Canopy Labs: Orpheus 3B

Canopy Labs: Orpheus 3B è un modello text-to-speech di Canopy Labs. È un modello da 3B parametri messo a punto per la sintesi vocale in inglese, con particolare attenzione alla prosodia naturale e a un'esposizione espressiva. Il modello è stato rilasciato dal provider il 23 aprile 2026. La sua categoria principale è la voce, ed è posizionato come modello specialistico anziché come modello linguistico di uso generale.

Il modello accetta testo come unico input e produce voce come unico output. Ha una lunghezza di contesto di 4096 token, e l'output massimo è di 3686 token. Orpheus 3B viene fornito con 7 voci preimpostate: tara, leah, jess, leo, dan, mia e zac. Il provider lo descrive come messo a punto per la prosodia naturale e un'esposizione espressiva, il che significa che l'enfasi è su come suona la voce generata piuttosto che sulla comprensione del testo o sul ragionamento.

Queste capacità indicano un insieme piuttosto specifico di casi d'uso. La narrazione è adatta in modo naturale, poiché il modello è ottimizzato per la prosodia e l'espressione su passaggi più lunghi di testo inglese. Gli assistenti vocali sono un altro caso, dove le sette voci preimpostate permettono di scegliere un parlante coerente per le risposte vocali. Lo stesso vale per qualsiasi applicazione che deve trasformare contenuti scritti in audio, come la lettura di articoli, la generazione di prompt vocali o la produzione di tracce vocali per un insieme fisso di personaggi o presentatori. Poiché l'input è solo testo, il modello non accetta audio per la clonazione o la trascrizione, e poiché l'output è solo voce, non restituisce testo che puoi post-elaborare.

Chiami il modello tramite l'API compatibile con OpenAI di api14 usando l'id del modello "canopylabs/orpheus-3b-0.1-ft". La richiesta segue la stessa forma di altri endpoint vocali compatibili con OpenAI, con il tuo testo come input. Il modello non elenca parametri supportati, quindi non dovresti aspettarti di passare controlli di campionamento, flag di selezione della voce o altre opzioni di ottimizzazione tramite la richiesta. Le sette voci fanno parte della configurazione fissa del modello, non dei parametri della richiesta.

Il contesto di 4096 token e il limite di output di 3686 token meritano una pianificazione. Documenti molto lunghi dovranno essere suddivisi in blocchi prima della sintesi, e la focalizzazione solo sull'inglese significa che altre lingue sono fuori ambito. Se il tuo compito è la generazione di testo, il ragionamento, la traduzione o qualsiasi cosa che restituisca testo, un modello linguistico di uso generale sarà più adatto. Orpheus 3B è la scelta giusta quando il risultato è audio parlato in inglese e vuoi che la prosodia sia gestita dal modello stesso.