Sesame CSM-1B
Free.ai (self-hosted)
·
tts
·
~500 တန်ဖိုးများ clip
·
4.3
မှ 3 ဒီအမျိုးအစားရဲ့အသုံးပြုသူများ
Sesame CSM-1B a စာသားမှစကားပြောအသံ Sesame အားဖြင့်တည်ဆောက်ထားသည်. Real-time voice agents, conversational AI, streaming TTS where time-to-first-audio matters more than studio-perfect reads. တွင်အခိုင်အမာဆုံး။ Free.ai GPUs အပေါ် Self-hosted - သင်၏နေ့စဉ် token ကိုရေကန် (500 tokens ရုပ်ပုံတစ်ပုံစီ) ကိုတိုက်ခိုက်အခမဲ့ runs ။ Apache 2.0 တွင်ထုတ်ဝေ — စီးပွားရေးလုပ်ငန်းအသုံးပြုမှုခွင့်ပြု Free.ai.
API မှတဆင့်အသုံးပြု
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"}'မေးလေ့ရှိသောမေးခွန်းများ
Sesame CSM-1B ဘာသာစကားများအကွာအဝေးကျယ်ပြန့်ထောက်ခံ. တိကျတဲ့စာရင်းအင်ဂျင်ပေါ်မူတည်; ဒီစာမျက်နှာပေါ်တွင်ပုံစံကိုလက်ခံမည်သည့်စာသားနှင့်အင်ဂျင်၏ထောက်ခံဘာသာစကားများမှာ render လိမ့်မယ်. သင်အတိအကျဘာသာစကားလိုအပ်လျှင်အပြည့်အဝ multi-engine picker အတွက် / voice / ကိုကြည့်ပါ.
အများစုအင်ဂျင်များ default အားဖြင့် neutral-အမေရိကန်အင်္ဂလိပ်နှင့် Non-အင်္ဂလိပ်ဘာသာစကားများအတွက်ဒေသ-သင့်လျော်သော accent render. Premium engines accent variants expose may — နှိုင်းယှဉ်ဖို့နမူနာ paste.
SSML ထောက်ခံမှုအင်ဂျင်အားဖြင့်ကွဲပြားခြားနား. ရပ်တန့်, prosody, နှင့်အလေးအနက် tags များကိုအများဆုံးပရီမီယံအင်ဂျင်များနှင့်အနည်းငယ်ကိုယ်ပိုင်-hosted အပေါ်ဂုဏ်ပြုကြသည်. ရိုးရှင်းသောစာသားအမြဲအလုပ်လုပ်တယ် — မလိုအပ်တဲ့ markup.
Streaming TTS သည် stream=true နှင့်အတူ /v1/tts/ API endpoint မှတဆင့်ပရီမီယံအင်ဂျင်များပေါ်တွင်ရရှိနိုင်သည်။ ဤစာမျက်နှာပေါ်ရှိ web UI သည်တစ်ကြိမ် rendering ပြီးဆုံးပါကအပြည့်အဝ clip ကိုပြန်ပေးသည်။
Sesame CSM-1B ကျွန်တော်တို့ရဲ့ကိုယ်ပိုင် GPUs ပေါ်မှာ runs. Generation ကိုသင်၏နေ့စဉ်အခမဲ့ရေကန်ကနေပထမဦးဆုံးဆွဲ. တစ်ခါကုန်ဆုံး, ပေးဆောင် tokens ကို $5မှာစတင် → 200,000 tokens. ခန့်မှန်း ~5စာလုံးတစ်ဦးချင်းစီ tokens, အနည်းဆုံး 100 clip ကိုတစ်ဦးချင်းစီ.
Up to 5,000 characters per request on the web UI. ပိုမိုရှည်လျားသောအပိုင်းအစများအတွက် (audiobooks, အပြည့်အဝအခန်းများ), အလိုအလျောက် chunks နှင့် stitches သော / voice / audiobook / ကိုအသုံးပြုပါ, သို့မဟုတ် loop တစ်ခုတွင် API ကိုခေါ်ဆို.
ဟုတ်ကဲ့ — POST ကို / v1 / tts / batch / ဖို့ strings များ၏စာရင်း, သို့မဟုတ် / workspace / မှာအလုပ်အကိုင်အ UI ကိုအသုံးပြုပါ TTS ကိုပိုရှည်ပြွန်ထဲသို့ chain (ဥပမာ, ဘာသာပြန် → ပြော → stitch).
ဟုတ်ကဲ့ — POST ကို /v1/tts / တွင်စာသားကို model ="Sesame CSM-1B" ဖြင့် (သို့မဟုတ်ဤစာမျက်နှာပေါ်တွင် slug). WAV သို့မဟုတ် MP3 ကိုပြန်လာ. အပြည့်အဝအညွှန်း + SDK snippets များအတွက် /api / ကိုကြည့်ပါ.
ဒီစာမျက်နှာက စာသား-မှ-စကားပြော, အသံကိုမ cloning — အသံကိုအင်ဂျင်၏ default ဖြစ်ပါတယ်။ အသံကို cloning (အသံကိုအညွှန်းတင်သွင်း) အတွက်, / voice / clone / ကိုကြည့်ပါ, သင်သည်အသံပိုင်ဆိုင်ခွင့်သို့မဟုတ်ရှင်းလင်းသောစာရေးသားသဘောတူညီချက်ရှိရန်လိုအပ်သည်.
Free.ai-ပိုင်ဆိုင် GPUs အပေါ်ကိုယ်ပိုင်-hosted အင်ဂျင်များ run; ဘာမှကျွန်တော်တို့ရဲ့ဆာဗာများထွက်ခွာ. Premium ကိုအင်ဂျင်များကျွန်တော်တို့ရဲ့ DPA အောက်တွင် upstream မော်ဒယ်ပေးသွင်းသူများထံသို့စာသားကိုပေးပို့. ကျွန်တော်တို့ဟာသင်၏ inputs တွေကိုသင်တန်းမသင်နှင့်ဒေတာရောင်းမပေး.
ဟုတ်ကဲ့ — Free.ai ထုတ်လုပ်အသံ၏စီးပွားရေးလုပ်ငန်းအသုံးပြုမှုခွင့်ပြုချက်. အင်ဂျင်၏အောက်ခြေလိုင်စင် (Apache 2.0, MIT, သို့မဟုတ်ရောင်းချသူစည်းကမ်းချက်များ) အပေါ်နှင့်မော်ဒယ်အညွှန်းစာမျက်နှာပေါ်တွင်ပြသထားသည်; အလေ့အကျင့်တွင်ဤ voiceovers, ကြော်ငြာ, podcasts, နှင့် apps များအားလုံး in-scope တွင်ဖြစ်ကြသည်။
ဟုတ်ကဲ့ — ပျက်ကွက်အလုပ်အကိုင်များအရင်းအမြစ်သို့အလိုအလျောက်ပြန်အမ်းငွေ (နေ့စဉ်ရေကန်သို့မဟုတ်ပေးဆောင် tokens များ). ပြန်လည်ပေးချေမှုတစ်နေ့တည်းမှာပင်ပေါ်မပြသလျှင်, အီးမေးလ် contact@free.ai.