Fish Audio: S1

Fish Audio: S1 هو نموذج تحويل النص إلى كلام متعدد اللغات من Fish Audio. Fish Audio هو المزود الذي يقف خلف النموذج، ويقع S1 ضمن فئة الكلام على api14. وهو مصمم لتطبيقات الصوت التي تحتاج إلى تعبير عاطفي واسع، ويستخدم عناصر تحكم بين قوسين لتوجيه أسلوب النطق عبر اللغات التي يدعمها. إذا كنت تبني أي شيء تكون فيه طريقة النطق بنفس أهمية الكلمات، فهذا هو نوع النموذج الذي تصفه الصفحة.

يأخذ النموذج النص كمدخل وحيد له وينتج الكلام كمخرج وحيد له. لا يوجد رقم نافذة سياق مدرج له، ولا توجد معاملات طلب مدعومة مدرجة أيضا. تسجل كتلة التفاصيل قيمة maxOutput تساوي صفرا، وهو ما يعني أنه لا يوجد حد أقصى منشور لرموز المخرجات للتخطيط بناء عليه في هذه الصفحة. عمليا، يجب أن تتعامل مع S1 كنقطة نهاية تخليق مخصصة بدلا من نموذج محادثة عام: ترسل نصا، فتحصل على صوت في المقابل، ويأتي المدى التعبيري من طريقة كتابتك للنص المدخل، وليس من ضبط مجموعة من معاملات أخذ العينات.

هذا الشكل من النماذج يناسب مجموعة محددة إلى حد ما من المهام. السرد والتعليق الصوتي لمحتوى الفيديو أو الصوت هو المهمة الواضحة، لأنك تستطيع كتابة النص البرمجي وتحديد طريقة النطق بعناصر تحكم بين قوسين بدلا من إعادة تسجيل المقاطع. كما يناسب الوكلاء الحواريين وأنظمة من نوع IVR حيث تريد أن يبدو الوكيل متفاعلا وليس باهتا، وأعمال إمكانية الوصول مثل قراءة المقالات أو المستندات بصوت عال بأكثر من لغة. أي خط معالجة يولد الكلام بكميات كبيرة من النص، ويريد لونا عاطفيا متسقا، هو مرشح معقول.

تستدعيه عبر واجهة API المتوافقة مع OpenAI في api14 باستخدام معرف النموذج "fish-audio/s1". ولأن البوابة تتبع شكل طلب OpenAI، فإنك توجه عميلك الحالي إلى عنوان api14 الأساسي وتمرر ذلك المعرف في حقل model. لاحظ أنه لا توجد معاملات مدعومة مدرجة لهذا النموذج، لذا لا تفترض أن temperature أو top_p أو اختيار الصوت أو مقابض مشابهة مقبولة؛ أرسل النص الذي تريد نطقه ودع النموذج يتولى التخليق. تحقق من صفحة النموذج الحية للحصول على تفاصيل المعاملات ونقاط النهاية الحالية قبل ربطه بالإنتاج.

بخصوص الحدود، الجواب الصادق بناء على الحقائق المعطاة هو أن هذه الصفحة لا تذكرها. لا يوجد طول سياق، ولا رقم maxOutput أكبر من صفر، ولا قائمة معاملات، لذا فإن السعة وسلوك الضبط ببساطة غير موثقين هنا. إذا كان عبء عملك يعتمد على حجم إدخال معروف أو على التحكم في طول المخرجات بدقة، فتحقق من ذلك مقابل وثائق المزود نفسه أولا. بالنسبة للمهام التي لا تتعلق بالكلام إطلاقا، فإن نموذج نصي أو متعدد الوسائط على api14 سيكون أنسب، لأن S1 لا يقبل إلا النص ولا يعيد إلا الكلام.