Sesame CSM-1B
Free.ai (self-hosted)
·
tts
·
~500 टोकन प्रति clip
·
4.3
पासून 3 या विभागातील वापरकर्ता
Sesame CSM-1B हे a आहे पाठ्य- ते- वक्तव्य आवाजName Sesame द्वारे बनवलेले आहे. सर्वात जवळील अभियांत्रिकी महाविद्यालय (अकोला) ५. Free.ai GPUs वर स्व-होस्ट - आपल्या दैनंदिन टोकन पूल विरुद्ध मुक्तपणे चालते (500 टोकन प्रति क्लिप). Released under Apache 2.0 — commercial use permitted on Free.ai.
API द्वारे वापरा
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"}'वारंवार विचारले जाणारे प्रश्न
Sesame CSM-1B भाषांची एक विस्तृत यादी समर्थित करते. सखोल यादी इंजिनवर अवलंबून असते; या पानावरील फॉर्म कोणत्याही पाठ्य स्वीकारतो व इंजिन समर्थित भाषांमध्ये रेंडरिंग करेल. तुम्हाला विशिष्ट भाषा हवी असल्यास पूर्ण बहु-इंजिन निवडक करीता /voice/ पहा.
बहुतेक इंजिन मुलभूतरित्या न्युट्रल- अमेरिकन इंग्रजी व इंग्रजी नसून इतर भाषांसाठी क्षेत्र- योग्य उच्चारण दर्शवितात. प्रीमियम इंजिन उच्चारण रूपे दर्शवू शकतात - तुलना करीता नमुना चिकटवा.
SSML समर्थन इंजिन नुसार बदलते. पॅसेज, प्रोसोडी, व जोर टॅग सर्वात प्रीमियम इंजिन व काही स्वयं- यजमानांवर मानले जातात. सादा पाठ्य नेहमीच कार्य करते - मार्कअपची आवश्यकता नाही.
स्ट्रीमिंग TTS प्रीमियम इंजिनवर /v1/tts/ API endpoint द्वारे stream=true सह उपलब्ध आहे. या पानावरील वेब UI रेंडरिंग पूर्ण झाल्यानंतर संपूर्ण क्लिप परत करतो.
Sesame CSM-1B आपल्या स्वतःच्या GPU वर चालते. जनरेशन प्रथम आपल्या दैनंदिन मोफत पूल पासून ड्रॉप करते. एकदा संपल्यावर, मोफत टोकन $5 → 200,000 टोकन पासून सुरू होतात. सुमारे ~5 टोकन प्रति अक्षर, किमान 100 प्रति क्लिप.
वेब UI वर प्रति विनंती 5,000 अक्षरांपर्यंत. लांब भागांसाठी (ऑडिओबुक, पूर्ण अध्याय), /voice/audiobook/ वापरा जे स्वयंचलितपणे तुकडे आणि स्टिच करते, किंवा loop मध्ये API ला कॉल करा.
Yes — POST a list of strings to /v1/tts/batch/, or use the workspace UI at /workspace/ to chain TTS into a longer pipeline (e.g., translate → speak → stitch).
होय — /v1/tts/ वर POST पाठ्य मॉडेल="Sesame CSM-1B" (किंवा या पानावरील slug) सह. WAV किंवा MP3 परत करते. पूर्ण संदर्भ + SDK स्निपेट्ससाठी /api/ पहा.
हे पान पाठ्य-आणि-भाषण आहे, आवाज क्लोन नाही - आवाज हे इंजिनचे मुलभूत आहे. आवाज क्लोन करीता (संदर्भ ऑडिओ अपलोड करणे), /voice/clone/ पहा, ज्यास तुम्हाला आवाज अधिकार किंवा स्पष्ट लिखित परवानगी आवश्यक आहे.
स्वयं- होस्ट केलेले इंजिन Free.ai- मालकीचे GPU वर चालविले जाते; आमचे सर्वर सोडून काहीही जात नाही. प्रीमियम इंजिन आमच्या DPA अंतर्गत upstream मॉडेल पुरवठादारांना पाठ्य पाठवतात. आम्ही तुमच्या इनपुटवर प्रशिक्षण देत नाही आणि माहिती विकत घेत नाही.
होय — Free.ai निर्मित ऑडिओचा व्यावसायिक वापर करण्यास परवानगी देते. इंजिनची अंतर्गत परवाना (Apache 2.0, MIT, किंवा विक्रेता नियम) वरील आणि मॉडेल संदर्भ पानावर दर्शविले आहे; याचा अर्थ असा आहे की, आवाज, जाहिरात, पॉडकास्ट, आणि अनुप्रयोग सर्व क्षेत्रात आहेत.
होय — अपयशी कामांना स्त्रोताकडे (दिवसभराचा पूल किंवा मोजलेले टोकन) स्वचलित परतफेड करा. जर परतफेड त्याच दिवशी दिसली नाही तर, contact@free.ai या इमेलवर पाठवा.