CosyVoice 2
Free.ai (self-hosted)
·
tts
·
~500 tokens për clip
·
4.3
nga 3 përdorues të kësaj kategorie
CosyVoice 2 është a zëri i tekstit në fjalë i ndërtuar nga Alibaba FunAudioLLM. Më i forti në Low-latency streaming TTS, cross-lingual voice cloning, real-time voice.. Vetë-pritur në Free.ai GPUs — funksionon pa pagesë kundër pool-it të token-it të përditshëm (500 tokens për klip). Licensuar nën Apache 2.0 — përdorimi komercial i lejuar në Free.ai.
Përdorimi nëpërmjet API
curl -X POST https://api.free.ai/v1/tts/ \
-H "Authorization: Bearer sk-free-..." \
-H "Content-Type: application/json" \
-d '{"model":"cosyvoice2","text":"hello world"}'Pyetje të shpeshta
CosyVoice 2 suporton një gamë të gjerë gjuhësh. Lista e saktë varet nga motori; forma në këtë faqe pranon çdo tekst dhe motori do të paraqesë në gjuhët e tij të suportuara. Shiko /voice/ për zgjedhësin e plotë të motorëve të shumtë nëse ke nevojë për një gjuhë të caktuar.
Shumica e motorëve paracaktojnë një anglisht amerikane neutrale dhe një theks të përshtatshëm për rajonin për gjuhët jo-anglishte. Motorët Premium mund të tregojnë variante të theksit - ngjite një shembull për t'u krahasuar.
Suporti i SSML ndryshon sipas motorit. Tag-ët e pauzës, prozodisë dhe theksimit respektohen në shumicën e motorëve premium dhe në disa prej tyre të vetë-hostuar. Teksti i thjeshtë punon kurdoherë — nuk kërkohet mark-up.
Streaming TTS është në dispozicion në motorët premium nëpërmjet /v1/tts/ API endpoint me stream=true. Interfaqja e përdoruesit web në këtë faqe kthen klipin e plotë sapo të përfundojë paraqitja.
CosyVoice 2 rrjedh në GPU-të tona. Gjenerata e parë tërheq nga pool-i juaj i përditshëm i lirë. Sapo të shkrihet, token-ët e paguar fillojnë nga $5 → 200,000 token-ë. Rreth ~5 token-ë për karakter, minimum 100 për klip.
Deri në 5,000 karaktere për kërkesë në UI web. Për pjesë më të gjata (audiobooks, kapituj të plotë), përdor /voice/audiobook/ që copëton dhe lidh automatikisht, ose thërret API në një cikl.
Po — POST një listë strings në /v1/tts/batch/, ose përdorni hapësirën e punës UI në /workspace/ për të zinxhiruar TTS në një tubacion më të gjatë (p.sh., përktheu → fol → stitch).
Po — POST tekst në /v1/tts/ me model="CosyVoice 2" (ose slug në këtë faqe). Kthen WAV ose MP3. Shiko /api/ për referencë të plotë + fragmente SDK.
Kjo faqe është tekst-në-folje, jo klonim zëri — zëri është i prezgjedhur nga motori. Për klonimin e zërit (shkarkimin e një audio referimi), shiko /voice/clone/, që kërkon që ju ose të posedoni të drejtat e zërit ose të keni pëlqimin e shkruar të qartë.
Motorët e vetë-hostuar funksionojnë në GPU-të e zotëruara nga Free.ai; asgjë nuk largohet nga serverat tanë. Motorët Premium i kalojnë tekstet tek furnizuesit e modeleve të larta nën DPA-në tonë. Ne nuk trajnojmë në të dhënat tuaja dhe nuk i shesim të dhënat.
Po — Free.ai lejon përdorimin komercial të audios së gjeneruar. Liçenca e motorit (Apache 2.0, MIT, ose kushtet e shitësit) është e shfaqur sipër dhe në faqen e modelit të referencës; në praktikë kjo do të thotë se zërat, reklamat, podcast-et dhe aplikacionet janë të gjitha brenda kufijve.
Po — detyrat e dështuara kthehen automatikisht tek burimi (pool i përditshëm ose token të paguar). Nëse një kthim nuk shfaqet të njëjtën ditë, dërgo email tek contact@free.ai.