Sesame: CSM 1B
Sesame CSM 1B POST /v1/audio/speech orqali berilgan matnni nutqqa aylantiradi. Haqiqiy ssenariy bilan sesame/csm-1b dan foydalaning, uning nomlangan ovozlaridan birini tanlang va MP3 yoki PCM audio so‘rang. U tayyor xabar, tushuntirish yoki ovozli matn bo‘lagini eshittirish yoxud tahrir uchun audio faylga aylantiradigan jarayonga mos keladi.
Model haqida
Bu tavsif model imkoniyatlarini yoritadi. Ailoot da tanlangan usul uchun mavjud kirish, chiqish va parametrlar quyida keltirilgan.
Sesame CSM 1B — aniq sesame/csm-1b ID qiymati ostida mavjud matndan nutq modeli. Aytiladigan so‘zlarni bering va natija audiosini fayl sifatida saqlang. Amaliy topshiriq tayyor mahsulot tushuntirishi, og‘zaki ilova xabari yoki montajga joylanadigan ovozli matn bo‘lagi bo‘lishi mumkin. Ssenariyni tinglovchi eshitishi kerak bo‘lgan ismlar, sonlar va iboralarni qo‘shgan holda ko‘zlangan og‘zaki matn sifatida tayyorlang.
application/json bilan POST /v1/audio/speech so‘rovini yuboring. Majburiy maydonlar — sesame/csm-1b qiymatiga belgilangan model va ssenariyni satr sifatida o‘z ichiga oladigan input. Mahalliy fayl nomini berish o‘rniga ssenariy faylini UTF-8 matni sifatida o‘qing va uning mazmunini input ichiga joylang. Og‘zaki mazmunni shu maydonda saqlash yaratishga amal qilinadigan aniq ssenariyni beradi va ilovaga natija fayli bilan birga aynan shu ifodani saqlashga imkon beradi.
Nomlangan ovoz variantlari conversational_a, conversational_b, read_speech_a, read_speech_b, read_speech_c, read_speech_d va none. voice maydonida ushbu identifikatorlarni aynan saqlang. Jarayonga takrorlanadigan so‘rov konfiguratsiyasi kerak bo‘lsa, ovozni aniq tanlang va tanlangan sozlamani ssenariy hamda chiqish bilan saqlang. Mavjud ovozlardan qaysi biri ko‘zlangan foydalanishga mosligini hal qilish uchun namunaviy bo‘lakni tinglang.
mp3 yoki pcm ni tanlash uchun response_format dan foydalaning. MP3 audio/mpeg sifatida yetkaziladi va MP3 qabul qiladigan pleyer yoki tahrir jarayoniga uzatish mumkin bo‘lgan faylni beradi. PCM audio/pcm sifatida 16 bitli little-endian namunalar bilan yetkaziladi; baytlarni talqin qiladigan ilova uchun uning haqiqiy audio metama’lumotlarini saqlang. Fayl va keyingi dekoder mos kelishi uchun formatni aniq belgilang. Hujjatlashtirilgan so‘rov misolida speed:1 ishlatiladi; belgilangan boshqaruvlar bilan so‘rov tayyorlashda shu asosiy qiymatni saqlang.
Muvaffaqiyatli javob xom audio baytlarini o‘z ichiga oladi. Javob tanasini audio sifatida saqlang va javob sarlavhalari hamda dastlabki so‘rov identifikatorini ssenariy, ovoz va so‘ralgan format bilan saqlang. Shu javob yakunlanishini qaytarilgan audioni saqlash va tekshirish mumkin bo‘lgan nuqta deb qabul qiling. Natijani uzunroq materialga qo‘shishdan avval aytilgan ismlar, sonlar va gap chegaralarini manba ssenariysi bilan tekshiring. So‘rov yuborilgandan keyin uzilsa, mavjud natijani tekshirish davomida uning dastlabki identifikatori va javob ma’lumotlarini saqlang.
Ailoot Ultra · Speech POST /v1/audio/speech sesame/csm-1b
sesame/csm-1bBoshlash
Sesame CSM 1B POST /v1/audio/speech orqali berilgan matnni nutqqa aylantiradi. Haqiqiy ssenariy bilan sesame/csm-1b dan foydalaning, uning nomlangan ovozlaridan birini tanlang va MP3 yoki PCM audio so‘rang. U tayyor xabar, tushuntirish yoki ovozli matn bo‘lagini eshittirish yoxud tahrir uchun audio faylga aylantiradigan jarayonga mos keladi.
- 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
- mp3,pcm
| Maydon | Tur | Talab | Qiymatlar va cheklovlar | Standart |
|---|---|---|---|---|
Maydonmodel | Turstring | TalabMajburiy | Qiymatlar va cheklovlar sesame/csm-1b | Standart— |
Maydoninput | Turstring | TalabMajburiy | Qiymatlar va cheklovlar | Standart— |
Maydonvoice | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar conversational_a, conversational_b, read_speech_a, read_speech_b, read_speech_c, read_speech_d, none | Standart— |
Maydonresponse_format | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar mp3, pcm | Standart— |
Maydonspeed | Turnumber | TalabIxtiyoriy | Qiymatlar va cheklovlar | Standart— |
Usul parametrlari va hayot sikli
| Parametr | Parametr talablari |
|---|---|
Parametrcontent_type | Parametr talablariapplication/json |
Parametrrequired | Parametr talablarimodel, input |
Parametroptional | Parametr talablarivoice, response_format, speed |
Parametrmaterial_types | Parametr talablaritext |
Parametrconditions | Parametr talablari |
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 $0.000014 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('{"input": "Hello world", "model": "sesame/csm-1b", "response_format": "mp3", "speed": 1, "voice": "conversational_a"}')
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
mp3,pcm
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 audio and response headers. Use the actual output Content-Type; no extra container or bit depth is inferred.
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 sesame/csm-1b
Usul yo‘llari taxalluslari
Yuqorida ko‘rsatilgan usul yo‘llaridan foydalaning.
Chaqirish uchun tegishli ID lar
FAQ · Sesame: CSM 1B
- Qanday kirish ma’lumotlari va natijalar mavjud?
POST /v1/audio/speech·sesame/csm-1b:text→audio- So‘rov qaysi maydonlardan foydalanadi?
POST /v1/audio/speech·sesame/csm-1b:model,input,voice,response_format,speed