ID:?Set the actual accepted voice ID for this model}"
export AILOOT_VOICE_ID
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "speech-02-turbo", "input": ""}')
f=Path(os.environ["AILOOT_TEXT_FILE"])
if not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")
text=f.read_text(encoding="utf-8")
if not text.strip():raise SystemExit("Source material must contain text")
p["input"]=text
import re
voice=os.environ["AILOOT_VOICE_ID"]
if not re.fullmatch(r"[A-Za-z0-9_-]{1,128}",voice):raise SystemExit("Set an actual accepted voice ID")
p["voice"]=voice
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 · 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}
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 speech-02-turbo
Druga imena poti metod
Uporabite zgoraj navedene poti metod.
Povezani ID-ji za klic
FAQ · speech-02-turbo
- Kateri vhodi in rezultati so na voljo?
POST /v1/audio/speech·speech-02-turbo:text→speech- Katera polja uporablja zahteva?
POST /v1/audio/speech·speech-02-turbo:model,input,voice,response_format