tts-1
TTS-1 tayyor matnni tanlanadigan ovozlar, ijro tezligi va chiqish formatlari bilan aytilgan audioga aylantiradi. OpenAI bu nashrni pastroq kechikishli nutq yaratishga optimallashtirgan; u tezkor ovozli o‘qishlar, qisqa bayon va allaqachon yozilgan ssenariyni oqimli yetkazish uchun amaliy tanlovdir.
Model haqida
Bu tavsif model imkoniyatlarini yoritadi. Ailoot da tanlangan usul uchun mavjud kirish, chiqish va parametrlar quyida keltirilgan.
TTS-1 — tezlikka optimallashtirilgan OpenAI matndan nutqqa modeli. U aytiladigan so‘zlarni qabul qilib, transkript yoki yozma javob o‘rniga audio yaratadi. Ishlab chiqaruvchi misollariga yozma maqolalarni o‘qish, bir nechta tilda nutq yaratish va kelayotgan audioni darhol ijro etish kiradi. TTS-1 TTS-1 HD ga nisbatan pastroq kechikishli tanlov, HD modeli esa chiqish sifatiga urg‘u beradi. Shuning uchun vazifa uchun tez ijro boshlanishi yoki yuqoriroq sifatli bayon profili muhimligini tanlash foydali qarordir.
Nutq yaratish jarayoni model, kirish matni va tanlangan ovozga asoslanadi. OpenAI ma’lumotnomasi matn kirishini 4096 belgi bilan cheklaydi; bu token kontekst oynasi emas, belgilar chegarasi. Sintezdan oldin haqiqiy ssenariyni tayyorlang: tinglovchi eshitishi kerak bo‘lgan gaplarni yozing, qisqartmalarni aniqlashtiring va nomlar, miqdorlar hamda sarlavhalar qanday aytilishini belgilang. Uzun maqolada butun hujjatni bitta nutq so‘rovi deb ko‘rmay, bo‘limlarni mustaqil tushunarli parchalarga ajrating.
OpenAI ning TTS-1 uchun joriy modelga xos ovozlar ro‘yxati: alloy, ash, coral, echo, fable, onyx, nova, sage va shimmer. Bular tayyor ovozlar; har bir yangi nutq modelining to‘liq ovoz to‘plami emas. Ovozlar ingliz tili uchun optimallashtirilgan, ko‘p tilli nutq esa kirishni aytiladigan tilda berish orqali qo‘llab-quvvatlanadi. Ovozni yakuniy ssenariyga mos atamalar va sur’atga ega xos parcha orqali tanlang. Davomiylik muhim bo‘lganda o‘zaro bog‘liq kliplarda shu tanlovni bir xil saqlang.
Audio bo‘laklarda oqimli uzatilishi mumkin; shu tariqa butun fayl yaratilishi tugamasidan ijro boshlanadi. Bu ikki tomonlama og‘zaki suhbat emas, matndan yaratilgan nutq oqimidir. Hujjatlashtirilgan chiqish formatlari MP3, Opus, AAC, FLAC, WAV va PCM; standart MP3. MP3 va AAC siqilgan audio beradi, Opus oqim va aloqa uchun mos, FLAC esa yo‘qotishsiz. WAV siqilgan audioni dekodlashni talab qilmaydi, xom PCM esa fayl sarlavhasisiz 24 kHz, 16-bit ishorali little-endian namunalarni o‘z ichiga oladi. Javob vaqti ustuvor bo‘lganda OpenAI WAV yoki PCM ni tavsiya qiladi.
Nutq ma’lumotnomasi 0.25 dan 4.0 gacha tezlik sozlamasini beradi; 1.0 standartdir. Tabiiy tildagi qo‘shimcha instructions maydoni TTS-1 bilan ishlamaydi, hodisa shaklidagi SSE chiqish ham bu modelda qo‘llab-quvvatlanmaydi. Uning hujjatlashtirilgan boshqaruvlari ssenariy, ovoz, tezlik va audio formatidir; yangi modellarning aksent, hissiyot yoki pichirlash boshqaruvlarini bu nashrga biriktirmaslik kerak. Klip tayyorlashda tushunarlilikka xizmat qiluvchi tezlikni tanlang, keyin ssenariydagi belgilar soni aniq davomiylikni belgilaydi deb taxmin qilmay, yaratilgan so‘zlar va pauzalarni tekshiring.
Til qo‘llanmasi ingliz, rus, ukrain, fransuz, nemis, ispan, portugal, italyan, arab, xitoy, yapon, koreys, hind, qozoq va boshqa ko‘p tillarni o‘z ichiga oladi. Nutq berilgan matn tiliga ergashadi. Shuning uchun ko‘p tilli bayon topshirig‘i tarjima qilingan ssenariy va ko‘zlangan auditoriyadan boshlanadi; matndan nutqqa aylantirish tarjima yoki qayta yozish topshirig‘i emas, ovozga o‘tkazish bosqichidir. Amaliy e’londa aniq xabar va nomlarni tayyorlang. Ta’limiy bayonda o‘qiladigan so‘zlarda bo‘lim chegaralari va ta’riflarni ravshan qiling.
Tayyor artefakt qisqa ovozli ko‘rsatma, o‘qilgan parcha yoki kattaroq montaj uchun audio segment bo‘lishi mumkin. Haqiqiy chiqish orqali talaffuz, to‘liqlik, sur’at va tanlangan formatni tekshiring. Keyingi tuzatishlar ta’sirlangan parchaga yo‘naltirilishi uchun ssenariyni audio bilan birga saqlang. OpenAI ko‘rsatmasi tinglovchilarga ovoz AI yordamida yaratilganini aniq aytishni talab qiladi. Bu bildirish tinglash tajribasiga tegishli; TTS-1 ni inson ovozi yozuviga aylantirmaydi yoki modelga ovoz klonlash boshqaruvlarini qo‘shmaydi.
Ailoot Ultra · Ovozlashtirish POST /v1/audio/speech openai/tts-1
openai/tts-1Boshlash
TTS-1 tayyor matnni tanlanadigan ovozlar, ijro tezligi va chiqish formatlari bilan aytilgan audioga aylantiradi. OpenAI bu nashrni pastroq kechikishli nutq yaratishga optimallashtirgan; u tezkor ovozli o‘qishlar, qisqa bayon va allaqachon yozilgan ssenariyni oqimli yetkazish uchun amaliy tanlovdir.
- 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 |
|---|---|---|---|---|
Maydonmodel | Turstring | TalabMajburiy | Qiymatlar va cheklovlar openai/tts-1 | Standart— |
Maydoninput | Turstring | TalabMajburiy | Qiymatlar va cheklovlar Eng kam uzunlik: 1 Eng ko‘p uzunlik: 4 096 Birlik: Unicode belgilari | Standart— |
Maydonvoice | Turstring | TalabMajburiy | Qiymatlar va cheklovlar alloy | Standart— |
Kirish materiallari birikmalari
text_to_speech · Majburiy: input
Usul parametrlari va hayot sikli
| Parametr | Parametr talablari |
|---|---|
Parametrcontent_type | Parametr talablariapplication/json |
Parametrrequired | Parametr talablarimodel, input, voice |
Parametrvoice_ids | Parametr talablarialloy |
Parametrmax_input_characters | Parametr talablari4096 |
Parametrother_options | Parametr talablarifalse |
Parametrinput | Parametr talablariaynan UTF-8 matni; normallashtirmasdan Unicode belgilarini sanash |
Parametrmaterial_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 | To‘lanadigan miqdor | Hisoblanadigan miqdor | Hisob birligi | To‘lov |
|---|---|---|---|---|---|
| SozlamaTokenlar uchun bazaviy tariflar | Tariflar jadvaliAsosiy tarif | To‘lanadigan miqdor— | 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 |
| SozlamaUltra | Tariflar jadvali— | To‘lanadigan miqdorHar bir Unicode kod nuqtasi, jumladan Han belgilari, bitta belgi hisoblanadi. | Hisoblanadigan miqdor— | Hisob birligi1K kirish belgisi uchun | To‘lov Kirish · Kirish belgisi $0.03 1K kirish belgisi uchun |
| SozlamaHar bir so‘rov uchun | Tariflar jadvali— | To‘lanadigan miqdor— | Hisoblanadigan miqdorbitta so‘rov | Hisob birligi— | To‘lov Kirish $0 har bir so‘rov uchun |
Ailoot so‘rovdan oldin taxminiy summani band qiladi. Natijadan keyin o‘lchangan sarf asosidagi yakuniy to‘lovni yechadi. Oqimli javob bo‘yicha yakuniy hisob-kitob yakuniy sarf yozuviga asoslanadi. Summani band qilish va to‘lovni hisoblash tartibi →
So‘rov namunalari
Ailoot Ultra · Ovozlashtirish
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "openai/tts-1", "input": "Good afternoon! This is a short voice take.", "voice": "alloy"}')
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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o speech.mp3
Natijalarni olish va saqlash
Ailoot Ultra · Ovozlashtirish
mp3
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Boshqa kontentni o‘qish
set -eu
: "${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 $AILOOT_API_KEY" -o media-assets.json
set -eu
: "${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 |
|---|---|
Maydonbinary audio | Turbytes |
Maydonresponse 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. |
Javobserver_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 openai/tts-1
Usul yo‘llari taxalluslari
Yuqorida ko‘rsatilgan usul yo‘llaridan foydalaning.
Chaqirish uchun tegishli ID lar
FAQ · tts-1
- Qanday kirish ma’lumotlari va natijalar mavjud?
POST /v1/audio/speech·openai/tts-1:text→audio- So‘rov qaysi maydonlardan foydalanadi?
POST /v1/audio/speech·openai/tts-1:model,input,voice- Qanday cheklovlar amal qiladi?
POST /v1/audio/speech·openai/tts-1:input.maximum_length:4096