Canopy Labs: Orpheus 3B

Mô hình giọng nói tiếng Anh Orpheus 3B được tinh chỉnh của Canopy Labs biến các câu viết sẵn thành âm thanh giàu biểu cảm. Tám giọng đặt sẵn và thẻ phi ngôn ngữ hỗ trợ lời dẫn, đối thoại và phản hồi bằng giọng nói của ứng dụng.

Ailoot Ultra · Tổng hợp giọng nói POST /v1/audio/speech canopylabs/orpheus-3b-0.1-ft

Về mô hình

Mô tả này trình bày khả năng của mô hình. Đầu vào, đầu ra và tùy chọn có trên Ailoot được liệt kê bên dưới cho phương thức đã chọn.

Orpheus 3B 0.1 Fine-Tuned là mô hình chuyển văn bản thành giọng nói tiếng Anh của Canopy Labs cho tổng hợp thường ngày. Mô hình thuộc họ Orpheus được xây trên nền Llama 3B, tập trung vào ngữ điệu, nhịp điệu tự nhiên và cách thể hiện giàu biểu cảm. Đầu vào là văn bản cần được đọc với người nói đã chọn; đầu ra là âm thanh lời nói. Nhà sản xuất cũng liệt kê khả năng sao chép giọng zero-shot cho chính mô hình tinh chỉnh này. Ví dụ tổng hợp bằng mô hình tinh chỉnh được công bố dùng các người nói đặt sẵn, còn cách đưa prompt văn bản–giọng nói có điều kiện theo mẫu tham chiếu được công bố riêng cho phiên bản tiền huấn luyện. Phiên bản tinh chỉnh này khác với mô hình tiền huấn luyện và các mô hình nghiên cứu đa ngôn ngữ được phát hành riêng.

Chọn người nói và soạn câu

Nhà sản xuất liệt kê tám giọng tiếng Anh đặt sẵn: tara, leah, jess, leo, dan, mia, zac và zoe. Quy ước prompt đặt tên người nói trước văn bản cần đọc, ngăn cách bằng dấu hai chấm. Quy trình tạo giọng nói tham chiếu có thể thêm định dạng đó khi giọng được cung cấp riêng. Chọn người nói cho tác phẩm dự kiến và giữ lựa chọn nhất quán qua các đoạn liên kết với nhau.

Với đoạn giải thích ngắn, viết lời dẫn cuối cùng thay vì chỉ dẫn yêu cầu mô hình tự nghĩ ra lời giải thích. Một câu nói hữu ích là: “Chọn thư mục bạn muốn chia sẻ, kiểm tra ai có thể mở thư mục, rồi lưu thay đổi.” Với đối thoại, soạn rõ câu của từng người nói và giữ dấu câu giúp thể hiện lời nói. Từ viết tắt, ngày tháng hoặc tên sản phẩm nên được viết theo dạng bạn muốn người nghe nghe thấy, nhất là khi dạng viết tắt có thể gây hiểu nhầm.

Tín hiệu biểu cảm và phi ngôn ngữ

Orpheus công bố các thẻ <laugh>, <chuckle>, <sigh>, <cough>, <sniffle>, <groan>, <yawn> và <gasp>. Chúng thêm một sự kiện phi ngôn ngữ rõ ràng vào vị trí liên quan trong văn bản. Đoạn hội thoại ngắn có thể đặt tiếng cười khẽ trước lời nhận xét nhẹ nhàng hoặc tiếng thở dài trước câu mang tính suy ngẫm. Dùng tín hiệu đúng vị trí trong phần thể hiện và giữ rõ các từ thực tế của câu.

Đây là tín hiệu tạo giọng nói, không phải ngôn ngữ chỉ dẫn tổng quát để chỉnh sửa bản ghi có sẵn. Với lời thuyết minh, bắt đầu bằng câu chữ dễ đọc và chỉ thêm những sự kiện biểu cảm mà cảnh cần. Nghe toàn bộ câu để đánh giá liệu sự kiện, điểm nhấn và nhịp đọc có hỗ trợ ý nghĩa hay không. Nhiệm vụ đọc lời dẫn có thể cần giọng ổn định, còn câu thoại nhân vật có thể hưởng lợi từ một tín hiệu phi ngôn ngữ cụ thể.

Truyền luồng và kết quả âm thanh

Nhà sản xuất cung cấp cả notebook không truyền luồng lẫn ví dụ giọng nói truyền luồng. Truyền luồng trả về các đoạn âm thanh liên tiếp khi đoạn lời nói được tạo. Trong ví dụ được công bố, các đoạn đó được ghi vào tệp WAV mono ở 24.000 Hz với mẫu 16 bit. Các thiết lập tệp đó mô tả quy trình tham chiếu; kết quả hữu ích là bản ghi có thể phát để kiểm tra câu chữ, người nói và cách thể hiện so với kịch bản.

Với lời dẫn dài hơn, soạn các đoạn mạch lạc có ranh giới câu rõ ràng và giữ bản sao kịch bản cuối cùng bên cạnh âm thanh. Kiểm tra đầu và cuối mỗi đoạn, phát âm tên quan trọng và chuyển tiếp giữa các bản ghi liền kề. Hướng dẫn lấy mẫu của nhà sản xuất quy định mức phạt lặp lại ít nhất 1.1 để tạo ổn định trong bản triển khai tham chiếu, đồng thời lưu ý lựa chọn lấy mẫu có thể ảnh hưởng đến tốc độ nói. Độ dài mô hình được cấu hình trong ví dụ là thiết lập suy luận, không phải thời lượng lời dẫn tối đa đã được xác lập.

Phạm vi của từng phiên bản

Hồ sơ này nói về mô hình tiếng Anh được tinh chỉnh với các người nói đặt sẵn được công bố. Mô hình tiền huấn luyện có quy trình điều kiện hóa theo văn bản và giọng nói riêng; các bản phát hành đa ngôn ngữ có người nói và thẻ riêng theo ngôn ngữ. Chọn phiên bản tiếng Anh này không kết hợp những hồ sơ riêng đó. Sản phẩm thực tế là kịch bản lời nói, giọng đặt sẵn được chọn có chủ đích và âm thanh đã được kiểm tra về câu chữ, cách thể hiện mà tác phẩm yêu cầu.

Ailoot Ultra · Tổng hợp giọng nói POST /v1/audio/speech canopylabs/orpheus-3b-0.1-ft

canopylabs/orpheus-3b-0.1-ft

Canopy Labs /canopylabs/orpheus-3b-0.1-ft

Bắt đầu

Đầu vào được chấp nhận: Văn bản
Kết quả: Âm thanh

Có trên Ailoot · đầu vào & phương thức

Ailoot Ultra · Tổng hợp giọng nói POST /v1/audio/speech

Đầu vào: text
Đầu ra: audio
Định dạng đầu ra: mp3

Trường	Loại	Yêu cầu	Giá trị & giới hạn	Mặc định
Trường`model`	Loại`string`	Yêu cầuBắt buộc	Giá trị & giới hạn canopylabs/orpheus-3b-0.1-ft	Mặc định—
Trường`input`	Loại`string`	Yêu cầuBắt buộc	Giá trị & giới hạn Độ dài tối thiểu: 1 Đơn vị: ký tự Unicode	Mặc định—
Trường`voice`	Loại`string`	Yêu cầuBắt buộc	Giá trị & giới hạn tara, leah, jess, leo, dan, mia, zac	Mặc định—
Trường`response_format`	Loại`string`	Yêu cầuBắt buộc	Giá trị & giới hạn mp3	Mặc định—

Tổ hợp tư liệu đầu vào

text_to_speech · Bắt buộc: input

Tham số phương thức và vòng đời

Tham số	Hợp đồng
Tham số`content_type`	Hợp đồngapplication/json
Tham số`required`	Hợp đồngmodel, input, voice, response_format
Tham số`voice_ids`	Hợp đồngtara, leah, jess, leo, dan, mia, zac
Tham số`response_format`	Hợp đồngmp3
Tham số`max_input_characters`	Hợp đồngnull
Tham số`other_options`	Hợp đồngfalse
Tham số`input`	Hợp đồngvăn bản UTF-8 nguyên dạng; đếm ký tự Unicode mà không chuẩn hóa
Tham số`material_types`	Hợp đồngtext

Vòng đời: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · Giá trị task_id thực tế đã trả về hoặc bản ghi trong thư viện nội dung đa phương tiện

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Chọn giọng nói chính xác từ hồ sơ mô hình này.

Ký tự đầu vào và giây âm thanh là các đơn vị đo tính phí khác nhau.

Bảng giá

Thông tin biểu giá không bổ sung tùy chọn yêu cầu. Các tham số được hỗ trợ nằm trong phương thức đã chọn.

Chế độ nhanh: Chưa chỉ định Khi chọn chế độ nhanh
Chế độ Flex: Chưa chỉ định Khi chọn chế độ flex
Mức độ suy luận tối đa: Chưa chỉ định Khi áp dụng mức điều chỉnh mặc định (default) cho mức độ suy luận tối đa

Mức phí Ailoot

Giá theo cấu hình

Đối chiếu từng khoản phí với điều kiện hiển thị. Dùng một mức phí cho mỗi nhóm cấu hình thay thế.

Cấu hình	Biểu mức phí	Lượng tính phí	Đơn vị tính phí	Phí
Cấu hìnhGiá cơ sở cho token	Biểu mức phíMức phí cơ bản	Lượng tính phí—	Đơn vị tính phí—	Phí Đầu vào · Token đầu vào — / 1K token Đầu ra · Token đầu ra — / 1K token Đầu vào · Đọc bộ nhớ đệm — / 1K token Đầu vào · Ghi bộ nhớ đệm — / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token
Cấu hìnhUltra	Biểu mức phí—	Lượng tính phíMỗi điểm mã Unicode được tính là một ký tự, bao gồm ký tự Hán (Han).	Đơn vị tính phímỗi 1K ký tự đầu vào	Phí Đầu vào · Ký tự đầu vào $0.03 mỗi 1K ký tự đầu vào

Chi tiết giá cước tham chiếu

Biểu tham chiếu cấp mô hình không thay đổi việc chọn phương thức, báo giá hoặc khoản phí. Khoản phí đang áp dụng dùng mức phí phương thức Ailoot đã chọn.

Canopy Labs: Orpheus 3B

Giá theo cấu hình

Cấu hình	Điều kiện tính phí	Phí
Cấu hìnhCanopy Labs: Orpheus 3B · Cấu hình mặc định	Điều kiện tính phíCấu hình mặc định	Phí Đầu vào · Ký tự đầu vào 0,000014 US$ mỗi ký tự đầu vào

Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. Cách hoạt động của cơ chế tạm giữ và quyết toán →

Ví dụ yêu cầu

Ailoot Ultra · Tổng hợp giọng nói

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": "canopylabs/orpheus-3b-0.1-ft", "input": "Good afternoon! This is a short voice take."}')
voice=os.environ["AILOOT_VOICE_ID"]
allowed=json.loads('["tara", "leah", "jess", "leo", "dan", "mia", "zac"]')
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

Nhận và lưu kết quả

Ailoot Ultra · Tổng hợp giọng nói

mp3

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

Lượt đọc nội dung khác

Thư viện phương tiệnTrạng thái tác vụChi tiết tài nguyên

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

Lưu tất cả kết quả đã hoàn tất

Lưu mọi phản hồi hoàn chỉnh, tệp và phần nội dung được trả về.

Giữ lại toàn bộ kết quả nhị phân và các header. Nếu phản hồi ở dạng JSON hoặc chứa nhiều đầu ra, giữ lại mọi phần tử dữ liệu và tải từng tài nguyên từ URL có chữ ký thực tế.

Nếu cần kiểm tra phản hồi gốc

Giữ lại operation_id/X-Client-Request-ID gốc để đối soát mà không gửi lại yêu cầu; không có tuyến truy vấn trạng thái riêng cho âm thanh.

Trường phản hồi

Trường	Loại
Trường`binary audio`	Loạibytes
Trường`response headers`	Loạiheaders

Lỗi và bước tiếp theo

Phản hồi	Điều kiện	Bước tiếp theo
Phản hồi400 · `invalid_request_error`	Điều kiệnTrường bắt buộc, cách biểu diễn tài liệu hoặc giá trị tham số không hợp lệ	Bước tiếp theoSửa các trường được chỉ ra trước khi gửi yêu cầu tạo mới.
Phản hồi`server_error`	Điều kiệnPhản hồi trả về cho biết thao tác hoặc kết quả cần được kiểm tra	Bước tiếp theoGiữ lại ID thao tác/tác vụ gốc đã trả về, các header của yêu cầu và toàn bộ phản hồi; tiếp tục truy xuất thao tác gốc đó bằng các phương thức được hỗ trợ. Không gửi lại yêu cầu tạo.

Bí danh

Bí danh mô hình

Ailoot Ultra canopylabs/orpheus-3b-0.1-ft

Bí danh đường dẫn phương thức

Dùng các đường dẫn phương thức hiển thị ở trên.

ID gọi liên quan

canopylabs/orpheus-3b-0.1-ft

FAQ · Canopy Labs: Orpheus 3B

Có những đầu vào và kết quả nào?: POST /v1/audio/speech · canopylabs/orpheus-3b-0.1-ft: text → audio
Yêu cầu sử dụng những trường nào?: POST /v1/audio/speech · canopylabs/orpheus-3b-0.1-ft: model, input, voice, response_format

Canopy Labs: Orpheus 3B