រាយការណ៍​កំហុស / សំណើ​លក្ខណៈ​ពិសេស

Sesame CSM-1B

Free.ai (self-hosted) · tts · ~500 រូបិយប័ណ្ណ​ក្នុង​មួយ clip · 4.3 ពី 3 ប្រភេទ​នេះ​មាន​អ្នក​ប្រើ​ចំនួន​តិច​បំផុត​ដែល​អាច​ប្រើ​បាន & # 160; ។
~500 រូបិយប័ណ្ណ​ក្នុង​មួយ clip

Sesame CSM-1B គឺជា a អត្ថបទ​ទៅ​ជា​សំឡេង​និយាយ ដែលបានសាងសង់ដោយ Sesame ។ ខ្លាំងបំផុតនៅ Real-time voice agents, conversational AI, streaming TTS where time-to-first-audio matters more than studio-perfect reads. ។ ខ្លួនឯងបានរៀបចំនៅលើ Free.ai GPUs - រត់ដោយឥតគិតថ្លៃប្រឆាំងនឹងទឹកកាក់ប្រចាំថ្ងៃរបស់អ្នក (500 រូបិយប័ណ្ណ មួយ​ចន្លោះ) ។ ចេញផ្សាយក្រោម Apache 2.0 — ការប្រើពាណិជ្ជកម្មត្រូវបានអនុញ្ញាតនៅលើ Free.ai ។

ប្រើ​តាម​រយៈ API 
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"}'
ឯកសារ API យក​សោ API

សំណួរ​ដែល​សួរ​ញឹកញាប់

Sesame CSM-1B គាំទ្រ​ជួរ​ធំ​នៃ​ភាសា & # 160; ។ បញ្ជី​ជាក់លាក់​អាស្រ័យ​លើ​ម៉ាស៊ីន សំណុំបែបបទ​នៅ​លើ​ទំព័រ​នេះ​ទទួល​យក​អត្ថបទ​ណាមួយ ហើយ​ម៉ាស៊ីន​នឹង​បង្ហាញ​ក្នុង​ភាសា​ដែល​បាន​គាំទ្រ & # 160; ។ សូម​មើល / voice / សម្រាប់​កម្មវិធី​ជ្រើស​ម៉ាស៊ីន​ច្រើន​ពេញលេញ ប្រសិន​បើ​អ្នក​ត្រូវការ​ភាសា​ជាក់លាក់ & # 160; ។

ម៉ាស៊ីន​ភាគច្រើន​បង្ហាញ​ភាសា​អង់គ្លេស​អាមេរិក​អព្យាក្រឹត​តាម​លំនាំដើម និង​សំឡេង​សមរម្យ​សម្រាប់​តំបន់​សម្រាប់​ភាសា​ដែល​មិន​មែន​ជា​ភាសា​អង់គ្លេស & # 160; ។ ម៉ាស៊ីន​ដែល​មាន​តម្លៃ​ខ្ពស់​អាច​បង្ហាញ​ពី​ការ​ផ្លាស់ប្ដូរ​សំឡេង​ - បិទភ្ជាប់​គំរូ​ដើម្បី​ប្រៀបធៀប & # 160; ។

ការ​គាំទ្រ SSML ប្រែប្រួល​ដោយ​ម៉ាស៊ីន & # 160; ។ ផ្អាក, prosody និង​ស្លាក​សង្កត់​ធ្ងន់​ត្រូវ​បាន​គោរព​លើ​ម៉ាស៊ីន​ដែល​មាន​តម្លៃ​ខ្ពស់​បំផុត និង​លើ​ម៉ាស៊ីន​ដែល​បាន​រៀបចំ​ដោយ​ខ្លួន​ឯង​មួយ​ចំនួន & # 160; ។ អត្ថបទ​ធម្មតា​តែង​តែ​ធ្វើការ - មិន​ចាំបាច់​សម្គាល់ & # 160; ។

ការ​ស្ទ្រីម TTS មាន​នៅ​លើ​ម៉ាស៊ីន​ដែល​មាន​តម្លៃ​ខ្ពស់​តាម​រយៈ​ចំណុច​បញ្ចប់ / v1/ tts/ API ជាមួយ stream=true & # 160; ។ ចំណុច​ប្រទាក់​អ្នក​ប្រើ​បណ្ដាញ​នៅ​លើ​ទំព័រ​នេះ​ត្រឡប់​ចន្លោះ​ពេញលេញ​នៅពេល​ដែល​ការ​បង្ហាញ​បញ្ចប់ & # 160; ។

Sesame CSM-1B រត់នៅលើ GPUs ផ្ទាល់ខ្លួនរបស់យើង. ជំនាន់ដកស្រង់ពីទឹកហូរឥតគិតថ្លៃប្រចាំថ្ងៃរបស់អ្នកជាលើកដំបូង. នៅពេលដែលអស់, រូបិយប័ណ្ណដែលបង់ប្រាក់ចាប់ផ្តើមនៅ $5 → 200,000 រូបិយប័ណ្ណ. ប្រហែល ~5 រូបិយប័ណ្ណក្នុងមួយតួអក្សរ, អប្បបរមា 100 ក្នុងមួយវីដេអូ.

រហូតដល់ទៅ 5,000 តួអក្សរក្នុងមួយសំណើនៅលើ UI បណ្ដាញ. សម្រាប់ផ្នែកវែង (សៀវភៅអូឌីយ៉ូ, ជំពូកពេញលេញ), ប្រើ / សំឡេង / សៀវភៅអូឌីយ៉ូ / ដែល chunks និង stitches ដោយស្វ័យប្រវត្តិ, ឬហៅ API នៅក្នុងរង្វិលជុំ.

បាទ — POST បញ្ជីនៃខ្សែអក្សរទៅ / v1 / tts / batch /, ឬប្រើផ្ទៃការងារ UI នៅ / workspace / ដើម្បីខ្សែ TTS ទៅជាបំពង់វែង (ឧទាហរណ៍, បកប្រែ → និយាយ → stitch).

បាទ — អត្ថបទ POST ទៅ /v1/tts/ ជាមួយ model="Sesame CSM-1B" (ឬ slug នៅលើទំព័រនេះ) ។ ត្រឡប់ WAV ឬ MP3 ។ មើល /api/ សម្រាប់សេចក្ដីយោងពេញលេញ + ស្ទីគែ SDK ។

ទំព័រ​នេះ​គឺ​ជា​អត្ថបទ​ទៅ​ការ​និយាយ មិន​មែន​ការ​ក្លូន​សំឡេង​ទេ — សំឡេង​គឺ​ជា​លំនាំ​ដើម​របស់​ម៉ាស៊ីន ។ សម្រាប់​ក្លូន​សំឡេង (ផ្ទុក​អូឌីយ៉ូ​យោង​ឡើង) សូម​មើល / voice/ clone / ដែល​ទាមទារ​ឲ្យ​អ្នក​មាន​សិទ្ធិ​សំឡេង ឬ​មាន​ការ​យល់ព្រម​ដោយ​សរសេរ​ច្បាស់លាស់ ។

ម៉ាស៊ីនដែលគ្រប់គ្រងដោយខ្លួនឯងរត់នៅលើ Free.ai GPUs ផ្ទាល់ខ្លួន; គ្មានអ្វីចាកចេញពីម៉ាស៊ីនបម្រើរបស់យើងទេ។ ម៉ាស៊ីន Premium ឆ្លងកាត់អត្ថបទទៅអ្នកផ្តល់ម៉ូដែលឡើងក្រោម DPA របស់យើង។ យើងមិនបណ្តុះបណ្តាលលើការបញ្ចូលរបស់អ្នកហើយមិនលក់ទិន្នន័យទេ។

បាទ — Free.ai អនុញ្ញាត​ឲ្យ​ប្រើ​ពាណិជ្ជកម្ម​នៃ​អូឌីយ៉ូ​ដែល​បាន​បង្កើត ។ អាជ្ញាប័ណ្ណ​ដែល​មាន​មូលដ្ឋាន​របស់​ម៉ាស៊ីន (Apache 2.0, MIT, ឬ​លក្ខខណ្ឌ​របស់​អ្នក​លក់) ត្រូវ​បាន​បង្ហាញ​នៅ​លើ​ទំព័រ​យោង​ម៉ូដែល​នៅ​លើ​ទំព័រ​យោង​ម៉ូដែល​ក្នុង​ការ​អនុវត្ត​នេះ​មាន​ន័យ​ថា​ការ​និយាយ​ផ្សាយ​ពាណិជ្ជកម្ម ផតខាស់ និង​កម្មវិធី​ទាំងអស់​គឺ​នៅ​ក្នុង​វិសាលភាព ។

បាទ - បរាជ័យការងារស្វ័យប្រវត្តិ-ការសងទៅប្រភព (ហែលទឹកប្រចាំថ្ងៃឬបានបង់ប្រាក់តូចតាច) ។ ប្រសិនបើការសងមិនបង្ហាញឡើងថ្ងៃដូចគ្នា, អ៊ីម៉ែល contact@free.ai ។

ស្រឡាញ់ Free.ai? ប្រាប់មិត្តភក្តិរបស់អ្នក!

វាយតម្លៃ​ទំព័រ​នេះ