Sesame CSM-1B
Free.ai (self-hosted)
·
tts
·
~500 token/s clip
·
4.3
_Hortik 3 kategoria honetako erabiltzaileak
Sesame CSM-1B a testu-hizketa ahotsa da, {provider__k} eraikia. (Gaztelaniaz) "La mejor"-en webgunea. Free.ai GPUtan auto-ostatua — zure eguneroko token pool-aren aurka doan exekutatzen da (500 tokens klip bakoitzeko). Apache 2.0 lizentziapean argitaratua — erabilera komertziala baimenduta Free.ai-n.
Erabili API bidez
curl -X POST https://api.free.ai/v1/tts/ \
-H "Authorization: Bearer sk-free-..." \
-H "Content-Type: application/json" \
-d '{"model":"csm-1b","text":"hello world"}'Maiz egiten diren galderak
Sesame CSM-1B supports a wide range of languages. The exact list depends on the engine; the form on this page accepts any text and the engine will render in its supported languages. See /voice/ for the full multi-engine picker if you need a specific language.
Motor gehienek ingeles amerikar neutroa errendatzen dute lehenespenez, eta eskualde-azentua ingelesez ez diren hizkuntzetan. Premium motorrek azentuaren aldaerak erakutsi ditzakete; itsatsi lagin bat konparatzeko.
SSML euskarria motorearen arabera aldatzen da. Pausa, prosodia eta enfasi etiketak onartzen dira premium motor gehienetan eta auto-ostatutako motor batzuetan. Testu arrunta beti funtzionatzen du — ez da markaketarik behar.
TTS streaming-a premium motorretan erabil daiteke /v1/tts/ API amaierako puntuaren bidez stream=true erabiliz. Orri honen web UI-ak klip osoa itzuliko du errendatzea amaitzen denean.
Sesame CSM-1B gure GPUetan exekutatzen da. Sorkuntzak zure eguneroko biltegi libretik ateratzen du lehenik. Behin agortuta, ordaindutako tokenak $5 → 200.000 tokenetan hasten dira. Gutxi gorabehera ~5 token karaktere bakoitzeko, gutxienez 100 klip bakoitzeko.
Web UI-an 5.000 karaktere arte eskaera bakoitzeko. Zati luzeagoetarako (audio-liburuak, kapitulu osoak), erabili /voice/audiobook/, automatikoki zatitu eta elkartzeko, edo deitu API-ari begizta batean.
Bai — POST kate zerrenda bat /v1/tts/batch/-ra, edo erabili /workspace/-ko laneko arearen UIa TTS kanalizazio luzeago batean kateatzeko (adibidez, itzuli → hitz egin → lotu).
Bai — POST testua /v1/tts/-ra model="Sesame CSM-1B"-rekin (edo orrialde honetako slug-arekin). WAV edo MP3 itzultzen du. Ikusi /api/ erreferentzia osoa + SDK zatiak lortzeko.
Orri hau testu-hizketakoa da, ez ahots klonaketakoa — ahotsa motorearen lehenespena da. Ahotsa klonatzeko (erreferentziako audioa igotzeko), ikus /voice/clone/, eta horretarako ahotsaren eskubideak eduki behar dituzu edo idatzizko baimen esplizitua.
Auto-ostatutako motorrak Free.ai-ren jabetzakoak diren GPUetan exekutatzen dira; ezer ez da gure zerbitzarietatik irteten. Premium motorrek testua gure DPAren arabera goi-mailako modelo-hornitzaileei pasatzen diete. Ez dugu zure sarrerak entrenatzen eta ez ditugu datuak saltzen.
Bai — Free.aik sortutako audioa erabiltzeko baimena ematen du. Motorearen oinarrizko lizentzia (Apache 2.0, MIT edo hornitzailearen baldintzak) goian eta ereduaren erreferentziako orrialdean agertzen da; praktikan, honek esan nahi du ahots-argazkiak, iragarkiak, podcastak eta aplikazioak denak barne daudela.
Bai — huts egin duten lanak automatikoki itzuli iturburura (eguneroko pool-a edo ordaindutako tokenak). Egun berean itzuli ez bada, bidali mezu elektroniko bat contact@free.ai helbidera.