Sesame CSM-1B
Free.ai (self-hosted)
·
tts
·
~500 ಇದಕ್ಕಾಗಿನ ಸೂಚಕಗಳು clip
·
4.3
ಫಾರ್ಮಾಟ್ 3 ಈ ಪಂಗಡದ ಬಳಕೆದಾರರು
ಫಾರ್ಮ್ನಲ್ಲಿ(_F)_FE_ FALE_ FALE_ FALE_ FALE_ FAYS_ FALE_ FALESYS_FESYS_VE_FALESYS [FAROXY] ನೊಂದಿಗೆ ವಿನ್ಯಾಸಿಸಲಾದ ಮೌಲ್ಯ சிறந்த_ಕಡತದಲ್ಲಿ ಅತಿ ಬಲಿಷ್ಠವಾದ_ಫೈಲಿಸ್ಟ್(_f)_preferencevice_places. Self-hosted on Free.ai GPUs — runs free against your daily token pool (500 tokens ಕ್ಲಿಪ್). Free.ai ರಲ್ಲಿ, ವಾಣಿಜ್ಯ ವ್ಯವಹಾರವು ಅನುಮತಿಸಲ್ಪಟ್ಟಿದೆ. (_F)
API ಮೂಲಕ ಬಳಸು
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"}'ಅನೇಕವೇಳೆ ಪ್ರಶ್ನೆಗಳು
ಅನೇಕ ಭಾಷೆಗಳು ಬಳಸಲು ಸರಿಯಾದ ಪಟ್ಟಿಯು ಎಂಜಿನ್ನ ಮೇಲೆ ಹೊಂದಿಕೊಂಡಿದೆ; ಈ ಪುಟದ ವಿನ್ಯಾಸವು ಯಾವುದೆ ಪಠ್ಯವನ್ನು ಸ್ವೀಕರಿಸುತ್ತದೆ ಹಾಗು ಎಂಜಿನ್ ಬೆಂಬಲಿತ ಭಾಷೆಗಳಲ್ಲಿ ನೀಡುತ್ತದೆ. ಒಂದು ನಿರ್ದಿಷ್ಟ ಭಾಷೆ ಅಗತ್ಯವಿರುವಲ್ಲಿ /jap-enoper ಅನ್ನು ನೋಡಿ(_f)
ಹೆಚ್ಚಿನ ಎಂಜಿನ್ಗಳು ತಟಸ್ಥ- ಅಮೆರಿಕನ್ ಅನ್ನು ಪೂರ್ವನಿಯೋಜಿತವಾಗಿ ಅನುಕ್ರಮವಾಗಿ ನಿರೂಪಿಸುತ್ತವೆ ಹಾಗು ಒಂದು ಪ್ರದೇಶ- ಅಸ್ಪಷ್ಟವಾದ ಎಂಗ್ಲಷ್ ಭಾಷೆಗಳಿಗೆ ಅನುಗುಣವಾಗಿ ಅನುವಾದಿಸುತ್ತವೆ. ಪ್ರೇರಿಯಮ್ ಎಂಜಿನಿಯನ್ ಭಾಷೆಗಳಿಗೆ ಆವರ್ತಣೆಗಳನ್ನು ಬಯಲುಪಡಿಸಬಹುದು — ತುಣುಕು ಮಾಡಲು ಒಂದು ನಮೂನೆಯನ್ನು ಅಂಟಿಸಬಹುದು.
SSML ಬೆಂಬಲವು ಎಂಜಿನ್ನಿಂದ ಭಿನ್ನವಾಗಿರುತ್ತದೆ. ತಾತ್ಕಾಲಿಕ, ವಿನಿಮಯಗೊಳಿಸುವಿಕೆ, ಮತ್ತು ಒತ್ತು ಟ್ಯಾಗ್ಗಳನ್ನು ಹೆಚ್ಚಿನ ಇಂಜಿನ್ ಎಂಜಿನ್ಗಳು ಮತ್ತು ಕೆಲವು ಸ್ವಇಂಟರ್ಗಳನ್ನು ಗೌರವಿಸಲಾಗುತ್ತದೆ. ಸರಳ ಪಠ್ಯವು ಯಾವಾಗಲೂ ಕೆಲಸ ಮಾಡುತ್ತದೆ, ಆದರೆ ಯಾವುದೆ ಮಾರ್ಕೋಪ್ ಅಗತ್ಯವಿಲ್ಲ.
TTS ಅನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸುವುದು, /v1/tts/ API ಕೊನೆಯ ಬಿಂದುವನ್ನು ಸ್ಟ್ರೀಮ್ನೊಂದಿಗೆ ಸೇರಿಸಿ, ಇಂಜಿನಲ್ ಎಂಜಿನ್ಗಳಲ್ಲಿ ಲಭ್ಯವಿದೆ. ಈ ಪುಟದ ಜಾಲ UI ಒಂದು ಬಾರಿ ಪ್ರದರ್ಶನದ ನಂತರ ಪೂರ್ಣ ಚಿತ್ರವನ್ನು ಹಿಂದಿರುಗಿಸುತ್ತದೆ.
ಪೀಳಿಗೆಯು ಮೊದಲು ನಿಮ್ಮ ದಿನದ ಮುಕ್ತ ಕೊಳದಿಂದ ಆರಂಭವಾಗುತ್ತದೆ. ಒಮ್ಮೆ ಅಸಮತೋಕ್ತಗೊಂಡಾಗ, CRLC ಅನ್ನು $5,00,000 ಚಿಹ್ನೆಗಳಲ್ಲಿ ಆರಂಭಿಸುತ್ತದೆ. ಒಂದು ಅಕ್ಷರಕ್ಕೆ ದ್ವಿತೀಯವಾಗಿ ~5 ಗುರುತುಗಳು, ಕನಿಷ್ಠ ೦೦ ಕ್ಕೆ ೧೦೦೦ ಗುರುತುಗಳು.
ಜಾಲ UI ಯಲ್ಲಿ ಮನವಿ ಸಲ್ಲಿಸುವ 5,000 ಅಕ್ಷರಗಳಿಗೆ (ಆಡಿಯೋ ಬುಕ್, ಪೂರ್ಣ ಅಧ್ಯಾಯಗಳು), / bus/aulibbbook/ subjects/ chaps/ characts/ septs, ಅಥವಾ API ಅನ್ನು ಒಂದು ಕುಳಿಯಲ್ಲಿ ಕರೆಯಿ.
— ಹೌದು, /v1/tts/ baut/ badtch ಗೆ ವಾಕ್ಯಗಳ ಒಂದು ಪಟ್ಟಿಯಲ್ಲಿ, / devspace UI ಅನ್ನು / devace/ bugt/ bugtch ಗೆ ಸಂಕಲಿಸಲಾಗುತ್ತದೆ, ಅಥವ TSts like ಗೆ ಸಂಕಲನ ಮಾಡಲು (ಉದಾ., CRLIF CHAT ಮಾತಾಡುವಂತೆ).
ಹೌದು, /v1/ts/ mits ಗೆ ಪೋಸ್ಟ್ ಪಠ್ಯವನ್ನು ಮಾದರಿ="_ FRE_ PHI_ PHI_ PHI_ PHS_ PHATI_ PHATI_ PHATI( ಈ ಪುಟದಲ್ಲಿ ಗೆ) ಮರಳಿಸುತ್ತದೆ. ಪೂರ್ಣ ಉಲ್ಲೇಖದ SDK ಚಲಾವಣೆಗಾಗಿ /ap/ lip ಅನ್ನು ನೋಡಿ.
ಈ ಪುಟವು ಪಠ್ಯ- ಲಿಪ್ಯಂಶವಲ್ಲ, ಬದಲಾಗಿ ಧ್ವನಿ ವ್ಯವಸ್ಥ್ಯಾ ಯಂತ್ರದ ಪೂರ್ವನಿಯೋಜಿತವಾಗಿದೆ. ಧ್ವನಿಯು ಕ್ಯೂನಿಫಾರಂ (ಉದಾಹರಣೆ ಆಡಿಯೊ ಅನ್ನು ಉತ್ಥಾಪಿಸಲಾಗಿರುತ್ತದೆ), ಈ ಧ್ವನಿಯ ಹಕ್ಕುಗಳನ್ನು ಹೊಂದುವಂತೆ ಅಗತ್ಯಪಡಿಸುವ / syncript/ script/ seckon/) ಅನ್ನು ನೋಡಿ.
ಸ್ವಯಂ-ಸೇರಿಸಿಕೊಂಡ Free.ai GPUS ಅನ್ನು ಚಲಾಯಿಸುತ್ತದೆ; ಯಾವುದೂ ನಮ್ಮ ಪರಿಚಾರಕಗಳನ್ನು ಬಿಡುವುದಿಲ್ಲ. ಪ್ರೇರಿಯಮ್ ಎಂಜಿನ್ಗಳು ಪಠ್ಯವನ್ನು ನಮ್ಮ DPA ನ ಕೆಳಗಿರುವ ಉತ್ಪತ್ತಿಯ ಉತ್ಪಾದಕರಿಗೆ ಕಳುಹಿಸುತ್ತವೆ. ನಾವು ನಿಮ್ಮ ಪ್ರೊಗ್ರಾಮ್ಗಳಿಗೆ ತರಬೇತಿ ನೀಡುವುದಿಲ್ಲ ಮತ್ತು ದತ್ತವನ್ನು ಮಾರುವುದಿಲ್ಲ.
ಹೌದು, Free.ai ಉತ್ಪಾದಿಸಲಾದ ಆಡಿಯೊದ ಜಾಹೀರಾತು ಬಳಕೆ. ಎಂಜಿನ್ನ ಒಳಪಿಡಿ ಲೈಸನ್ಸ್ (Apache 2.0, MIT, ಅಥವಾ ಮಾರಾಟಗಾರ ಪದಗಳು) ಮೇಲೆ ಮತ್ತು MIT ಪ್ರೊಗ್ರಾಮ್ ಪ್ರೊಗ್ರಾಮ್ ಪುಟದಲ್ಲಿ ತೋರಿಸಲ್ಪಡುತ್ತದೆ. ಈ ಅರ್ಥದಲ್ಲಿ ಧ್ವನಿವಿಧಾನಗಳು, ಜಾಹೀರಾತುಗಳು, ಜಾಹೀರಾತುಗಳು, ಜಾಹೀರಾತುಗಳು ಮತ್ತು ಅಪಾನಗಳು ಇತ್ಯಾದಿ ಎಲ್ಲವನ್ನು ಪರದೆಗಳಲ್ಲಿ ನೀಡಲಾಗುತ್ತದೆ.
ಹೌದು, ಕೆಲಸಗಳು ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಮೂಲಕ್ಕೆ ಮರುಕಳಿಸಲ್ಪಡುತ್ತವೆ (ದಯವಿಟ್ಟು ಕೊಳೆ ಅಥವಾ ತೋರಿಸಲ್ಪಡುತ್ತದೆ). ಒಂದು ಮರಳಿ ತೆಗೆಯುವಿಕೆಯು ಅದೇ ದಿನಕ್ಕೆ ತೋರಿಸಲ್ಪಡದೆ ಹೋದಲ್ಲಿ, ವಿ- ಅಂಚೆ ಸಂಪರ್ಕವನ್ನು ತೋರಿಸುವುದಿಲ್ಲ. (interface). default face