हम cookies इस्तेमाल करते हैं. Cookies और ब्राउज़र स्टोरेज आपको साइन इन रखते हैं और आपकी प्राथमिकताएं याद रखते हैं। आपकी अनुमति से हम यह भी मापते हैं कि साइट कैसे इस्तेमाल होती है। आप कभी भी । हमारी cookie नीति देखें।
assemblyai/assemblyai-tts-1ऊपर दी गई कीमतों पर आपके बैलेंस से चलता है। नए अकाउंट मुफ्त उपयोग से शुरू होते हैं।
सेटिंग्स
AssemblyAI TTS 1, AssemblyAI की एक टेक्स्ट-टू-स्पीच मॉडल है, जो api14 पर मॉडल आईडी assemblyai/assemblyai-tts-1 के तहत सूचीबद्ध है। यह स्पीच श्रेणी में आती है और लिखित टेक्स्ट को बोले गए ऑडियो में बदलने के इर्द-गिर्द बनाई गई है। AssemblyAI इसे वॉइस एजेंट, नैरेशन और बहुभाषी अनुप्रयोगों के लिए प्रस्तुत करता है, और यह कई हज़ार आवाज़ों की एक सार्वजनिक लाइब्रेरी पर आधारित है। अगर आपके उत्पाद को टेक्स्ट आउटपुट के बजाय कृत्रिम आवाज़ चाहिए, तो यही मॉडल परिवार देखने लायक है।
मॉडल इनपुट के रूप में टेक्स्ट लेता है और आउटपुट के रूप में स्पीच लौटाता है। पूरी पाइपलाइन यही है: आप टेक्स्ट भेजते हैं, आपको ऑडियो वापस मिलता है। यह आने की दिशा में ऑडियो या इमेज स्वीकार नहीं करता, और जाने की दिशा में टेक्स्ट नहीं लौटाता। इस मॉडल के लिए कॉन्टेक्स्ट विंडो निर्दिष्ट नहीं है, इसलिए किसी विशेष टोकन बजट को मान लेने के बजाय अपने अनुरोधों की योजना उस टेक्स्ट के आधार पर बनाएं जिसे आपको वास्तव में बोलवाना है। प्रदाता का विवरण बहुभाषी उपयोग को रेखांकित करता है, जिसका अर्थ है कि वही मॉडल ऐसे अनुप्रयोगों की सेवा कर सकता है जिन्हें एक से अधिक भाषाओं की आवश्यकता होती है, और आवाज़ लाइब्रेरी आपको उत्पाद के अनुरूप आवाज़ चुनने की गुंजाइश देती है।
उपयोग के मामले सीधे इसी स्वरूप से निकलते हैं। वॉइस एजेंट सबसे स्पष्ट उपयुक्तता है: बोले गए उत्तर देने वाले सहायक को टेक्स्ट-टू-स्पीच चरण की आवश्यकता होती है, और यह मॉडल वह प्रदान करता है। नैरेशन दूसरा है: स्क्रिप्ट, लेख या दस्तावेज़ों को श्रोताओं के लिए ऑडियो में बदलना। बहुभाषी अनुप्रयोग तीसरा है, जहां एक ही सामग्री को कई भाषाओं में बोलवाना होता है, बिना हर एक के लिए अलग प्रदाता पर जाए। जहां भी आपके पास टेक्स्ट है और ऑडियो चाहिए, यह मॉडल एक उम्मीदवार है।
आप इसे api14 के OpenAI-संगत API के माध्यम से कॉल करते हैं, मॉडल आईडी assemblyai/assemblyai-tts-1 का उपयोग उसी अनुरोध प्रारूप में करते हुए जो आप गेटवे पर अन्य मॉडलों के लिए उपयोग करते हैं। चूंकि इंटरफ़ेस OpenAI परंपरा का पालन करता है, मौजूदा क्लाइंट लाइब्रेरी और कोड जो पहले से OpenAI-संगत एंडपॉइंट से बात करते हैं, बिना किसी पुनर्लेखन के api14 की ओर इंगित कर सकते हैं और इस मॉडल का चयन कर सकते हैं। मॉडल कोई समर्थित पैरामीटर सूचीबद्ध नहीं करता, इसलिए अनुरोध को सीधा टेक्स्ट-इन, स्पीच-आउट कॉल मानें और ऐसे ट्यूनिंग विकल्प न मानें जो प्रदान नहीं किए गए हैं। वॉल्यूम के लिए प्रतिबद्ध होने से पहले वर्तमान दरों के लिए पेज पर लाइव मूल्य तालिका देखें।
एक व्यावहारिक बात: कोई सूचीबद्ध समर्थित पैरामीटर और कोई घोषित कॉन्टेक्स्ट लंबाई न होने के कारण, इस मॉडल को कॉन्फ़िगर करने योग्य के बजाय एक केंद्रित स्पीच जनरेटर मानना सबसे अच्छा है। अगर आपका कार्य टेक्स्ट जनरेशन, तर्क या लिखित आउटपुट लौटाने वाला कुछ भी है, तो api14 पर कोई दूसरा मॉडल बेहतर फिट होगा। अगर आपका कार्य टेक्स्ट को आवाज़ में बदलना है, तो यह मॉडल ठीक उसी के लिए बनाया गया है।
import { writeFile } from "node:fs/promises";
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api14.com/api/v1",
apiKey: process.env.API14_API_KEY,
});
const audio = await client.audio.speech.create({
"model": "assemblyai/assemblyai-tts-1",
"input": "Hello from api14! One API for every model.",
"voice": "alloy",
"response_format": "mp3"
});
await writeFile("speech.mp3", Buffer.from(await audio.arrayBuffer()));
इस कम्युनिटी में अभी कोई टॉपिक नहीं है। AssemblyAI: TTS 1 के बारे में पहला टॉपिक खोलें।