VibeVoice
Free.ai (self-hosted)
·
tts
·
~500 бирдик clip
·
4.3
_Жаңылоо 3 категориядагы колдонуучулары
VibeVoice - a текст-сөзгө, Microsoft тарабынан курулган. Long-form audiobooks and multi-speaker podcasts with up to four distinct voices. боюнча эң күчтүү. Free.ai ГПУда өзүнчө жайгаштырылган — сиздин күн сайынгы токендердин пулу менен акысыз иштей алат (500 токендер Клип үчүн). MIT лицензиясы менен чыгарылат — коммерциялык колдонууга Free.aiде уруксат берилген.
API аркылуу колдонуу
curl -X POST https://api.free.ai/v1/tts/ \
-H "Authorization: Bearer sk-free-..." \
-H "Content-Type: application/json" \
-d '{"model":"vibevoice","text":"hello world"}'Кайсы убакта суроолор берилет
VibeVoice колдогон тилдердин саны көп. Тез арада тизме иштелип чыккан программага жараша өзгөрөт; бул барактагы форма каалаган текстти кабыл алат жана программа колдогон тилдердин тизмесин көрсөтөт. Эгерде сизге конкреттүү тил керек болсо, анда /voice/ дегенди караңыз.
Көпчүлүк программалык камсыздоо стандарттуу түрдө нейтралдуу америкалык англис тилин жана англис эмес тилдер үчүн регионго ылайыктуу акцентти көрсөтөт. Premium программалык камсыздоолору акценттин варианттарын көрсөтө алышат — салыштыруу үчүн мисалды киргизиңиз.
SSML колдоосу движоктун түрүнө жараша өзгөрөт. Пауза, прозодия жана басым тегдери көпчүлүк премиум движоктарда жана кээ бир жеке уюмдарда колдонулат. Текст дайыма иштей берет — маркировка талап кылынбайт.
Транслирование TTS доступно на премиум-двигателях через /v1/tts/ API endpoint with stream=true. Веб-интерфейс на этой странице возвращает полный клип после завершения отображения.
VibeVoice биздин өз графикалык процессорлорубузда иштейт. Генерациялоо биринчи кезекте сиздин күн сайынгы акысыз топтомдоруңуздан башталат. Ачылуудан кийин, төлөнүүчү токендер $5 → 200,000 токендерден башталат. Бир символ үчүн болжол менен ~5 токен, бир клип үчүн минимум 100.
Веб-интерфейсте бир суроого 5000 символго чейин. Узак тексттер үчүн (аудиокитептер, толук бөлүктөр) /voice/audiobook/ колдонуп, автоматтык түрдө бөлүктөрдү жана бөлүктөрдү бириктирүү, же APIни цикл менен чакыруу.
Да — POST строктардын тизмесин /v1/tts/batch/'ге, же иштетүү чөйрөсүнүн интерфейсин /workspace/'де колдонуп, TTS'ди узун каналга бириктирүү (мисалы, translate → speak → stitch).
Да — текст POST /v1/tts/ менен model="VibeVoice" (же бул барактагы slug). WAV же MP3 форматында кайтарылат. Толук шилтеме + SDK фрагменттери үчүн /api/ дегенди караңыз.
Бул барак текст-в-слов, үн-клонирование эмес — үн - бул двигательдин стандарты. Сөз-клонирование (загрузка справочного аудио) - это /voice/clone/, для которого требуется либо владение правом на голос, либо письменное разрешение.
Өзүнө-өзү кызмат көрсөткөн двигатели работают на Free.ai-собственных GPU; ничто не покидает наши серверы. Премиум-двигатели передают текст нашим DPA подрядчикам. Мы не тренируем ваши вводные данные и не продаем данные.
Да — Free.ai генерацияланган аудиону коммерциялык максатта колдонууга уруксат берет. Двигательдин негизи болгон лицензия (Apache 2.0, MIT же дилердин шарттары) жогоруда жана моделдин шилтеме бетинде көрсөтүлөт; практикада бул үн жаздыруу, жарнама, подкасттар жана тиркемелерди колдонууга уруксат берет.
Да — неудачные задания автоматически возвращаются источнику (ежедневному пулу или оплаченным токенам). Если возврат не появится в тот же день, отправьте электронное письмо на адрес contact@free.ai.