Fish Audio: S2.1 Pro

Fish Audio S2.1 Pro ifodali ko‘p tilli nutq yaratadi va bir nechta so‘zlovchi ishtirokidagi muloqotni bevosita sintez qiladi; S2 Pro’ga nisbatan nutq sifatini va o‘tkazuvchanlikni oshirib, kechikishni kamaytiradi. Ovozli bayon yoki suhbat audiosi yaratish uchun ijroni ssenariy ichida boshqaring va ovoz namunalaridan foydalaning.

Ailoot Ultra · Nutq POST /v1/audio/speech fish-audio/s2.1-pro

Model haqida

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

S2.1 Pro — Fish Audio’ning ifodali ovozli bayon va suhbat ovozi ilovalari uchun keyingi S2 avlod matnni nutqqa aylantirish modeli. U tabiiy tildagi ijro boshqaruvi va modelning o‘zida qo‘llab-quvvatlanadigan ko‘p so‘zlovchili muloqotni saqlab, S2 Pro’ga nisbatan nutq sifati, kechikish va o‘tkazuvchanlikni yaxshilaydi. S2.1 Pro va S2.1 Pro Free bir xil asosiy nutq modelidan foydalanadi.

Ovozli tushuntirish uchun tayyor matn, mo‘ljallangan ovoz va sur’at yoki urg‘u o‘zgarishi kerak bo‘lgan joylarni bering. Suhbat ilovasida ilova tanlagan javobni sintez qiling va faktik mazmunni ijro ko‘rsatmalaridan ajrating. Ssenariyli muloqotda navbatlarni yozishdan oldin so‘zlovchilar va ularning ovozlarini belgilang. Foydali natija — so‘zlari, ijrosi va so‘zlovchi rollari shu topshiriqqa mos keladigan to‘liq audio parcha yoki ijro etiladigan oqim.

Avval haqiqatan aytilishi kerak bo‘lgan so‘zlarni yozing, so‘ng ijrosi o‘zgarishi kerak bo‘lgan parcha oldiga bevosita ko‘rsatma qo‘ying. Kvadrat qavsdagi ko‘rsatmalar pichirlash, pauza, reaksiya, urg‘u yoki erkin ta’riflangan so‘zlash uslubini ifodalashi mumkin. Gap ichidagi o‘zgarishni ijro talab qilgan joyga qo‘ying va tavsifiy ko‘rsatmadan keyin haqiqiy nutq matnini yozing. Foydali tushuntirish topshirig‘i faktik matnni tinglovchi uchun kerakli iliqlik, sur’at yoki urg‘udan ajratadi.

Bitta so‘zlovchi uchun saqlangan ovoz identifikatorini tanlang yoki transkripti bilan namuna yozuv bering. Ishlab chiqaruvchining nutq qo‘llanmasi ovozni darhol moslashtirish uchun toza 10–30 soniyali namunani tavsiya qiladi. Ssenariyga mos ohang va yozuv sifatidagi namunani tanlang, bog‘liq parchalar uchun ayni namunani saqlang. Ovoz namunasi so‘zlovchining jarangini, matn va ichki ko‘rsatmalar esa mazmun hamda uning ijrosini beradi.

Modelning o‘zida qo‘llab-quvvatlanadigan ko‘p so‘zlovchili sintez ovoz identifikatorlarining tartiblangan massivi yoki alohida namuna guruhlari bilan <|speaker:0|> va <|speaker:1|> kabi belgilardan foydalanadi. Raqamli so‘zlovchi belgilarini shu tartibga mos tuting. O‘quv muloqotida har so‘zlovchining jumlasini yozing va ijro ko‘rsatmasini so‘zlovchi belgisidan keyin tegishli joyga qo‘ying. Bu bitta so‘rov ichida muloqot yaratadi; u S1’dagi alohida bir so‘zlovchili segmentlar va ularni keyin yig‘ish jarayonidan farq qiladi.

Ishlab chiqaruvchi jarayoni MP3, WAV, xom PCM va Opus chiqishlarini taklif qiladi; standart format MP3. MP3 64, 128 va 192 kbps’ni qo‘llab-quvvatlaydi; WAV va PCM hujjatlashtirilgan 16 bitli mono namuna formatlaridan, Opus esa 48 kHz’dan foydalanadi. Saqlanadigan ovozli bayon fayli, oqimli ijro yoki keyingi audio jarayoni uchun format tanlang. Keyingi tahrir mo‘ljallangan ijroni yo‘qotmasdan bitta jumlani o‘zgartira olishi uchun to‘liq ssenariy va ovoz tanlovini audio bilan birga saqlang.

Tezlikni 0.5 dan 2.0 gacha o‘zgartirish va ovoz balandligini boshqarish mumkin. Matnni me’yorlashtirish ingliz va xitoy tillaridagi sonlarni tabiiy o‘qish uchun yoyib beradi. Chiqish ovoz balandligini me’yorlashtirish standart holda true va S2 oilasiga qo‘llanadi; ayni maydon S1’da ta’sir qilmagan. S1’ning repetition_penalty parametri S2.1 Pro audiosini o‘zgartirmaydi, shuning uchun eski sozlamani bu model uchun amaldagi boshqaruv deb hisoblamang. Natijani tasdiqlashda ko‘chib qolgan parametrga tayanmasdan, takroriy tovush va so‘zlarni bevosita tekshiring.

Uzunroq ssenariylar bo‘laklarga ajratib qayta ishlanadi. Hujjatlashtirilgan bo‘lak uzunligi oralig‘i 100–300; max_new_tokens umumiy davomiylik kafolati emas, har bo‘lak uchun audio token byudjetidir. Oldingi bo‘lakka tayantirish ovoz kontekstini keyingisiga olib o‘tishi mumkin. Ishlab chiqaruvchining yetkazish jarayoni yaxlit audio, bosqichma-bosqich audio bo‘laklari va ssenariy asta kelganda jonli matn oqimini tavsiflaydi. Ilova uchun qabul qilish usulini tanlang va keyingi parchaning talaffuzi hamda ohangi uchun yetarli ssenariy kontekstini saqlang.

Foydali yakuniy material uchun tushib qolgan yoki takrorlangan so‘zlar, sonlar talaffuzi, so‘zlovchi almashishi, pauzalar va ko‘rsatmalar kuchini tinglab tekshiring. Turli ovoz namunalari bir ishorani turli kuchda talqin qilishi mumkin, shuning uchun raqobatlashuvchi teglar qo‘shishdan oldin oddiy boshqariladigan jumladan boshlang. Ko‘p tilli ishda nutq modelidan mazmunni o‘ylab topish yoki tarjima qilishni so‘ramasdan, kerakli tildagi ssenariyni bering. Aniq tahrir nomuvofiqlikka sabab bo‘lgan jumla, ishora yoki namunani o‘zgartiradi va topshiriqqa allaqachon mos ijro qismlarini saqlaydi.

Ailoot Ultra · Nutq POST /v1/audio/speech fish-audio/s2.1-pro

fish-audio/s2.1-pro

Fish Audio /fish-audio/s2.1-pro

Boshlash

Qabul qilinadigan kirish ma’lumotlari: Matn
Natijalar: Audio

Ailoot da mavjud · kirish ma’lumotlari va usullar

Ailoot Ultra · Nutq POST /v1/audio/speech

Kirish: text
Chiqish: audio

Maydon	Tur	Talab	Qiymatlar va cheklovlar	Standart
Maydon`model`	Tur`string`	TalabMajburiy	Qiymatlar va cheklovlar fish-audio/s2.1-pro	Standart—
Maydon`input`	Tur`string`	TalabMajburiy	Qiymatlar va cheklovlar Eng kam uzunlik: 1	Standart—
Maydon`voice`	Tur`string`	TalabMajburiy	Qiymatlar va cheklovlar b347db033a6549378b48d00acb0d06cd Eng kam uzunlik: 1	Standart—
Maydon`response_format`	Tur`string`	TalabIxtiyoriy	Qiymatlar va cheklovlar mp3, pcm	Standartpcm
Maydon`provider`	Tur`object`	TalabIxtiyoriy	Qiymatlar va cheklovlar	Standart—

Usul parametrlari va hayot sikli

Parametr	Parametr talablari
Parametr`content_type`	Parametr talablariapplication/json
Parametr`required`	Parametr talablarimodel, input, voice
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}

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 UTF-8 bayti	Tariflar jadvali—	Hisob birligiUTF-8 kirish bayti uchun	To‘lov Kirish · Kirish UTF-8 bayti $0.00003 UTF-8 kirish bayti 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 · Nutq

Haqiqiy kirish ma’lumotlaridan foydalaning va natijani to‘liq saqlang

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_INPUT_TEXT:?Set the actual documented input value}"
export AILOOT_INPUT_TEXT
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
request={'model': 'fish-audio/s2.1-pro', 'input': '${ACTUAL_INPUT_TEXT}', 'voice': 'b347db033a6549378b48d00acb0d06cd', 'response_format': 'mp3'}
request['input']=os.environ['AILOOT_INPUT_TEXT']
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.

Natijalarni olish va saqlash

Ailoot Ultra · Nutq

To‘liq ikkilik audio yoki dastlabki audio_url javobi, sarlavhalar va egalik qilinadigan har bir aktiv.

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

O‘zingizga tegishli mavjud materiallarni o‘qish

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.

Barcha tayyor natijalarni saqlash

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

To‘liq javob va sarlavhalarni, amalda qaytarilgan barcha natijalarni, dastlab qaytarilgan identifikatorlarni hamda barcha usage maydonlarini saqlang. Yaratish so‘rovini qayta yubormasdan dastlabki operatsiyani tiklang.

Asl javobni tekshirish kerak bo‘lsa

Qaytarilgan X-Client-Request-ID ni ma’lumotlarni solishtirib tekshirish uchun saqlang. Faqat amalda qaytarilgan task_id/asset_id qiymatlari bo‘yicha yoki o‘zingizga tegishli media kutubxonasidan ma’lumot o‘qing; operatsiya ID sidan vazifa URL manzilini hech qachon tuzmang va yaratish so‘rovini qayta yubormang.

Taxalluslar

Model taxalluslari

Ailoot Ultra fish-audio/s2.1-pro

Usul yo‘llari taxalluslari

Yuqorida ko‘rsatilgan usul yo‘llaridan foydalaning.

Chaqirish uchun tegishli ID lar

fish-audio/s2.1-pro

FAQ · Fish Audio: S2.1 Pro

Qanday kirish ma’lumotlari va natijalar mavjud?: POST /v1/audio/speech · fish-audio/s2.1-pro: text → audio
So‘rov qaysi maydonlardan foydalanadi?: POST /v1/audio/speech · fish-audio/s2.1-pro: model, input, voice, response_format, provider

Fish Audio: S2.1 Pro