Używamy plików cookie. Pliki cookie i pamięć przeglądarki pozwalają utrzymać logowanie i zapamiętać Twoje preferencje. Za Twoją zgodą mierzymy też, jak korzystasz ze strony. W każdej chwili możesz . Zobacz naszą politykę cookie.
assemblyai/assemblyai-tts-1Korzysta z Twojego salda według powyższych cen. Nowe konta zaczynają z darmowym użyciem.
Wyniki pojawią się tutaj.
Ustawienia
AssemblyAI TTS 1 to model zamiany tekstu na mowę od AssemblyAI, wymieniony na api14 pod identyfikatorem modelu assemblyai/assemblyai-tts-1. Należy do kategorii mowy i jest zbudowany wokół konwersji tekstu pisanego na mowę. AssemblyAI pozycjonuje go dla agentów głosowych, narracji i zastosowań wielojęzycznych, a opiera się na publicznej bibliotece kilku tysięcy głosów. Jeśli Twój produkt potrzebuje syntetycznego głosu, a nie wyjścia tekstowego, to jest rodzina modeli, której warto się przyjrzeć.
Model przyjmuje tekst jako dane wejściowe i zwraca mowę jako dane wyjściowe. To cały potok: wysyłasz tekst, otrzymujesz dźwięk. Nie przyjmuje dźwięku ani obrazów na wejściu i nie zwraca tekstu na wyjściu. Okno kontekstu nie jest określone dla tego modelu, więc planuj żądania wokół tekstu, który faktycznie chcesz wypowiedzieć, zamiast zakładać konkretny budżet tokenów. Opis dostawcy podkreśla użycie wielojęzyczne, co oznacza, że ten sam model może obsługiwać aplikacje wymagające więcej niż jednego języka, a biblioteka głosów daje przestrzeń do wyboru głosu pasującego do produktu.
Przypadki użycia wynikają bezpośrednio z tego kształtu. Agenci głosowi pasują najwyraźniej: asystent, który odpowiada mową, potrzebuje kroku zamiany tekstu na mowę, a ten model go dostarcza. Narracja jest druga: zamiana skryptów, artykułów lub dokumentacji na dźwięk dla słuchaczy. Zastosowania wielojęzyczne są trzecie, gdzie ta sama treść musi być wypowiedziana w kilku językach bez przełączania się na innego dostawcę dla każdego z nich. Wszędzie tam, gdzie masz tekst i potrzebujesz dźwięku, ten model jest kandydatem.
Wywołujesz go przez API zgodne z OpenAI na api14, używając identyfikatora modelu assemblyai/assemblyai-tts-1 w tym samym formacie żądania, którego użyłbyś dla innych modeli w bramie. Ponieważ interfejs jest zgodny z konwencją OpenAI, istniejące biblioteki klienckie i kod, które już komunikują się z punktem końcowym zgodnym z OpenAI, mogą wskazać api14 i wybrać ten model bez przepisywania. Model nie wymienia żadnych obsługiwanych parametrów, więc traktuj żądanie jako prostą operację tekst na wejściu, mowa na wyjściu i unikaj zakładania opcji dostrajania, które nie są oferowane. Sprawdź aktualną tabelę cen na stronie, aby poznać bieżące stawki, zanim zdecydujesz się na wolumen.
Jedna praktyczna uwaga: bez wymienionych obsługiwanych parametrów i bez podanej długości kontekstu ten model najlepiej traktować jako skupiony generator mowy, a nie konfigurowalny. Jeśli Twoim zadaniem jest generowanie tekstu, rozumowanie lub cokolwiek, co zwraca pisemne wyjście, lepiej pasuje inny model na api14. Jeśli Twoim zadaniem jest zamiana tekstu na głos, ten jest w to wymierzony.
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()));
Ta społeczność nie ma jeszcze wątków. Załóż pierwszy wątek o AssemblyAI: TTS 1.