HeyGen: HeyGen Voice Turbo

HeyGen Voice Turbo, HeyGen का एक टेक्स्ट-टू-स्पीच मॉडल है, जो api14 पर मॉडल आईडी heygen/heygen-voice-1-turbo के तहत सूचीबद्ध है। यह स्पीच श्रेणी में आता है और कंपनी के मुख्य टेक्स्ट-टू-स्पीच मॉडल, HeyGen Voice, के कम विलंबता वाले संस्करण के रूप में स्थित है। यदि आप HeyGen को उसके अवतार और वीडियो टूलिंग के लिए जानते हैं, तो यह उसी विक्रेता की वॉयस सिंथेसिस लाइन है, जिसे यहाँ एकल स्पीच एंडपॉइंट के रूप में पैक किया गया है जिसे आप अपने अन्य मॉडलों के साथ कॉल कर सकते हैं।

मॉडल अपने एकमात्र इनपुट के रूप में टेक्स्ट लेता है और अपने एकमात्र आउटपुट के रूप में स्पीच लौटाता है। यह HeyGen Voice के समान 10 डिफ़ॉल्ट वॉयस के साथ आता है: nadine, tabitha, bram, gareth, noelle, meredith, sabrina, lucian, weston और vincent। यदि वे डिफ़ॉल्ट पर्याप्त नहीं हैं, तो आप वॉयस क्लोन का उपयोग करने के लिए अपनी स्वयं की HeyGen कुंजी ला सकते हैं, जो आपको उस आवाज़ में स्पीच उत्पन्न करने देता है जिसे आपने HeyGen की ओर पहले से सेट up कर रखा है। इस मॉडल के लिए कोई प्रकाशित संदर्भ लंबाई नहीं है, इसलिए आप जो टेक्स्ट भेजते हैं उसे एकल उच्चारण या स्क्रिप्ट खंड के रूप में मानें, न कि किसी ऐसी चीज़ के रूप में जिसका प्रलेखित टोकन बजट हो। मॉडल एंडपॉइंट की अपनी आवश्यकताओं से परे कोई समर्थित अनुरोध पैरामीटर उजागर नहीं करता है।

स्पष्ट उपयोग के मामले टेक्स्ट इन, स्पीच आउट से अनुसरण करते हैं, जिसमें विलंबता बिक्री बिंदु है। लघु वीडियो क्लिप के लिए नैरेशन और वॉयसओवर, लेखों या सारांशों के बोले गए संस्करण, उत्पाद वॉकथ्रू के लिए ऑडियो, और इंटरैक्टिव अनुप्रयोगों के भीतर वॉयस प्रॉम्प्ट सभी उचित फिट हैं। चूंकि यह टर्बो संस्करण है, यह उन पाइपलाइनों के लिए उपयुक्त है जहाँ कोई व्यक्ति ऑडियो की प्रतीक्षा कर रहा हो, जैसे कि कोई सहायक जो उत्तर बोलता है या कोई टूल जो परिणाम पढ़कर सुनाता है। वॉयस क्लोन विकल्प तब मायने रखता है जब आपको सामान्य नैरेटर के बजाय कई क्लिपों में ब्रांड या चरित्र की निरंतरता चाहिए।

आप इसे api14 के OpenAI-संगत API के माध्यम से मॉडल आईडी heygen/heygen-voice-1-turbo का उपयोग करके कॉल करते हैं, उसी तरह जैसे आप गेटवे पर किसी अन्य स्पीच मॉडल को कॉल करेंगे। अपने मौजूदा OpenAI क्लाइंट को api14 बेस URL पर इंगित करें, अपना टेक्स्ट इनपुट के रूप में भेजें, और दस वॉयस में से एक चुनें। चूंकि मॉडल कोई समर्थित पैरामीटर सूचीबद्ध नहीं करता है, अपने अनुरोध को न्यूनतम रखें और सैंपलिंग नियंत्रण, गति सेटिंग्स या प्रारूप विकल्प मानने से बचें जो प्रलेखित नहीं हैं। यदि आपको वॉयस क्लोन चाहिए, तो प्रदाता द्वारा वर्णित अनुसार अपनी स्वयं की HeyGen कुंजी प्रदान करें।

कुछ मामले ऐसे हैं जहाँ यह मॉडल सही चयन नहीं हो सकता है। यह केवल टेक्स्ट स्वीकार करता है और केवल स्पीच उत्पन्न करता है, इसलिए यह ऑडियो का प्रतिलेखन, स्पीच का अनुवाद या संगीत उत्पन्न नहीं कर सकता, और यह छवि या वीडियो निर्माण में मदद नहीं करेगा, भले ही HeyGen अवतारों के लिए जाना जाता है। एकल कॉल में बहुत लंबे दस्तावेज़ों के लिए कोई प्रकाशित संदर्भ लंबाई भी नहीं है, जो इसे खराब विकल्प बनाती है; अपनी स्क्रिप्ट को छोटे खंडों में विभाजित करना सुरक्षित दृष्टिकोण है। यदि आपको प्रलेखित पैरामीटर नियंत्रण या परिभाषित संदर्भ विंडो वाला मॉडल चाहिए, तो प्रतिबद्ध होने से पहले api14 पर अन्य स्पीच मॉडल देखें।