Sesame: CSM 1B
Sesame CSM 1B chuyển văn bản được cung cấp thành giọng nói qua POST /v1/audio/speech. Dùng sesame/csm-1b với kịch bản thực tế, chọn một trong các giọng có tên của mô hình và yêu cầu âm thanh MP3 hoặc PCM. Mô hình phù hợp với quy trình chuyển tin nhắn, phần giải thích hoặc đoạn lời dẫn đã chuẩn bị thành tệp âm thanh để phát lại hoặc chỉnh sửa.
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.
Sesame CSM 1B là mô hình chuyển văn bản thành giọng nói có dưới ID chính xác sesame/csm-1b. Cung cấp những lời cần đọc và giữ âm thanh kết quả thành tệp. Bản mô tả thực tế có thể là phần giải thích sản phẩm đã chuẩn bị, tin nhắn ứng dụng bằng lời hoặc đoạn lời dẫn sẽ đưa vào bản dựng. Chuẩn bị kịch bản như văn bản dự định đọc, bao gồm tên, con số và câu chữ người nghe cần nghe.
Gửi POST /v1/audio/speech với application/json. Các trường bắt buộc là model, đặt thành sesame/csm-1b, và input, chứa kịch bản dưới dạng chuỗi. Đọc tệp kịch bản thành văn bản UTF-8 và đặt nội dung trong input thay vì cung cấp tên tệp cục bộ. Giữ nội dung lời nói trong trường đó cung cấp kịch bản cụ thể cho việc tạo âm thanh và cho phép ứng dụng giữ câu chữ chính xác cùng tệp kết quả.
Các lựa chọn giọng nói có tên là conversational_a, conversational_b, read_speech_a, read_speech_b, read_speech_c, read_speech_d và none. Giữ nguyên các định danh đó trong trường voice. Chỉ định rõ giọng nói khi quy trình cần cấu hình yêu cầu có thể lặp lại và giữ thiết lập đã chọn cùng kịch bản và đầu ra. Nghe một đoạn đại diện để quyết định giọng khả dụng nào phù hợp với mục đích dự định.
Dùng response_format để chọn mp3 hoặc pcm. MP3 được trả về dưới dạng audio/mpeg và cung cấp tệp có thể chuyển đến trình phát hoặc quy trình chỉnh sửa chấp nhận MP3. PCM được trả về dưới dạng audio/pcm với các mẫu 16-bit little-endian; giữ siêu dữ liệu âm thanh thực tế cho ứng dụng sẽ diễn giải các byte. Chỉ định rõ định dạng để tệp và bộ giải mã ở bước sau thống nhất. Ví dụ yêu cầu được ghi trong tài liệu sử dụng speed:1; giữ mức cơ sở đó khi chuẩn bị yêu cầu với các tùy chọn đã xác lập.
Phản hồi thành công chứa các byte âm thanh thô. Lưu phần thân phản hồi thành âm thanh và giữ các tiêu đề phản hồi cùng thông tin định danh yêu cầu ban đầu bên cạnh kịch bản, giọng nói và định dạng được yêu cầu. Coi lúc phản hồi đó hoàn tất là thời điểm có thể giữ và đánh giá âm thanh được trả về. Đối chiếu các tên, con số và ranh giới câu được đọc với kịch bản nguồn trước khi thêm kết quả vào tác phẩm dài hơn. Nếu yêu cầu bị gián đoạn sau khi gửi, giữ định danh ban đầu và thông tin phản hồi trong khi kiểm tra kết quả hiện có.
Ailoot Ultra · Speech POST /v1/audio/speech sesame/csm-1b
sesame/csm-1bBắt đầu
Sesame CSM 1B chuyển văn bản được cung cấp thành giọng nói qua POST /v1/audio/speech. Dùng sesame/csm-1b với kịch bản thực tế, chọn một trong các giọng có tên của mô hình và yêu cầu âm thanh MP3 hoặc PCM. Mô hình phù hợp với quy trình chuyển tin nhắn, phần giải thích hoặc đoạn lời dẫn đã chuẩn bị thành tệp âm thanh để phát lại hoặc chỉnh sửa.
- Đầu vào được chấp nhận
- Văn bản
- Kết quả
- Âm thanh
Có trên Ailoot · đầu vào & phương thức
Ailoot Ultra · Speech POST /v1/audio/speech
- Đầu vào
text- Đầu ra
audio- Định dạng đầu ra
- mp3,pcm
| Trường | Loại | Yêu cầu | Giá trị & giới hạn | Mặc định |
|---|---|---|---|---|
Trườngmodel | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn sesame/csm-1b | Mặc định— |
Trườnginput | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngvoice | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn conversational_a, conversational_b, read_speech_a, read_speech_b, read_speech_c, read_speech_d, none | Mặc định— |
Trườngresponse_format | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn mp3, pcm | Mặc định— |
Trườngspeed | Loạinumber | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Tham số phương thức và vòng đời
| Tham số | Hợp đồng |
|---|---|
Tham sốcontent_type | Hợp đồngapplication/json |
Tham sốrequired | Hợp đồngmodel, input |
Tham sốoptional | Hợp đồngvoice, response_format, speed |
Tham sốmaterial_types | Hợp đồngtext |
Tham sốconditions | Hợp đồng |
Vòng đời: synchronous_result_then_owned_library
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
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 dùng để tính phí | Đơn vị tính phí | Phí |
|---|---|---|---|---|
| Cấu hìnhGiá cơ sở cho token | Biểu mức phíMức phí cơ bản | Lượng dùng để 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 hìnhKý tự đầu vào | Biểu mức phí— | Lượng dùng để tính phí— | Đơn vị tính phímỗi ký tự đầu vào | Phí Đầu vào · Ký tự đầu vào $0.000014 mỗi ký tự đầu vào |
| Cấu hìnhMỗi yêu cầu | Biểu mức phí— | Lượng dùng để tính phímột yêu cầu | Đơn vị tính phí— | Phí Đầu vào $0 mỗi yêu cầu |
Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. Cách hoạt động của cơ chế tạm giữ và quyết toán →
Ví dụ yêu cầu
Ailoot Ultra · Speech
set -eu
: "${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.
Nhận và lưu kết quả
Ailoot Ultra · Speech
mp3,pcm
GET /v1/media/assetsGET /v1/media/assets/{asset_id}
Lưu tất cả kết quả đã hoàn tất
Lưu mọi phản hồi hoàn chỉnh, tệp và phần nội dung được trả về.
Retain the complete binary audio and response headers. Use the actual output Content-Type; no extra container or bit depth is inferred.
Nếu cần kiểm tra phản hồi gốc
Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.
Bí danh
Bí danh mô hình
Ailoot Ultra sesame/csm-1b
Bí danh đường dẫn phương thức
Dùng các đường dẫn phương thức hiển thị ở trên.
ID gọi liên quan
FAQ · Sesame: CSM 1B
- Có những đầu vào và kết quả nào?
POST /v1/audio/speech·sesame/csm-1b:text→audio- Yêu cầu sử dụng những trường nào?
POST /v1/audio/speech·sesame/csm-1b:model,input,voice,response_format,speed