Canopy Labs: Orpheus 3B

Canopy Labs: Orpheus 3B adalah model text-to-speech dari Canopy Labs. Ini adalah model dengan 3B parameter yang di-fine-tune untuk sintesis ucapan bahasa Inggris, dengan fokus pada prosodi alami dan penyampaian yang ekspresif. Model ini dirilis oleh penyedia pada 23 April 2026. Kategori utamanya adalah speech, dan model ini diposisikan sebagai model spesialis, bukan model bahasa serbaguna.

Model ini menerima teks sebagai satu-satunya input dan menghasilkan ucapan sebagai satu-satunya output. Panjang konteksnya adalah 4096 token, dan output maksimumnya adalah 3686 token. Orpheus 3B hadir dengan 7 voice preset: tara, leah, jess, leo, dan, mia dan zac. Penyedia mendeskripsikannya sebagai model yang di-fine-tune untuk prosodi alami dan penyampaian yang ekspresif, yang berarti penekanannya adalah pada bagaimana ucapan yang dihasilkan terdengar, bukan pada pemahaman teks atau penalaran.

Kemampuan tersebut mengarah pada serangkaian use case yang cukup spesifik. Narasi adalah kecocokan alami, karena model ini disetel untuk prosodi dan ekspresi pada bagian teks bahasa Inggris yang lebih panjang. Asisten suara adalah contoh lainnya, di mana tujuh voice preset memungkinkan Anda memilih speaker yang konsisten untuk respons lisan. Hal yang sama berlaku untuk aplikasi apa pun yang perlu mengubah konten tertulis menjadi audio, seperti membacakan artikel, menghasilkan prompt lisan, atau memproduksi suara untuk sekumpulan karakter atau presenter yang tetap. Karena inputnya hanya teks, model ini tidak menerima audio untuk kloning atau transkripsi, dan karena outputnya hanya ucapan, model ini tidak mengembalikan teks yang dapat Anda proses lebih lanjut.

Anda memanggil model ini melalui API OpenAI-compatible dari api14 menggunakan model id "canopylabs/orpheus-3b-0.1-ft". Permintaan mengikuti bentuk yang sama seperti endpoint speech lain yang kompatibel dengan OpenAI, dengan teks Anda sebagai input. Model ini tidak mencantumkan parameter yang didukung, jadi Anda sebaiknya tidak mengharapkan untuk mengirimkan kontrol sampling, flag pemilihan voice, atau opsi penyetelan lain melalui permintaan. Tujuh voice tersebut adalah bagian dari konfigurasi tetap model, bukan parameter permintaan.

Konteks 4096 token dan batas output 3686 token perlu diperhitungkan. Dokumen yang sangat panjang perlu dipecah menjadi beberapa bagian sebelum sintesis, dan fokus yang hanya bahasa Inggris berarti bahasa lain berada di luar cakupan. Jika tugas Anda adalah pembuatan teks, penalaran, terjemahan, atau apa pun yang mengembalikan teks, model bahasa umum akan lebih cocok. Orpheus 3B adalah pilihan yang tepat ketika hasil yang diinginkan adalah audio ucapan bahasa Inggris dan Anda ingin prosodinya ditangani oleh model itu sendiri.