Fish Audio: Drama 3

Drama 3 เปลี่ยนบทที่เขียนเป็นคำพูดพร้อมการกำกับการแสดง กำหนดอารมณ์และวิธีถ่ายทอดด้วยคำแนะนำภาษาทั่วไป เพิ่มช่วงหยุดและเสียง กำกับการออกเสียง และสร้างฉากที่มีผู้พูดหลายคน กระบวนการสร้างคำพูดที่เผยแพร่รองรับมากกว่า 80 ภาษา รวมถึงการเปลี่ยนภาษาภายในประโยคเดียว

Ailoot Ultra · เสียงพูด POST /v1/audio/speech fish-audio/drama-3

เกี่ยวกับโมเดล

คำอธิบายนี้ครอบคลุมความสามารถของโมเดล อินพุต เอาต์พุต และตัวเลือกที่ใช้ได้ใน Ailoot แสดงด้านล่างตามเมธอดที่เลือก

Drama 3 เป็นโมเดลแปลงข้อความเป็นคำพูดของ Fish Audio สำหรับบทที่มีการแสดง สร้างเสียงพูดจากคำที่คุณให้และเปิดให้ผู้เขียนบทควบคุมวิธีถ่ายทอด บรรทัดหนึ่งอาจมีคำกำกับอารมณ์ การเปลี่ยนวิธีแสดงด้วยเสียงเฉพาะช่วง หรือคำแนะนำการออกเสียง อินพุตจึงมีทั้งเนื้อหาที่พูดและวิธีที่เนื้อหานั้นควรฟังดู

เขียนคำและกำกับการแสดง

เตรียมคำที่ผู้ฟังควรได้ยินให้ตรงก่อนเพิ่มคำกำกับการแสดง รักษาชื่อ วันที่ และคำสั่งสำคัญให้ชัดในบท และใช้เครื่องหมายวรรคตอนกำหนดจังหวะประโยคที่ต้องการ จากนั้นวางคำกำกับภาษาทั่วไปในวงเล็บเหลี่ยมก่อนบรรทัดที่เกี่ยวข้อง อธิบายอารมณ์หรือวิธีถ่ายทอดที่ต้องการอย่างเป็นรูปธรรม เช่น ประกาศที่สำรวม บทโต้ตอบที่ตึงเครียด หรือคำอธิบายอบอุ่น

Drama 3 ยังรองรับการควบคุมเฉพาะช่วงภายในบรรทัด คำสั่งในบรรทัดเพิ่มเสียงและช่วงหยุดได้ ส่วนแท็กการถ่ายทอดที่เป็นคู่มีผลต่อคำเฉพาะได้ รักษาขอบเขตคำสั่งแต่ละอย่างให้ชัด คำกำกับสำหรับวลีหนึ่งไม่ควรกลายเป็นคำกำกับทั้งฉากโดยไม่ตั้งใจ อ่านบทหนึ่งรอบเพื่อความหมายและอีกหนึ่งรอบเพื่อการแสดงก่อนสังเคราะห์

ฉาก ภาษา และการออกเสียง

โมเดลที่เผยแพร่รองรับผู้พูดหลายคนในคำขอเดียว จัดบทสนทนาเป็นช่วงพูดที่ชัดเจนของแต่ละคน และให้แต่ละช่วงมีจุดประสงค์ เช่น คำถาม การขัดจังหวะ คำอธิบาย หรือคำตอบ สำหรับบทเรียนหรือเนื้อหาอธิบาย แนวทางเดียวกันแยกผู้บรรยายออกจากตัวละครที่ยกคำพูดมาได้ โดยไม่ต้องเขียนเนื้อหาใหม่เป็นบทพูดคนเดียวที่ไม่แบ่งส่วน

Drama 3 รองรับมากกว่า 80 ภาษาและเปลี่ยนภาษาภายในประโยคได้โดยคงเสียงไว้ เตรียมข้อความหลายภาษาในภาษาที่ต้องการให้พูด แทนการสมมติว่าคำสั่งภาษาอังกฤษจะให้คำแปล ตัดสินใจว่าชื่อต่างประเทศและคำยืมควรฟังอย่างไร และใช้การควบคุมหน่วยเสียงของโมเดลเมื่อต้องกำกับการออกเสียงอย่างแม่นยำ

ชิ้นงานเสียงที่มีประโยชน์

โมเดลเหมาะกับบทสนทนาตัวละคร บทเรียนบรรยาย เนื้อหาอธิบายสั้น ประกาศสินค้า และคำตอบเสียงตามบท เก็บเนื้อหาและตัวเลือกการแสดงไว้ด้วยกัน เนื้อหาการศึกษาต้องการศัพท์เข้าใจได้และช่วงหยุดที่มีจุดประสงค์ ฉากตัวละครต้องการช่วงพูดแยกชัดและเจตนาทางละครที่สอดคล้องกัน นี่เป็นการตัดสินใจในการเขียนที่ตรวจทานได้ก่อนสร้างเสียงใด ๆ

หลังสังเคราะห์ ให้เปรียบเทียบคำที่พูดกับบทที่เสร็จแล้ว ฟังหาวลีที่ตกหล่น ช่วงหยุดผิดตำแหน่ง การเปลี่ยนผู้พูดไม่ชัด และการออกเสียงชื่อที่ต้องรักษา เก็บบทและคำกำกับการถ่ายทอดพร้อมเสียง เพื่อให้การแก้ไขมุ่งไปยังบรรทัดที่ได้รับผล เมื่อเตรียมฉบับแก้ไข ให้เก็บเนื้อหาที่พูดสุดท้ายและตัวเลือกการแสดงระดับบรรทัดไว้ด้วยกัน

ความสามารถ

การถ่ายทอดเสียงพูดจากบทที่เสร็จสมบูรณ์ด้วยการแปลงข้อความเป็นเสียงพูด
คำกำกับด้วยภาษาทั่วไปในวงเล็บเหลี่ยมก่อนแต่ละบทพูด
เสียงและช่วงหยุดที่แทรกในข้อความ พร้อมแท็กกำกับการพูดแบบคู่ที่ใช้กับคำเฉพาะ
ฉากที่มีผู้พูดหลายคนและภาษาพูดมากกว่า 80 ภาษา
การควบคุมหน่วยเสียงสำหรับชื่อและศัพท์เฉพาะทาง

กรณีการใช้งาน

บทสนทนาของตัวละคร — บทที่แยกช่วงพูดของแต่ละคนและคำกำกับการถ่ายทอดเสียงไว้อย่างชัดเจน ผลลัพธ์: ฉากพูดที่เปลี่ยนวิธีถ่ายทอดเสียงอย่างตั้งใจ
คำอธิบายผ่านเสียงบรรยาย — บทเรียนที่เสร็จสมบูรณ์พร้อมทำเครื่องหมายคำศัพท์และช่วงหยุด ผลลัพธ์: เสียงพูดที่สามารถตรวจทานเทียบกับข้อความของบทเรียนได้
ประกาศหลายภาษา — ข้อความฉบับสมบูรณ์ในภาษาที่ต้องการ โดยคงตัวเลือกการออกเสียงไว้ ผลลัพธ์: ข้อความที่อ่านออกเสียงพร้อมควบคุมการเปลี่ยนภาษา
การตอบกลับด้วยเสียงตามบท — คำตอบกระชับที่ระบุน้ำเสียงและคำที่จะพูดอย่างชัดเจน ผลลัพธ์: ส่วนของเสียงพูดที่นำกลับมาใช้ได้ในแอปพลิเคชันที่ครอบอยู่

ข้อจำกัด

อินพุตและผลลัพธ์ — โมเดลที่เผยแพร่รับข้อความและส่งกลับเสียงพูด
ขอบเขตการควบคุม — แนบคำกำกับกับบทพูดหรือวลีที่ต้องการ และรักษาขอบเขตของแท็กกำกับการพูดแบบคู่ให้ถูกต้อง
หน่วยที่ใช้ตรวจทาน — เก็บบทและคำกำกับที่ตรงกันทุกประการไว้กับเสียง และตรวจทานการออกเสียงกับช่วงพูดของแต่ละคนในระดับบทพูดแต่ละบรรทัด

Ailoot Ultra · เสียงพูด POST /v1/audio/speech fish-audio/drama-3

fish-audio/drama-3

Fish Audio /fish-audio/drama-3

เริ่มต้น

อินพุตที่รองรับ: ข้อความ
ผลลัพธ์: เสียง

ใช้งานได้ใน Ailoot · อินพุตและเมธอด

Ailoot Ultra · เสียงพูด POST /v1/audio/speech

ขาเข้า: text
ขาออก: audio

ฟิลด์	ประเภท	ข้อกำหนด	ค่าและข้อจำกัด	ค่าเริ่มต้น
ฟิลด์`model`	ประเภท`string`	ข้อกำหนดจำเป็น	ค่าและข้อจำกัด fish-audio/drama-3	ค่าเริ่มต้น—
ฟิลด์`input`	ประเภท`string`	ข้อกำหนดจำเป็น	ค่าและข้อจำกัด ความยาวขั้นต่ำ: 1	ค่าเริ่มต้น—
ฟิลด์`voice`	ประเภท`string`	ข้อกำหนดจำเป็น	ค่าและข้อจำกัด ความยาวขั้นต่ำ: 1	ค่าเริ่มต้น—
ฟิลด์`response_format`	ประเภท`string`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด mp3, pcm	ค่าเริ่มต้นpcm
ฟิลด์`provider`	ประเภท`object`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด	ค่าเริ่มต้น—

พารามิเตอร์และวงจรการทำงานของเมธอด

พารามิเตอร์	ข้อกำหนด
พารามิเตอร์`content_type`	ข้อกำหนดapplication/json
พารามิเตอร์`required`	ข้อกำหนดmodel, input, voice
พารามิเตอร์`material_types`	ข้อกำหนดtext
พารามิเตอร์`material_conditions`	ข้อกำหนดเลือก ID เสียงจริงที่รองรับ ไม่มีการแต่งค่าเริ่มต้น/เสียงเฉพาะสำหรับโมเดลนี้

วงจรการทำงาน: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · ค่า task_id ที่ส่งกลับมาจริง หรือระเบียนในคลังสื่อ

GET /v1/media/assets/{asset_id}/content

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

ราคา

ข้อมูลอัตราราคาไม่ได้เพิ่มตัวเลือกคำขอ พารามิเตอร์ที่รองรับระบุไว้สำหรับเมธอดที่เลือก

โหมดรวดเร็ว: ไม่ได้ระบุ เมื่อเลือกโหมดรวดเร็ว
โหมดยืดหยุ่น: ไม่ได้ระบุ เมื่อเลือกโหมด flex
ระดับการใช้เหตุผลสูงสุด: ไม่ได้ระบุ เมื่อใช้การปรับตามค่าเริ่มต้น (default) สำหรับระดับการใช้เหตุผลสูงสุด

อัตราค่าบริการ Ailoot

ราคาตามการตั้งค่า

เทียบค่าบริการแต่ละรายการกับเงื่อนไขที่แสดง เลือกใช้อัตราเดียวสำหรับแต่ละชุดการตั้งค่าที่เป็นตัวเลือกทดแทนกัน

การตั้งค่า	ตารางอัตราค่าบริการ	หน่วยคิดค่าบริการ	ค่าบริการ
การตั้งค่าอัตราค่าบริการโทเคนพื้นฐาน	ตารางอัตราค่าบริการอัตราพื้นฐาน	หน่วยคิดค่าบริการ—	ค่าบริการ ขาเข้า · โทเค็นอินพุต — / 1K โทเค็น ขาออก · โทเค็นเอาต์พุต — / 1K โทเค็น ขาเข้า · การอ่านแคช — / 1K โทเค็น ขาเข้า · การเขียนแคช — / 1K โทเค็น ขาเข้า · การเขียนแคช, 1 ชั่วโมง — / 1K โทเค็น
การตั้งค่าไบต์ UTF-8 ขาเข้า	ตารางอัตราค่าบริการ—	หน่วยคิดค่าบริการต่อไบต์ UTF-8 ของอินพุต	ค่าบริการ ขาเข้า · ไบต์ UTF-8 ขาเข้า $0.00002 ต่อไบต์ UTF-8 ของอินพุต

Ailoot กันยอดเงินประมาณการไว้ก่อนส่งคำขอ หลังได้ผลลัพธ์ จะคิดค่าบริการสุดท้ายตามการใช้งานที่วัดได้ การคิดค่าบริการแบบสตรีมใช้บันทึกการใช้งานสุดท้าย วิธีกันยอดเงินและคิดค่าบริการสุดท้าย →

ตัวอย่างคำขอ

Ailoot Ultra · เสียงพูด

ใช้ข้อมูลเข้าจริงและเก็บผลลัพธ์ไว้ให้ครบถ้วน

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.

รับและบันทึกผลลัพธ์

Ailoot Ultra · เสียงพูด

เสียงไบนารีทั้งหมดหรือการตอบกลับ audio_url เดิม ส่วนหัว และแอสเซ็ตทุกชิ้นที่เป็นของคุณ

GET /v1/media/tasks/{task_id}
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}

การอ่านเนื้อหาแบบอื่น

อ่านไฟล์สื่อที่มีอยู่และเป็นของคุณ

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.

เก็บผลลัพธ์ที่เสร็จสมบูรณ์ทั้งหมด

เก็บทุกการตอบกลับ ไฟล์ และส่วนเนื้อหาที่ส่งกลับมาอย่างครบถ้วน

เก็บการตอบกลับและส่วนหัวให้ครบถ้วน เก็บผลลัพธ์จริงทุกรายการ ตัวระบุที่ส่งกลับมาแต่เดิม และฟิลด์ข้อมูลการใช้งานทั้งหมด กู้คืนการดำเนินการเดิมโดยไม่ส่งคำขอสร้างซ้ำ

เมื่อต้องตรวจสอบการตอบกลับต้นฉบับ

เก็บ X-Client-Request-ID ที่ส่งกลับมาไว้เพื่อกระทบยอด อ่านเฉพาะค่า task_id/asset_id ที่ส่งกลับมาจริง หรืออ่านจากคลังสื่อที่เป็นของตนเอง ห้ามสร้าง URL ของงานจาก ID การดำเนินการ และห้ามส่งคำขอสร้างซ้ำเด็ดขาด

ชื่ออื่น

ชื่ออื่นของโมเดล

Ailoot Ultra fish-audio/drama-3

ชื่อพาธเมธอดอื่น

ใช้พาธเมธอดที่แสดงด้านบน

ID ที่เกี่ยวข้องสำหรับเรียกใช้โมเดล

fish-audio/drama-3

FAQ · Fish Audio: Drama 3

มีอินพุตและผลลัพธ์ใดบ้าง?: POST /v1/audio/speech · fish-audio/drama-3: text → audio
คำขอใช้ฟิลด์ใดบ้าง?: POST /v1/audio/speech · fish-audio/drama-3: model, input, voice, response_format, provider

Fish Audio: Drama 3