Deepgram: Flux TTS

Deepgram Flux TTS inglizcha matnni suhbat nutqiga aylantirib, ohangni navbatlar orasida saqlaydi. Oqimli rejim gapni bo‘lishni boshqaradi; paketli sintez bir xil ovoz katalogi yordamida qayta ishlatiladigan audio yaratadi.

Ailoot Ultra · Ovozlashtirish POST /v1/audio/speech deepgram/flux-tts

Model haqida

Bu tavsif model imkoniyatlarini yoritadi. Ailoot da tanlangan usul uchun mavjud kirish, chiqish va parametrlar quyida keltirilgan.

Flux TTS — jonli suhbat va o‘zgarmas og‘zaki kontent uchun Deepgram’ning matndan nutq yaratish oilasi. Uning asosiy xususiyati suhbat uzluksizligidir: oqimli model prosodiyani navbatlar orasida saqlaydi, shuning uchun muloqot davom etar ekan ijro izchil ohangni saqlab qolishi mumkin. U yozma matnni qabul qilib, nutq audiosini qaytaradi. Flux TTS va alohida nomlangan Flux nutqni tanish modeli ovozli suhbatning turli qismlarini bajaradi.

Inglizcha ovozni tanlang

Hujjatlashtirilgan Flux katalogi Amerika, Britaniya, Irlandiya, Avstraliya, Hindiston, Singapur va Filippin aksentlari bilan ingliz tilida gapiradi. Ovoz tavsiflari mijozlarga xizmat ko‘rsatish, telefon menyulari, hikoya o‘qish yoki erkin suhbat uchun so‘zlovchi tanlashga yordam beradi. Masalan, ishlab chiqaruvchi Haley’ni vazmin Amerika ovozi, Jack’ni esa professional Britaniya ovozi sifatida ko‘rsatadi. Ovozni auditoriya va o‘qiydigan matn turiga qarab tanlang, so‘ng uni asar yoki suhbat davomida o‘zgartirmang. Boshqa tildagi nutq alohida hujjatlashtirilgan model tanloviga tegishli.

Jonli navbatlar va gapni bo‘lish

Ishlab chiqaruvchining oqimli ish jarayonida ilova javob tuzayotgan paytda matn kelishi mumkin va audio bosqichma-bosqich qaytadi. Har bir navbatning o‘z boshlanish va tugash hodisalari bor; navbatni tugatish qolgan sintezni yakunlaydi. Navbatlararo kontekst o‘sha sessiya ichida prosodiyani saqlaydi. Bu avval tanlovni tushuntirib, so‘ng ovoz xarakterini o‘zgartirmasdan aniqlashtirishga javob beradigan ovozli yordamchi uchun foydalidir.

Gapni bo‘lish faol navbatni bekor qiladi va aytilgan qism hamda qolgan matnni qaytaradi. Bu farq ilovaga tinglovchi haqiqatan eshitgan joydan davom etishga yordam beradi. Amaliy muloqot uchun avval muhim ko‘rsatma, keyin tushuntirish bo‘lgan qisqa javob tayyorlang. Tinglovchi birinchi ko‘rsatmadan keyin gapni bo‘lsa, keyingi javob butun tushuntirish yetkazilgan deb hisoblash o‘rniga yangi savolga javob berishi mumkin.

O‘zgarmas audio va chiqish formatlari

Paketli sintez to‘liq matn blokini qabul qilib, uning audiosini bitta javobda qaytaradi. U oqimli rejim bilan bir xil ovoz katalogidan foydalanadi va oldindan tayyorlangan telefon ko‘rsatmalari, bildirishnomalar yoki ovozli hikoya uchun mos. Paketli so‘rovlar mustaqildir; oqimli navbat holati va gapni bo‘lish hodisalari o‘zgarmas klipga tatbiq etilmaydi.

Oqimli chiqish fayl konteynerisiz xom audio hisoblanadi: 16 bitli PCM, mu-law yoki A-law. Ishlab chiqaruvchi PCM uchun 8, 16, 24, 32, 44,1 va 48 kHz namuna olish chastotalarini hujjatlashtiradi; mu-law va A-law 8 yoki 16 kHz’dan foydalanadi. Paketli chiqish qo‘shimcha ravishda MP3, Opus, FLAC va AAC’ni qo‘llab-quvvatlaydi. Xom namunalar oqimini oddiy audio fayl deb hisoblash o‘rniga, ko‘zlangan pleyer yoki telefon yo‘li talqin qila oladigan kodlash va konteynerni tanlang.

Ijro boshqaruvlari va chegaralar

Ishlab chiqaruvchi 0.05 qadam bilan 0.5 dan 1.5 gacha nutq tezligi oralig‘ini hujjatlashtiradi. Oqimli tezlik o‘zgarishlari segment chegarasida qo‘llanadi. Alohida beta ifodalilik boshqaruvi ijroni vazmindan jo‘shqinga o‘zgartiradi. Oddiy SSML va tanilgan raqib teglar ifodali ko‘rsatma sifatida ishlatilmay, olib tashlanadi; Flux’ning mahalliy boshqaruvlari o‘z ma’nosiga ega.

Matn ichidagi pauzalar paketli sintezga tegishli bo‘lib, 100 ms qadam bilan 500–3 000 ms davomiylik va har bir so‘rov uchun ko‘pi bilan sakkiz belgi ruxsat etiladi. Qo‘shni pauzalarni matn ajratib turishi shart, pauza bor bo‘lsa tezlik 1.15 bilan cheklanadi. Talaffuzni almashtirish IPA’dan foydalanadi va Early Access bosqichidadir; ishlab chiqaruvchi so‘ralgan talaffuz natijalar yaratish orasida farq qilishi mumkinligini qayd etadi. Talaffuzni standartdan boshqa tezlik yoki pauza boshqaruvlari bilan birlashtirib bo‘lmaydi. Maxsus sohaga oid ismlar bor matnda atamalarni tanlangan ovozda tinglang va aytiladigan so‘zlarni aniq bering.

Deepgram hujjatlashtirgan oqimli sessiya bir soatgacha davom etadi va qo‘llab-quvvatlanadigan ulanish mexanizmi bilan faol saqlanmasa, kiruvchi xabarsiz oltmish soniyadan keyin yopiladi. Bu sessiya limitlari jonli sintez ish jarayoniga tegishli. Foydali natija — maqsadli tanlangan ovoz, tinglovchiga qulay matn va ishlatiladigan joyga mos audio; jonli ilovalar esa navbat bo‘linganda haqiqatan nima aytilganini kuzatadi.

Ailoot Ultra · Ovozlashtirish POST /v1/audio/speech deepgram/flux-tts

deepgram/flux-tts

Deepgram /deepgram/flux-tts

Boshlash

Qabul qilinadigan kirish ma’lumotlari: Matn
Natijalar: Audio

Ailoot da mavjud · kirish ma’lumotlari va usullar

Ailoot Ultra · Ovozlashtirish POST /v1/audio/speech

Kirish: text
Chiqish: audio
Chiqish formati: mp3

Maydon	Tur	Talab	Qiymatlar va cheklovlar	Standart
Maydon`model`	Tur`string`	TalabMajburiy	Qiymatlar va cheklovlar deepgram/flux-tts	Standart—
Maydon`input`	Tur`string`	TalabMajburiy	Qiymatlar va cheklovlar Eng kam uzunlik: 1 Birlik: Unicode belgilari	Standart—
Maydon`voice`	Tur`string`	TalabMajburiy	Qiymatlar va cheklovlar flux-alexis-en, flux-bree-en, flux-brittany-en, flux-brooke-en, flux-bruce-en, flux-cliff-en, flux-cole-en, flux-colin-en, flux-conor-en, flux-donovan-en, flux-drew-en, flux-elise-en, flux-gemma-en, flux-haley-en, flux-hannah-en, flux-heather-en, flux-jack-en, flux-kai-en, flux-kelsey-en, flux-kit-en, flux-maeve-en, flux-marcelo-en, flux-marcus-en, flux-meena-en, flux-meghan-en, flux-miles-en, flux-naveen-en, flux-paige-en, flux-priya-en, flux-rufus-en, flux-sean-en, flux-sharon-en, flux-sienna-en, flux-tanner-en, flux-wade-en, flux-wes-en	Standart—
Maydon`response_format`	Tur`string`	TalabMajburiy	Qiymatlar va cheklovlar mp3	Standart—

Kirish materiallari birikmalari

text_to_speech · Majburiy: input

Usul parametrlari va hayot sikli

Parametr	Parametr talablari
Parametr`content_type`	Parametr talablariapplication/json
Parametr`required`	Parametr talablarimodel, input, voice, response_format
Parametr`voice_ids`	Parametr talablariflux-alexis-en, flux-bree-en, flux-brittany-en, flux-brooke-en, flux-bruce-en, flux-cliff-en, flux-cole-en, flux-colin-en, flux-conor-en, flux-donovan-en, flux-drew-en, flux-elise-en, flux-gemma-en, flux-haley-en, flux-hannah-en, flux-heather-en, flux-jack-en, flux-kai-en, flux-kelsey-en, flux-kit-en, flux-maeve-en, flux-marcelo-en, flux-marcus-en, flux-meena-en, flux-meghan-en, flux-miles-en, flux-naveen-en, flux-paige-en, flux-priya-en, flux-rufus-en, flux-sean-en, flux-sharon-en, flux-sienna-en, flux-tanner-en, flux-wade-en, flux-wes-en
Parametr`response_format`	Parametr talablarimp3
Parametr`max_input_characters`	Parametr talablarinull
Parametr`other_options`	Parametr talablarifalse
Parametr`input`	Parametr talablariaynan UTF-8 matni; normallashtirmasdan Unicode belgilarini sanash
Parametr`material_types`	Parametr talablaritext

Hayot sikli: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · Amalda qaytarilgan task_id yoki media kutubxonasidagi yozuv

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Shu model profilidan aniq ovozni tanlang.

Kirish belgilari va audio soniyalari — turli hisoblash birliklari.

Tariflar

Tarif ma’lumotlari so‘rov imkoniyatlarini qo‘shmaydi. Qo‘llab-quvvatlanadigan parametrlar tanlangan usulda ko‘rsatilgan.

Tezkor rejim: Ko‘rsatilmagan Tezkor rejim tanlanganda
Flex rejimi: Ko‘rsatilmagan flex rejimi tanlanganda
Maksimal fikrlash darajasi: Ko‘rsatilmagan Maksimal fikrlash darajasi uchun standart (default) tuzatish qo‘llanganda

Ailoot tariflari

Sozlamalar bo‘yicha narxlar

Har bir to‘lovni ko‘rsatilgan shartlarga moslang. Har bir muqobil sozlamalar to‘plami uchun bitta tarifdan foydalaning.

Sozlama	Tariflar jadvali	Hisob birligi	To‘lov
SozlamaTokenlar uchun bazaviy tariflar	Tariflar jadvaliAsosiy tarif	Hisob birligi—	To‘lov Kirish · Kirish tokenlari — / 1K token Chiqish · Chiqish tokenlari — / 1K token Kirish · Keshdan o‘qish — / 1K token Kirish · Keshga yozish — / 1K token Kirish · Keshga yozish, 1 soat — / 1K token
SozlamaKirish belgisi	Tariflar jadvali—	Hisob birligikirish belgisi uchun	To‘lov Kirish · Kirish belgisi $0.00009 kirish belgisi uchun

Ma’lumot uchun tarif tafsilotlari

Modelning ma’lumot jadvallari usul tanlash, narx hisobi yoki to‘lovlarni o‘zgartirmaydi. Amaldagi to‘lovlar tanlangan Ailoot usuli tariflari bo‘yicha hisoblanadi.

Deepgram: Flux TTS

Sozlamalar bo‘yicha narxlar

Sozlama	To‘lovni hisoblash shartlari	To‘lov
SozlamaDeepgram: Flux TTS · Standart sozlama	To‘lovni hisoblash shartlariStandart konfiguratsiya	To‘lov Kirish · Kirish belgilari 0,00009 US$ kirish belgisi uchun

Ailoot so‘rovdan oldin taxminiy summani band qiladi. Natijadan keyin o‘lchangan sarf asosidagi yakuniy to‘lovni yechadi. Oqimli javob bo‘yicha yakuniy hisob-kitob yakuniy sarf yozuviga asoslanadi. Summani band qilish va to‘lovni hisoblash tartibi →

So‘rov namunalari

Ailoot Ultra · Ovozlashtirish

curl

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_VOICE_ID:?Choose an accepted voice ID from this exact model profile}"
export AILOOT_VOICE_ID
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "deepgram/flux-tts", "input": "Good afternoon! This is a short voice take."}')
voice=os.environ["AILOOT_VOICE_ID"]
allowed=json.loads('["flux-alexis-en", "flux-bree-en", "flux-brittany-en", "flux-brooke-en", "flux-bruce-en", "flux-cliff-en", "flux-cole-en", "flux-colin-en", "flux-conor-en", "flux-donovan-en", "flux-drew-en", "flux-elise-en", "flux-gemma-en", "flux-haley-en", "flux-hannah-en", "flux-heather-en", "flux-jack-en", "flux-kai-en", "flux-kelsey-en", "flux-kit-en", "flux-maeve-en", "flux-marcelo-en", "flux-marcus-en", "flux-meena-en", "flux-meghan-en", "flux-miles-en", "flux-naveen-en", "flux-paige-en", "flux-priya-en", "flux-rufus-en", "flux-sean-en", "flux-sharon-en", "flux-sienna-en", "flux-tanner-en", "flux-wade-en", "flux-wes-en"]')
if voice not in allowed: raise SystemExit("Choose an accepted voice ID from this exact model profile")
p["voice"]=voice
p["response_format"]="mp3"
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

Natijalarni olish va saqlash

Ailoot Ultra · Ovozlashtirish

mp3

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

Boshqa kontentni o‘qish

Media kutubxonasiVazifa holatiMaterial tafsilotlari

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 media-assets.json

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_MEDIA_TASK_ID:?Set the actual ID returned by the response or media-library metadata}"
export AILOOT_MEDIA_TASK_ID
resource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_MEDIA_TASK_ID"],safe=""))')
curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/tasks/$resource_id" \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o media-task.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path("media-task.json").read_text())))
PY_RESULT

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_ASSET_ID:?Set the actual ID returned by the response or media-library metadata}"
export AILOOT_ASSET_ID
resource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_ASSET_ID"],safe=""))')
curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/assets/$resource_id" \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o media-asset.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path("media-asset.json").read_text())))
PY_RESULT

Barcha tayyor natijalarni saqlash

Qaytarilgan har bir to‘liq javob, fayl va kontent qismini saqlang.

To‘liq ikkilik natija va sarlavhalarni saqlang. JSON yoki bir nechta natija qaytarilsa, har bir ma’lumot elementini saqlang va qaytarilgan har bir haqiqiy imzolangan resurs URL manzilidan faylni yuklab oling.

Asl javobni tekshirish kerak bo‘lsa

Ma’lumotlarni solishtirib tekshirish uchun dastlabki operation_id/X-Client-Request-ID ni saqlang va so‘rovni qayta yubormang; audio holatini davriy tekshirish uchun alohida yo‘nalish yo‘q.

Javob maydonlari

Maydon	Tur
Maydon`binary audio`	Turbytes
Maydon`response headers`	Turheaders

Xatolar va keyingi qadamlar

Javob	Shart	Keyingi qadam
Javob400 · `invalid_request_error`	ShartMajburiy maydonlar, material ifodasi yoki parametr qiymati noto‘g‘ri	Keyingi qadamYangi yaratish so‘rovidan oldin ko‘rsatilgan maydonlarni tuzating.
Javob`server_error`	ShartQaytarilgan javob operatsiya yoki natijani tekshirish kerakligini bildiradi	Keyingi qadamDastlab qaytarilgan operatsiya/vazifa ID sini, so‘rov sarlavhalarini va javobni saqlang; aynan shu operatsiya uchun qo‘llab-quvvatlanadigan o‘qish so‘rovlarini davom ettiring. Yaratish so‘rovini qayta yubormang.

Taxalluslar

Model taxalluslari

Ailoot Ultra deepgram/flux-tts

Usul yo‘llari taxalluslari

Yuqorida ko‘rsatilgan usul yo‘llaridan foydalaning.

Chaqirish uchun tegishli ID lar

deepgram/flux-tts

FAQ · Deepgram: Flux TTS

Qanday kirish ma’lumotlari va natijalar mavjud?: POST /v1/audio/speech · deepgram/flux-tts: text → audio
So‘rov qaysi maydonlardan foydalanadi?: POST /v1/audio/speech · deepgram/flux-tts: model, input, voice, response_format

Deepgram: Flux TTS