OpenAI: GPT Audio
OpenAI
·
tts
·
~4781 प्रति टोकन clip
·
4.5
बाट 4 यो कोटिका प्रयोगकर्ता
OpenAI: GPT Audio a पाठ-बाट-वाचन आवाज द्वारा निर्माण गरिएको छ OpenAI। बाह्य मोडेल मार्फत मार्ग — ~ 4,781 टोकन प्रति क्लिप (50% माथि अपस्ट्रिम लागत मा मार्कअप).
API मार्फत प्रयोग गर्नुहोस्
OpenAI-सुसंगत REST API। एक कुञ्जी उत्पन्न गर्नुहोस् र सेकेन्डमा यो नमूना कल गर्नुहोस्।
curl -X POST https://api.free.ai/v1/tts/ \
-H "Authorization: Bearer sk-free-..." \
-H "Content-Type: application/json" \
-d '{"model":"openai/gpt-audio","text":"hello world"}'समान नमूना
प्राय सोधिने प्रश्न
OpenAI: GPT Audio ले भाषाको विस्तृत दायरा समर्थन गर्दछ । सहि सूची इन्जिनमा निर्भर गर्दछ; यो पृष्ठमा फारमले कुनै पनि पाठ स्वीकार गर्दछ र इन्जिनले यसको समर्थित भाषाहरूमा रेन्डर गर्नेछ । यदि तपाईँलाई विशिष्ट भाषा आवश्यक भएमा पूर्ण बहु-इञ्जिन चयनकर्ताका लागि /voice/ हेर्नुहोस् ।
अधिकांश इन्जिन पूर्वनिर्धारित द्वारा तटस्थ-अमेरिकी अंग्रेजी र गैर-अंग्रेजी भाषाहरूको लागि क्षेत्र-सहि उच्चारण रेन्डर। प्रिमियम इन्जिन उच्चारण भिन्नताहरू प्रकट गर्न सक्छन् - तुलना गर्न नमूना टाँस्नुहोस्।
SSML समर्थन इन्जिन द्वारा भिन्न. पज, prosody, र जोड ट्याग धेरै प्रिमियम इन्जिन मा सम्मान र केही आत्म-होस्ट ती मा. सादा पाठ सधैं काम गर्दछ - कुनै मार्कअप आवश्यक.
स्ट्रिमिङ TTS प्रिमियम इन्जिनमा /v1/tts/ API अन्त बिन्दुबाट उपलब्ध छ र stream=true छ । यो पृष्ठमा वेब UI ले रेन्डरिङ समाप्त भएपछि पूरा क्लिप फर्काउँछ ।
OpenAI: GPT Audio एक प्रीमियम TTS इन्जिन हो। क्यारेक्टर गणनाको साथ लागत स्केलहरू - सामान्यतया ~30 टोकन प्रति क्यारेक्टर, तपाईंले सिर्जना गर्नु अघि लाइभ देखाइएको छ। स्व-होस्ट गरिएको आवाजहरू तपाईंको 30,000-टोकन दैनिक पूलमा नि: शुल्क चल्दछ; प्रिमियम मोडेलहरू $ 1 बाट शीर्ष-अपहरूको साथ तपाईं-जानुहोस्-जस्तै-जानुहोस्-जस्तै-जानुहोस्।
सम्म 5,000 वेब UI मा प्रति अनुरोध क्यारेक्टरहरू. लामो टुक्रा लागि (अडियो पुस्तकहरू, पूर्ण अध्याय), प्रयोग / आवाज / अडियो पुस्तक / जुन chunks र stitches स्वचालित रूपमा, वा एक लूप मा API कल.
हो — /v1/tts/batch/ गर्न स्ट्रिङको सूची पोस्ट गर्नुहोस्, वा /workspace/ मा कार्यस्थान UI प्रयोग गर्नुहोस् लामो पाइपलाइनमा TTS चेन गर्न (उदाहरणका लागि, अनुवाद → बोल्नुहोस् → बुनाई)।
हो — /v1/tts/ मा पाठ POST गर्न मोडल="OpenAI: GPT Audio" (वा यो पृष्ठमा slug)। WAV वा MP3 फर्काउँछ। पूर्ण सन्दर्भ + SDK स्निपेटहरूका लागि /api/ हेर्नुहोस्।
यो पृष्ठ पाठ-देखि-भाषण हो, आवाज क्लोनिङ होइन — आवाज इन्जिनको पूर्वनिर्धारित हो । आवाज क्लोनिङका लागि (संदर्भ अडियो अपलोड गर्न), /voice/clone/ हेर्नुहोस्, जसले तपाईँलाई आवाज अधिकारहरूको मालिक वा स्पष्ट लिखित सहमति आवश्यक पर्दछ ।
आत्म-होस्ट गरिएको इन्जिनहरू Free.ai-स्वामित्व GPUs मा चल्छ; केही पनि हाम्रो सर्भरहरू छोड्दैन। प्रिमियम इन्जिनहरू हाम्रो DPA अन्तर्गत माथिको मोडेल प्रदायकहरूमा पाठ पास गर्दछ। हामी तपाईंको इनपुटहरूमा ट्रेन गर्दैनौं र डाटा बेच्दैनौं।
Yes - Free.ai grants commercial use of generated audio. The engine's underlying license (Apache 2.0, MIT, or vendor terms) is shown above and on the model reference page; in practice this means voiceovers, ads, podcasts, and apps are all in-scope.
हो - असफल काम स्रोत गर्न स्वचालित-रिफन्ड (दिन भरी पूल वा भुक्तानी टोकन). एक रिफन्ड एउटै दिन देखिँदैन भने, इमेल contact@free.ai.