glm-tts
GLM-TTS แปลงสคริปต์ที่ป้อนให้เป็นเสียงพูด โปรไฟล์ glm-tts ใช้เมธอด Audio Speech พร้อมระบุ voice อย่างชัดเจนและเอาต์พุต WAV จึงเหมาะกับเสียงบรรยายสั้น คำแนะนำแบบเสียง และการเล่นข้อความเสียง เตรียมข้อความให้อยู่ภายในขีดจำกัดอินพุต 1,024 อักขระตามเอกสาร
เกี่ยวกับโมเดล
คำอธิบายนี้ครอบคลุมความสามารถของโมเดล อินพุต เอาต์พุต และตัวเลือกที่ใช้ได้ใน Ailoot แสดงด้านล่างตามเมธอดที่เลือก
GLM-TTS เป็นโมเดลสังเคราะห์เสียงของ Zhipu ที่เลือกด้วย ID ที่ตรงตามนี้คือ glm-tts ส่ง POST /v1/audio/speech พร้อม model, input และ voice ใส่คำที่จะพูดลงใน input โดยตรง และเลือก response_format=wav สำหรับโปรไฟล์นี้ ผลลัพธ์คือเสียงบันทึกการอ่านสคริปต์ที่ป้อนให้ เหมาะสำหรับเล่นกลับหรือนำเข้าโปรแกรมตัดต่อเสียงหรือวิดีโอ
ใช้สำหรับคำอธิบายสินค้าสั้น ๆ คำต้อนรับแบบเสียง ข้อความแนะนำวิธีทำ หรือประกาศ เตรียมสคริปต์ตามที่ต้องการให้อ่านออกเสียง โดยใส่จุดแบ่งประโยคที่ต้องการและเขียนคำที่การออกเสียงมีความสำคัญต่องานให้ชัดเจน สำหรับบทสอน คำขอหนึ่งอาจมีคำแนะนำที่เจาะจงเพื่อประกอบขั้นตอนที่เห็นเพียงขั้นตอนเดียว สำหรับข้อความต้อนรับ ให้ป้อนถ้อยคำจริงและตรวจทานเสียงบันทึกก่อนใส่ลงในขั้นตอนใช้งานของลูกค้า
ความยาวอินพุตสูงสุดตามเอกสารคือ 1,024 อักขระ ตรวจขีดจำกัดนี้จากข้อความที่เสร็จแล้ว รวมเครื่องหมายวรรคตอนและช่องว่าง เสียงบรรยายที่ยาวกว่านี้ต้องแบ่งสคริปต์เป็นช่วงที่เหมาะสม เก็บลำดับของช่วงและการตั้งค่าที่เลือกไว้พร้อมเสียงบันทึก เพื่อประกอบและตรวจทานร่วมกันได้ ขีดจำกัดอักขระอธิบายข้อความอินพุตและไม่ได้กำหนดระยะเวลาบันทึกเสียงตายตัว
สคีมาของ voice ระบุ tongtong, chuichui, jam, kazi, douji และ luodo ตัวอย่างที่เผยแพร่ใช้ tongtong พร้อม speed=1 และ volume=1 ทั้ง speed และ volume เป็นตัวควบคุมที่เลือกใส่ได้ โดยมีค่าเริ่มต้นตามเอกสารเป็น 1 สำหรับเมธอด WAV นี้ speed เป็นจำนวนเต็มที่รับ 1 หรือ 2 และ volume เป็นจำนวนเต็มตั้งแต่ 1 ถึง 10 ค่าบูลีน watermark_enabled ที่เลือกใส่ได้ควบคุมลายน้ำเสียง ไม่ต้องระบุ stream หรือกำหนดเป็น false เพื่อรับเสียงบันทึก WAV ที่สมบูรณ์ เริ่มจากตัวอย่างที่ชัดเจนนี้เมื่อเตรียมเสียงบันทึกครั้งแรก จากนั้นใช้เสียงที่เลือกและการตั้งค่าที่ระบบยอมรับให้สม่ำเสมอในช่วงที่เกี่ยวข้องกัน
เสียงบันทึก WAV คือเอาต์พุตที่เสร็จแล้วของคำขอเสียงพูด เก็บผลลัพธ์เสียงทั้งหมดและข้อมูลการตอบกลับ จากนั้นฟังตลอดทั้งช่วงเพื่อตรวจการออกเสียง ถ้อยคำ การเว้นจังหวะ และลำดับที่ต้องการ เก็บสคริปต์ต้นฉบับที่ตรงกันไว้ข้างเสียงบันทึกเมื่อเตรียมแก้ไข หากผลลัพธ์ของคำขอยังไม่แน่ชัด ให้เก็บคำขอเดิมและข้อมูลผลลัพธ์ที่ส่งกลับมาก่อนสร้างคำขอสังเคราะห์อีกครั้ง การไม่มีไฟล์ให้เล่นเพียงอย่างเดียวไม่ได้ยืนยันว่าไม่มีการสร้างเสียงบันทึก
Ailoot Ultra · Speech POST /v1/audio/speech glm-tts
glm-ttsเริ่มต้น
GLM-TTS แปลงสคริปต์ที่ป้อนให้เป็นเสียงพูด โปรไฟล์ glm-tts ใช้เมธอด Audio Speech พร้อมระบุ voice อย่างชัดเจนและเอาต์พุต WAV จึงเหมาะกับเสียงบรรยายสั้น คำแนะนำแบบเสียง และการเล่นข้อความเสียง เตรียมข้อความให้อยู่ภายในขีดจำกัดอินพุต 1,024 อักขระตามเอกสาร
- อินพุตที่รองรับ
- ข้อความ
- ผลลัพธ์
- เสียง
ใช้งานได้ใน Ailoot · อินพุตและเมธอด
Ailoot Ultra · Speech POST /v1/audio/speech
- ขาเข้า
text- ขาออก
audio- รูปแบบเอาต์พุต
- wav
| ฟิลด์ | ประเภท | ข้อกำหนด | ค่าและข้อจำกัด | ค่าเริ่มต้น |
|---|---|---|---|---|
ฟิลด์model | ประเภทstring | ข้อกำหนดจำเป็น | ค่าและข้อจำกัด glm-tts | ค่าเริ่มต้น— |
ฟิลด์input | ประเภทstring | ข้อกำหนดจำเป็น | ค่าและข้อจำกัด | ค่าเริ่มต้น— |
ฟิลด์voice | ประเภทstring | ข้อกำหนดจำเป็น | ค่าและข้อจำกัด tongtong, chuichui, jam, kazi, douji, luodo | ค่าเริ่มต้น— |
ฟิลด์response_format | ประเภทstring | ข้อกำหนดจำเป็น | ค่าและข้อจำกัด wav | ค่าเริ่มต้น— |
ฟิลด์encode_format | ประเภทstring | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด base64, hex | ค่าเริ่มต้น— |
ฟิลด์speed | ประเภทinteger | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด ขั้นต่ำ: 1 สูงสุด: 2 | ค่าเริ่มต้น1 |
ฟิลด์volume | ประเภทinteger | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด ขั้นต่ำ: 1 สูงสุด: 10 | ค่าเริ่มต้น1 |
ฟิลด์watermark_enabled | ประเภทboolean | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด | ค่าเริ่มต้น— |
ฟิลด์stream | ประเภทboolean | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด false | ค่าเริ่มต้น— |
พารามิเตอร์และวงจรการทำงานของเมธอด
| พารามิเตอร์ | ข้อกำหนด |
|---|---|
พารามิเตอร์content_type | ข้อกำหนดapplication/json |
พารามิเตอร์required | ข้อกำหนดmodel, input, voice, response_format |
พารามิเตอร์optional | ข้อกำหนดencode_format, speed, volume, watermark_enabled, stream |
พารามิเตอร์material_types | ข้อกำหนดtext |
พารามิเตอร์conditions | ข้อกำหนดUse direct WAV output. speed and volume are positive integers within the listed bounds. stream is false or omitted. |
วงจรการทำงาน: synchronous_result_then_owned_library
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 | ปริมาณที่คิดค่าบริการ | หน่วยคิดค่าบริการ | ค่าบริการ |
|---|---|---|---|---|
| การตั้งค่าอัตราค่าบริการโทเคนพื้นฐาน | ตารางอัตราค่าบริการอัตราพื้นฐาน | ปริมาณที่คิดค่าบริการ— | หน่วยคิดค่าบริการ— | ค่าบริการ ขาเข้า · โทเค็นอินพุต — / 1K โทเค็น ขาออก · โทเค็นเอาต์พุต — / 1K โทเค็น ขาเข้า · การอ่านแคช — / 1K โทเค็น ขาเข้า · การเขียนแคช — / 1K โทเค็น ขาเข้า · การเขียนแคช, 1 ชั่วโมง — / 1K โทเค็น |
| การตั้งค่าอักขระขาเข้า | ตารางอัตราค่าบริการ— | ปริมาณที่คิดค่าบริการ— | หน่วยคิดค่าบริการต่ออักขระอินพุต | ค่าบริการ ขาเข้า · อักขระขาเข้า $0.00006 ต่ออักขระอินพุต |
| การตั้งค่าต่อคำขอ | ตารางอัตราค่าบริการ— | ปริมาณที่คิดค่าบริการหนึ่งคำขอ | หน่วยคิดค่าบริการ— | ค่าบริการ ขาเข้า $0 ต่อคำขอ |
Ailoot กันยอดเงินประมาณการไว้ก่อนส่งคำขอ หลังได้ผลลัพธ์ จะคิดค่าบริการสุดท้ายตามการใช้งานที่วัดได้ การคิดค่าบริการแบบสตรีมใช้บันทึกการใช้งานสุดท้าย วิธีกันยอดเงินและคิดค่าบริการสุดท้าย →
ตัวอย่างคำขอ
Ailoot Ultra · Speech
set -eu
: "${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('{"model": "glm-tts", "input": "Hello, this is a short speech example.", "voice": "tongtong", "response_format": "wav"}')
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.
รับและบันทึกผลลัพธ์
Ailoot Ultra · Speech
wav
GET /v1/media/assetsGET /v1/media/assets/{asset_id}
เก็บผลลัพธ์ที่เสร็จสมบูรณ์ทั้งหมด
เก็บทุกการตอบกลับ ไฟล์ และส่วนเนื้อหาที่ส่งกลับมาอย่างครบถ้วน
Retain the complete binary WAV, response headers and original request identity.
เมื่อต้องตรวจสอบการตอบกลับต้นฉบับ
Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.
ชื่ออื่น
ชื่ออื่นของโมเดล
Ailoot Ultra glm-tts
ชื่อพาธเมธอดอื่น
ใช้พาธเมธอดที่แสดงด้านบน
ID ที่เกี่ยวข้องสำหรับเรียกใช้โมเดล
FAQ · glm-tts
- มีอินพุตและผลลัพธ์ใดบ้าง?
POST /v1/audio/speech·glm-tts:text→audio- คำขอใช้ฟิลด์ใดบ้าง?
POST /v1/audio/speech·glm-tts:model,input,voice,response_format,encode_format,speed,volume,watermark_enabled,stream- มีข้อจำกัดใดบ้าง?
POST /v1/audio/speech·glm-tts:speed.minimum:1;speed.maximum:2;volume.minimum:1;volume.maximum:10