Gemini 3.1 Flash TTS
Google
·
tts
·
~500 біт clip
·
4.3
ад 3 карыстальнікі гэтай катэгорыі
Фрэйзер (англ.: Freyzer) — нямецкая сямейная марка аўтамабіляў, якая належыць фірме «Фрэйзер» (ням.: Freyzer). У 1999 годзе ў выніку рэструктурызацыі кампаніі «Фрэйзер» (Freizer) 50 % акцый перайшлі ў «Фрэйзер-Мінск» (Freizer-Minsk).
Выкарыстаць праз API
OpenAI- сумяшчальны REST API. Стварыць ключ і выклікаць гэтую мадэль за некалькі секунд.
curl -X POST https://api.free.ai/v1/tts/ \
-H "Authorization: Bearer sk-free-..." \
-H "Content-Type: application/json" \
-d '{"model":"premium/gemini-3.1-flash-tts","text":"hello world"}'Падобныя мадэлі
Часта задаваемыя пытанні
Gemini 3.1 Flash TTS падтрымлівае шырокі спектр моў. Дакладны спіс залежыць ад рухавіка; форма на гэтай старонцы прымае любы тэкст, і рухавік будзе рэндаваць на падтрымліваемых мовах. Глядзіце / voice / для поўнага выбіральніка шматрухавікоў, калі вам патрэбна пэўная мова.
Большасць рухавікоў па змаўчанні паказваюць нейтральную амерыканскую англійскую і рэгіянальныя акцэнты для моў, якія не з' яўляюцца англійскімі. Рухавік Premium можа паказваць варыянты акцэнтаў - устаўце прыклад для параўнання.
Падтрымка SSML розная ў залежнасці ад рухавіка. Тэгі pause, prosody і emphasis падтрымліваюцца ў большасці рухавікоў premium і некаторых з іх. Просты тэкст заўсёды працуе - не патрабуецца ніякая разметка.
Праграма TTS даступная на машынах premium праз канечную кропку API / v1/ tts/ з параметрам stream=true. Веб- інтэрфейс на гэтай старонцы вяртае поўны фільм пасля заканчэння рэндрынгу.
Gemini 3.1 Flash TTS - гэта бясплатны рухавік TTS. Кошт залежыць ад колькасці сімвалаў - звычайна ~30 знакаў на знак. $1 купляе 750,000 знакаў, так што пакет у $5 ахоплівае дзясяткі тысяч знакаў.
Да 5000 знакаў на запыт у інтэрфейсе. Для доўгіх частак (аўдыёкніг, цэлых раздзелаў) выкарыстоўвайце /voice/audiobook/, які аўтаматычна разрэзаў і звязаў, або выклікайце API ў цыкле.
Так — POST спіс радкоў у /v1/tts/batch/, або выкарыстоўвайце інтэрфейс рабочай прасторы ў /workspace/, каб злучыць TTS у больш доўгі канвеер (напрыклад, translate → speak → stitch).
Так — POST тэкст у / v1/ tts / з model=" Gemini 3.1 Flash TTS "(або slug на гэтай старонцы). Верне WAV або MP3. Глядзіце / api / для поўнай спасылкі + SDK фрагменты.
Гэтая старонка з' яўляецца тэкстава- вымаўленнем, а не клонаваннем голасу - голас па змаўчанні. Для клонавання голасу (загрузка аўдыё- файла) глядзіце / voice/ clone /, для чаго вам трэба альбо мець права на голас, альбо выразнае пісьмовае дазвол.
Самастойныя рухавікі працуюць на Free.ai- уласных GPU; нічога не пакідае нашых сервераў. Premium рухавікі перадаюць тэкст пастаўшчыкам мадэляў па нашым DPA. Мы не трэніруем на вашых уводах і не прадаем дадзеныя.
Так — Free.ai дазваляе выкарыстанне генераванага гуку ў камерцыйных мэтах. Ліцэнзія рухавіка (Apache 2. 0, MIT або ўмовы вытворцы) паказаная вышэй і на старонцы з даведкай па мадэлі; на практыцы гэта азначае, што ўключаны гукавыя запісы, рэкламы, падкасты і праграмы.
Так — нерэалізаваныя заданні аўтаматычна вяртаюцца ў крыніцу (дзённы пул або аплачаныя знакі). Калі вяртанне не адбываецца ў той жа дзень, пішыце на contact@ free. ai.