Sesame: CSM 1B
Sesame CSM 1B omvandlar tillhandahållen text till tal via POST /v1/audio/speech. Använd sesame/csm-1b med det faktiska manuset, välj en av de namngivna rösterna och begär MP3- eller PCM-ljud. Den passar ett arbetsflöde som omvandlar ett förberett meddelande, en förklaring eller ett berättaravsnitt till en ljudfil för uppspelning eller redigering.
Om modellen
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Sesame CSM 1B är en modell för text till tal, tillgänglig under det exakta ID:t sesame/csm-1b. Tillhandahåll orden som ska läsas upp och behåll det resulterande ljudet som en fil. En praktisk beskrivning kan vara en förberedd produktförklaring, ett talat applikationsmeddelande eller ett berättaravsnitt som ska placeras i en redigering. Förbered manuset som den avsedda talade texten, inklusive namn, tal och ordalydelse som lyssnaren behöver höra.
Skicka POST /v1/audio/speech med application/json. De obligatoriska fälten är model, satt till sesame/csm-1b, och input, som innehåller manuset som en sträng. Läs en manusfil som UTF-8-text och placera dess innehåll i input i stället för att ange ett lokalt filnamn. Att hålla talinnehållet i detta fält ger genereringen ett konkret manus att följa och låter applikationen behålla exakt ordalydelse tillsammans med den resulterande filen.
De namngivna röstvalen är conversational_a, conversational_b, read_speech_a, read_speech_b, read_speech_c, read_speech_d och none. Bevara dessa identifierare exakt i fältet voice. Välj en röst uttryckligen när ett arbetsflöde behöver en upprepningsbar förfrågningskonfiguration och behåll inställningen tillsammans med manuset och utdata. Lyssna på ett representativt avsnitt för att avgöra vilken tillgänglig röst som passar användningen.
Använd response_format för att välja mp3 eller pcm. MP3 levereras som audio/mpeg och ger en fil som kan skickas till en spelare eller ett redigeringsarbetsflöde som accepterar MP3. PCM levereras som audio/pcm med 16-bitars little-endian-samplingar; behåll dess faktiska ljudmetadata för applikationen som ska tolka byten. Ställ in formatet uttryckligen så att filen och den efterföljande avkodaren överensstämmer. Det dokumenterade förfrågningsexemplet använder speed:1; behåll denna baslinje när du förbereder en förfrågan med de fastställda inställningarna.
Det lyckade svaret innehåller råa ljudbyte. Spara svarskroppen som ljud och behåll svarshuvudena och den ursprungliga förfrågans identitet tillsammans med manus, röst och begärt format. Betrakta slutförandet av detta svar som punkten då det returnerade ljudet kan behållas och granskas. Kontrollera upplästa namn, tal och meningsgränser mot källmanuset innan resultatet läggs till i en längre produktion. Om en förfrågan avbryts efter inskickningen behåller du dess ursprungliga identitet och svarsinformation medan du kontrollerar det befintliga utfallet.
Ailoot Ultra · Speech POST /v1/audio/speech sesame/csm-1b
sesame/csm-1bStart
Sesame CSM 1B omvandlar tillhandahållen text till tal via POST /v1/audio/speech. Använd sesame/csm-1b med det faktiska manuset, välj en av de namngivna rösterna och begär MP3- eller PCM-ljud. Den passar ett arbetsflöde som omvandlar ett förberett meddelande, en förklaring eller ett berättaravsnitt till en ljudfil för uppspelning eller redigering.
- Godkända indata
- Text
- Resultat
- Ljud
Tillgängligt i Ailoot · indata & metoder
Ailoot Ultra · Speech POST /v1/audio/speech
- Indatatyper
text- Utdatatyper
audio- Utdataformat
- mp3,pcm
| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser sesame/csm-1b | Standard— |
Fältinput | Typstring | KravObligatoriskt | Värden & gränser | Standard— |
Fältvoice | Typstring | KravValfritt | Värden & gränser conversational_a, conversational_b, read_speech_a, read_speech_b, read_speech_c, read_speech_d, none | Standard— |
Fältresponse_format | Typstring | KravValfritt | Värden & gränser mp3, pcm | Standard— |
Fältspeed | Typnumber | KravValfritt | Värden & gränser | Standard— |
Metodparametrar och livscykel
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, input |
Parameteroptional | Avtalvoice, response_format, speed |
Parametermaterial_types | Avtaltext |
Parameterconditions | Avtal |
Livscykel: synchronous_result_then_owned_library
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 | Debiteringsmängd | Debiteringsenhet | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Debiteringsmängd— | 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 |
| Konfigurationindatatecken | Prislista— | Debiteringsmängd— | Debiteringsenhetper indatatecken | Avgift Indata · indatatecken $0.000014 per indatatecken |
| KonfigurationPer begäran | Prislista— | Debiteringsmängden förfrågan | Debiteringsenhet— | Avgift Indata $0 per begäran |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
Exempelbegäranden
Ailoot Ultra · Speech
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
export AILOOT_API_KEY
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"input": "Hello world", "model": "sesame/csm-1b", "response_format": "mp3", "speed": 1, "voice": "conversational_a"}')
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 result.json
# Submit once. Retain the complete result, original identifiers and every response header.
Ta emot och spara resultat
Ailoot Ultra · Speech
mp3,pcm
GET /v1/media/assetsGET /v1/media/assets/{asset_id}
Behåll alla färdiga resultat
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Retain the complete binary audio and response headers. Use the actual output Content-Type; no extra container or bit depth is inferred.
Om det ursprungliga svaret behöver kontrolleras
Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.
Alias
Modellalias
Ailoot Ultra sesame/csm-1b
Alias för metodsökvägar
Använd metodsökvägarna som visas ovan.
Relaterade anropar-ID:n
FAQ · Sesame: CSM 1B
- Vilka indata och resultat finns?
POST /v1/audio/speech·sesame/csm-1b:text→audio- Vilka fält använder begäran?
POST /v1/audio/speech·sesame/csm-1b:model,input,voice,response_format,speed