HeyGen: HeyGen Voice Turbo

HeyGen Voice Turbo to model zamiany tekstu na mowę od HeyGen, wymieniony na api14 pod identyfikatorem modelu heygen/heygen-voice-1-turbo. Należy do kategorii mowy i jest pozycjonowany jako wersja HeyGen Voice o niższych opóźnieniach, czyli podstawowego modelu zamiany tekstu na mowę tej firmy. Jeśli znasz HeyGen z narzędzi do awatarów i wideo, to ta sama linia syntezy mowy tego dostawcy, udostępniona tutaj jako pojedynczy endpoint mowy, który możesz wywoływać obok innych modeli.

Model przyjmuje tekst jako jedyne wejście i zwraca mowę jako jedyne wyjście. Jest dostarczany z tymi samymi 10 domyślnymi głosami co HeyGen Voice: nadine, tabitha, bram, gareth, noelle, meredith, sabrina, lucian, weston i vincent. Jeśli te domyślne głosy nie wystarczą, możesz użyć własnego klucza HeyGen, aby korzystać z klonów głosu, co pozwala generować mowę w głosie, który został już skonfigurowany po stronie HeyGen. Dla tego modelu nie opublikowano długości kontekstu, więc traktuj wysyłany tekst jako pojedynczą wypowiedź lub fragment skryptu, a nie coś o udokumentowanym budżecie tokenów. Model nie udostępnia żadnych obsługiwanych parametrów żądania poza tym, czego wymaga sam endpoint.

Oczywiste przypadki użycia wynikają z tekstu na wejściu i mowy na wyjściu, a opóźnienie jest głównym atutem. Narracja i voiceover do krótkich klipów wideo, wersje mówione artykułów lub podsumowań, dźwięk do prezentacji produktu oraz podpowiedzi głosowe w aplikacjach interaktywnych to rozsądne zastosowania. Ponieważ to wariant turbo, nadaje się do potoków, w których ktoś czeka na dźwięk, takich jak asystent wypowiadający odpowiedź lub narzędzie odczytujące wynik. Opcja klonowania głosu ma znaczenie, jeśli potrzebujesz spójności marki lub postaci w wielu klipach, a nie generycznego narratora.

Wywołujesz go przez API zgodne z OpenAI w api14, używając identyfikatora modelu heygen/heygen-voice-1-turbo, tak samo jak każdego innego modelu mowy w bramie. Skieruj istniejącego klienta OpenAI na bazowy adres URL api14, wyślij tekst jako dane wejściowe i wybierz jeden z dziesięciu głosów. Ponieważ model nie wymienia żadnych obsługiwanych parametrów, utrzymuj żądanie minimalne i nie zakładaj ustawień próbkowania, prędkości ani opcji formatu, które nie są udokumentowane. Jeśli potrzebujesz klonów głosu, podaj własny klucz HeyGen zgodnie z opisem dostawcy.

Istnieje kilka przypadków, w których ten model może nie być właściwym wyborem. Przyjmuje tylko tekst i tworzy tylko mowę, więc nie może transkrybować dźwięku, tłumaczyć mowy ani generować muzyki, a także nie pomoże w generowaniu obrazów lub wideo, mimo że HeyGen jest znany z awatarów. Nie opublikowano również długości kontekstu, co czyni go słabym wyborem do bardzo długich dokumentów w jednym wywołaniu; podzielenie skryptu na krótsze segmenty jest bezpieczniejszym podejściem. Jeśli potrzebujesz modelu z udokumentowanymi kontrolami parametrów lub zdefiniowanym oknem kontekstu, sprawdź inne modele mowy na api14 przed podjęciem decyzji.