Fish Audio: Drama 3
Drama 3 omvandlar ett skrivet manus till regisserat tal. Forma känsla och framförande med instruktioner på vanligt språk, lägg till pauser och ljud, styr uttal och bygg scener med flera talare. Det publicerade talflödet stöder fler än 80 språk, inklusive språkbyten inom en mening.
Om modellen
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Drama 3 är Fish Audios text-till-tal-modell för ett framfört manus. Den producerar talat ljud från orden du ger och ger manusförfattaren kontroll över framförandet. En replik kan innehålla en känsloanvisning, en lokal ändring i röstframförandet eller en uttalsinstruktion, så indata innehåller både det talade innehållet och hur det bör låta.
Skriv orden och regissera framförandet
Förbered de exakta orden som lyssnaren bör höra innan du lägger till framförandeanvisningar. Håll viktiga namn, datum och instruktioner tydliga i manuset och använd skiljetecken för att etablera den avsedda meningsrytmen. Placera sedan en instruktion på vanligt språk inom hakparenteser före repliken den gäller. Beskriv önskad känsla eller framförande konkret, exempelvis ett återhållsamt meddelande, en spänd ordväxling eller en varm förklaring.
Drama 3 stöder också lokala kontroller inom en replik. Instruktioner inne i texten kan införa ljud och pauser, medan parade framförandetaggar kan påverka vissa ord. Håll varje instruktions omfattning tydlig: en anvisning för en fras bör inte oavsiktligt bli anvisningen för hela scenen. Läs manuset en gång för betydelsen och en gång för framförandet före syntes.
Scener, språk och uttal
Den publicerade modellen stöder flera talare i en begäran. Organisera dialog i tydliga talarturer och ge varje tur ett syfte: en fråga, ett avbrott, en förklaring eller ett svar. För en lektion eller förklaringsfilm kan samma sätt skilja en berättare från en citerad karaktär utan att skriva om materialet till en odifferentierad monolog.
Drama 3 stöder fler än 80 språk och kan byta språk inom en mening samtidigt som rösten behålls. Förbered flerspråkiga passager på de avsedda talade språken i stället för att anta att en engelsk instruktion ger en översättning. Bestäm hur utländska namn och lånord bör låta och använd modellens fonemkontroller när uttalet behöver precis styrning.
Användbara ljudleveranser
Modellen passar karaktärsdialog, berättade lektioner, korta förklaringar, produktmeddelanden och manusbundna röstsvar. Håll innehåll och gestaltningsval tillsammans: en undervisningspassage behöver begriplig terminologi och meningsfulla pauser; en karaktärsscen behöver tydligt åtskilda turer och en konsekvent dramatisk avsikt. Det är manusbeslut som kan granskas innan något ljud genereras.
Efter syntes bör du jämföra de talade orden med det färdiga manuset. Lyssna efter utelämnade fraser, felplacerade pauser, otydliga talarbyten och uttalet av namn som ska bevaras. Behåll manuset och dess framförandeanvisningar med ljudet så att en korrigering kan riktas till den berörda repliken. Håll det slutliga talade innehållet och dess framförandeval per replik tillsammans när en revision förbereds.
Förmågor
- Text-till-tal-framförande från ett färdigt manus.
- Instruktioner på vanligt språk inom hakparenteser före en replik.
- Ljud och pauser inne i texten med parade framförandetaggar för enskilda ord.
- Scener med flera talare och fler än 80 talade språk.
- Fonemkontroller för namn och fackterminologi.
Användningsfall
- Karaktärsdialog — Ett manus med tydligt åtskilda talarturer och framförandeanvisningar. Resultat: En talad scen med avsiktliga ändringar i framförandet.
- Berättad förklaring — En färdig lektion med terminologi och pauser markerade. Resultat: Talat ljud som kan granskas mot lektionstexten.
- Flerspråkigt meddelande — Sluttext på de avsedda språken med uttalsvalen bevarade. Resultat: En talad passage med styrda språkövergångar.
- Manusbundet röstsvar — Ett kort svar med uttrycklig ton och orden som ska sägas. Resultat: Ett återanvändbart talsegment för den omgivande applikationen.
Begränsningar
- Indata och resultat — Den publicerade modellen tar emot text och returnerar talat ljud.
- Styrningens omfattning — Koppla en anvisning till den avsedda repliken eller frasen och håll parade framförandetaggar inom rätt omfattning.
- Enhet för granskning — Behåll det exakta manuset och anvisningarna med ljudet; granska uttal och talarturer per replik.
Ailoot Ultra · Tal POST /v1/audio/speech fish-audio/drama-3
fish-audio/drama-3Start
Drama 3 omvandlar ett skrivet manus till regisserat tal. Forma känsla och framförande med instruktioner på vanligt språk, lägg till pauser och ljud, styr uttal och bygg scener med flera talare. Det publicerade talflödet stöder fler än 80 språk, inklusive språkbyten inom en mening.
- Godkända indata
- Text
- Resultat
- Ljud
Tillgängligt i Ailoot · indata & metoder
Ailoot Ultra · Tal POST /v1/audio/speech
- Indatatyper
text- Utdatatyper
audio
| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser fish-audio/drama-3 | Standard— |
Fältinput | Typstring | KravObligatoriskt | Värden & gränser Minsta längd: 1 | Standard— |
Fältvoice | Typstring | KravObligatoriskt | Värden & gränser Minsta längd: 1 | Standard— |
Fältresponse_format | Typstring | KravValfritt | Värden & gränser mp3, pcm | Standardpcm |
Fältprovider | Typobject | KravValfritt | Värden & gränser | Standard— |
Metodparametrar och livscykel
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, input, voice |
Parametermaterial_types | Avtaltext |
Parametermaterial_conditions | AvtalVälj ett faktiskt röst-ID som stöds; inget bokstavligt standardvärde eller någon röst har hittats på för denna modell. |
Livscykel: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · Det task_id som faktiskt returnerades eller en post i mediebiblioteket
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Priser
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
- Snabbt läge
- Ej angivet När snabbt läge är valt
- Flex-läge
- Ej angivet När läget flex är valt
- Högsta resonemangsnivå
- Ej angivet När den högsta resonemangsnivån använder standardjusteringen (default)
Ailoot-priser
Priser efter konfiguration
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Debiteringsenhet | Avgift |
|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Debiteringsenhet— | Avgift Indata · Indatatoken — / 1K token Utdata · Utdatatoken — / 1K token Indata · Cacheläsning — / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationUTF-8-byte i indata | Prislista— | Debiteringsenhetper UTF-8-byte indata | Avgift Indata · UTF-8-byte i indata $0.00002 per UTF-8-byte indata |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
Exempelbegäranden
Ailoot Ultra · Tal
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_INPUT_TEXT:?Set the actual documented input value}"
export AILOOT_INPUT_TEXT
: "${AILOOT_VOICE:?Set the actual documented input value}"
export AILOOT_VOICE
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
request={'model': 'fish-audio/drama-3', 'input': '${ACTUAL_INPUT_TEXT}', 'voice': '${ACTUAL_SUPPORTED_VOICE}'}
request['input']=os.environ['AILOOT_INPUT_TEXT']
request['voice']=os.environ['AILOOT_VOICE']
Path('request.json').write_text(json.dumps(request,ensure_ascii=False),encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/speech \
-H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o response.bin
# Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.
Ta emot och spara resultat
Ailoot Ultra · Tal
Fullständigt binärt ljud eller ursprungligt audio_url-svar, svarshuvuden och varje tillgång som du äger.
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Andra innehållsläsningar
set -eu
: "${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 owned-assets.json
# Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token.
Behåll alla färdiga resultat
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Spara hela svaret med headers, samtliga faktiska resultat, de ursprungliga returnerade identifierarna och alla användningsfält. Hämta den ursprungliga operationen utan att skicka skapandeförfrågan igen.
Om det ursprungliga svaret behöver kontrolleras
Behåll det returnerade värdet för X-Client-Request-ID för avstämning. Läs endast av resultat via de task_id/asset_id-värden som faktiskt returnerades eller via det mediebibliotek som tillhör dig. Bygg aldrig en uppgifts-URL från operations-ID:t och skicka aldrig skapandeförfrågan igen.
Alias
Modellalias
Ailoot Ultra fish-audio/drama-3
Alias för metodsökvägar
Använd metodsökvägarna som visas ovan.
Relaterade anropar-ID:n
FAQ · Fish Audio: Drama 3
- Vilka indata och resultat finns?
POST /v1/audio/speech·fish-audio/drama-3:text→audio- Vilka fält använder begäran?
POST /v1/audio/speech·fish-audio/drama-3:model,input,voice,response_format,provider