glm-tts
GLM-TTS berilgan ssenariyni nutq audiosiga aylantiradi. glm-tts profili aniq ovoz va WAV chiqishi bilan Audio Speech usulidan foydalanadi, shu sababli qisqa ovozli matn, og‘zaki ko‘rsatmalar va xabarlarni eshittirish uchun mos keladi. Matnni uning hujjatlashtirilgan 1 024 belgili kirish chegarasi doirasida tayyorlang.
Model haqida
Bu tavsif model imkoniyatlarini yoritadi. Ailoot da tanlangan usul uchun mavjud kirish, chiqish va parametrlar quyida keltirilgan.
GLM-TTS — Zhipu kompaniyasining aniq glm-tts ID qiymati bilan tanlanadigan nutq sintezi modeli. model, input va voice bilan POST /v1/audio/speech so‘rovini yuboring. O‘qilishi kerak bo‘lgan so‘zlarni bevosita input ichiga joylang va ushbu profil uchun response_format=wav ni tanlang. Natija berilgan ssenariyning og‘zaki yozuvi bo‘lib, eshittirish yoki audio yoxud video muharririga import qilish uchun mos keladi.
Undan qisqa mahsulot tushuntirishi, ovozli salomlashuv, ko‘rsatma parchasi yoki e’lon uchun foydalaning. Ssenariyni qanday ovoz chiqarib o‘qilishi kerak bo‘lsa, shunday tayyorlang: ko‘zlangan gap chegaralarini kiriting va talaffuzi vazifa uchun muhim bo‘lgan atamalarni to‘liq yozing. Qo‘llanma uchun bitta so‘rovda bitta ko‘rinadigan qadamga hamroh bo‘ladigan aniq ko‘rsatma bo‘lishi mumkin. Salomlashuv xabari uchun haqiqiy matnni bering va yozuvni mijoz yo‘liga joylashdan oldin tekshiring.
Hujjatlashtirilgan eng katta kirish uzunligi 1 024 belgi. Bu chegarani tekshirishda tinish belgilari va bo‘shliqlarni ham hisobga olib, tugallangan matndan foydalaning. Uzunroq ovozli matn mos parchalarga bo‘lingan ssenariyni talab qiladi; yozuvlarni birlashtirish va birgalikda tekshirish uchun parchalarning tartibi va tanlangan sozlamalarni ular bilan saqlang. Belgilar chegarasi kirish matnini tavsiflaydi va qat’iy yozuv davomiyligini belgilamaydi.
voice sxemasida tongtong, chuichui, jam, kazi, douji va luodo keltirilgan. E’lon qilingan misolda tongtong speed=1 va volume=1 bilan ishlatiladi. speed va volume ikkalasi ham ixtiyoriy boshqaruvlar bo‘lib, hujjatlashtirilgan standart qiymati 1. Ushbu WAV usulida speed 1 yoki 2 ni qabul qiladigan butun son, volume esa 1 dan 10 gacha bo‘lgan butun son. Ixtiyoriy watermark_enabled mantiqiy qiymati audio suv belgisini boshqaradi. To‘liq WAV yozuvini olish uchun stream ni belgilanmagan holda qoldiring yoki false qiling. Birinchi yozuvni tayyorlashda aynan shu aniq misoldan boshlang, keyin o‘zaro bog‘liq parchalarda tanlangan ovoz va qabul qilingan sozlamalarni bir xil saqlang.
WAV yozuvi nutq so‘rovining tayyor natijasidir. To‘liq audio natijani va uning javob ma’lumotlarini saqlang, keyin butun parchani tinglab, talaffuz, so‘zlar, pauzalar va ko‘zlangan ketma-ketlikni tekshiring. Tuzatish tayyorlashda aniq manba ssenariysini yozuv yonida saqlang. So‘rov natijasi noaniq bo‘lsa, yana sintez so‘rovi yaratishdan avval uning dastlabki so‘rov va qaytarilgan natija ma’lumotlarini saqlang; eshittirish faylining yo‘qligi o‘z-o‘zidan yozuv yaratilmaganini isbotlamaydi.
Ailoot Ultra · Speech POST /v1/audio/speech glm-tts
glm-ttsBoshlash
GLM-TTS berilgan ssenariyni nutq audiosiga aylantiradi. glm-tts profili aniq ovoz va WAV chiqishi bilan Audio Speech usulidan foydalanadi, shu sababli qisqa ovozli matn, og‘zaki ko‘rsatmalar va xabarlarni eshittirish uchun mos keladi. Matnni uning hujjatlashtirilgan 1 024 belgili kirish chegarasi doirasida tayyorlang.
- Qabul qilinadigan kirish ma’lumotlari
- Matn
- Natijalar
- Audio
Ailoot da mavjud · kirish ma’lumotlari va usullar
Ailoot Ultra · Speech POST /v1/audio/speech
- Kirish
text- Chiqish
audio- Chiqish formati
- wav
| Maydon | Tur | Talab | Qiymatlar va cheklovlar | Standart |
|---|---|---|---|---|
Maydonmodel | Turstring | TalabMajburiy | Qiymatlar va cheklovlar glm-tts | Standart— |
Maydoninput | Turstring | TalabMajburiy | Qiymatlar va cheklovlar | Standart— |
Maydonvoice | Turstring | TalabMajburiy | Qiymatlar va cheklovlar tongtong, chuichui, jam, kazi, douji, luodo | Standart— |
Maydonresponse_format | Turstring | TalabMajburiy | Qiymatlar va cheklovlar wav | Standart— |
Maydonencode_format | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar base64, hex | Standart— |
Maydonspeed | Turinteger | TalabIxtiyoriy | Qiymatlar va cheklovlar Eng kam: 1 Eng ko‘p: 2 | Standart1 |
Maydonvolume | Turinteger | TalabIxtiyoriy | Qiymatlar va cheklovlar Eng kam: 1 Eng ko‘p: 10 | Standart1 |
Maydonwatermark_enabled | Turboolean | TalabIxtiyoriy | Qiymatlar va cheklovlar | Standart— |
Maydonstream | Turboolean | TalabIxtiyoriy | Qiymatlar va cheklovlar false | Standart— |
Usul parametrlari va hayot sikli
| Parametr | Parametr talablari |
|---|---|
Parametrcontent_type | Parametr talablariapplication/json |
Parametrrequired | Parametr talablarimodel, input, voice, response_format |
Parametroptional | Parametr talablariencode_format, speed, volume, watermark_enabled, stream |
Parametrmaterial_types | Parametr talablaritext |
Parametrconditions | Parametr talablariUse direct WAV output. speed and volume are positive integers within the listed bounds. stream is false or omitted. |
Hayot sikli: synchronous_result_then_owned_library
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 | Hisoblanadigan miqdor | Hisob birligi | To‘lov |
|---|---|---|---|---|
| SozlamaTokenlar uchun bazaviy tariflar | Tariflar jadvaliAsosiy tarif | Hisoblanadigan miqdor— | 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— | Hisoblanadigan miqdor— | Hisob birligikirish belgisi uchun | To‘lov Kirish · Kirish belgisi $0.00006 kirish belgisi uchun |
| SozlamaHar bir so‘rov uchun | Tariflar jadvali— | Hisoblanadigan miqdorbitta so‘rov | Hisob birligi— | To‘lov Kirish $0 har bir so‘rov uchun |
Ailoot so‘rovdan oldin taxminiy summani band qiladi. Natijadan keyin o‘lchangan sarf asosidagi yakuniy to‘lovni yechadi. Oqimli javob bo‘yicha yakuniy hisob-kitob yakuniy sarf yozuviga asoslanadi. Summani band qilish va to‘lovni hisoblash tartibi →
So‘rov namunalari
Ailoot Ultra · Speech
set -eu
: "${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.
Natijalarni olish va saqlash
Ailoot Ultra · Speech
wav
GET /v1/media/assetsGET /v1/media/assets/{asset_id}
Barcha tayyor natijalarni saqlash
Qaytarilgan har bir to‘liq javob, fayl va kontent qismini saqlang.
Retain the complete binary WAV, response headers and original request identity.
Asl javobni tekshirish kerak bo‘lsa
Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.
Taxalluslar
Model taxalluslari
Ailoot Ultra glm-tts
Usul yo‘llari taxalluslari
Yuqorida ko‘rsatilgan usul yo‘llaridan foydalaning.
Chaqirish uchun tegishli ID lar
FAQ · glm-tts
- Qanday kirish ma’lumotlari va natijalar mavjud?
POST /v1/audio/speech·glm-tts:text→audio- So‘rov qaysi maydonlardan foydalanadi?
POST /v1/audio/speech·glm-tts:model,input,voice,response_format,encode_format,speed,volume,watermark_enabled,stream- Qanday cheklovlar amal qiladi?
POST /v1/audio/speech·glm-tts:speed.minimum:1;speed.maximum:2;volume.minimum:1;volume.maximum:10