API Teks ke Suara

API teks ke ucapan menghasilkan audio lisan dari teks tertulis. Ini mengaktifkan fitur narasi dan suara dalam aplikasi tanpa merekam setiap skrip secara manual. Model yang dipilih menentukan suara, bahasa, kontrol bicara, dan format output yang tersedia.

Uji skrip Anda yang sebenarnya, termasuk nama, angka, dan kalimat panjang. Bandingkan pengucapan, kealamian, kontrol ekspresif, konsistensi suara, dan biaya. Konfirmasikan bahasa dan format audio yang diperlukan, dan periksa alur permintaan yang terdokumentasi jika waktu respons penting bagi produk Anda.

Kontrol yang tersedia bervariasi berdasarkan model. Titik akhir mungkin menawarkan preset suara, kecepatan, stabilitas, instruksi gaya, atau tag audio. Gunakan bidang yang terdokumentasi dan nilai yang didukung; model tanpa kontrol kecepatan atau emosi tidak boleh diharapkan untuk menafsirkan parameter sewenang-wenang.

Cakupan bahasa dan kualitas pengucapan bergantung pada model dan suaranya. Periksa opsi bahasa yang terdokumentasi atau perilaku deteksi, lalu uji teks asli dan bagian bahasa campuran. Label multibahasa tidak menjamin kualitas yang sama untuk setiap aksen atau nama diri.

Tulis ulang bagian untuk bahasa lisan, perluas singkatan yang ambigu dan uji kalimat pendek. Gunakan kontrol pengucapan atau normalisasi yang terdokumentasi jika tersedia. Simpan versi teks yang telah diulas untuk narasi daripada berasumsi bahwa rangkaian tampilan tertulis selalu merupakan masukan ucapan terbaik.

Periksa batas teks titik akhir dan perilaku durasi yang didukung. Bagilah skrip panjang pada batas paragraf atau kalimat alami, gunakan kembali pengaturan suara, dan tinjau transisi setelah perakitan. Pertahankan bidang konteks di mana model mendukungnya untuk membantu kesinambungan di seluruh permintaan terpisah.

Tidak. Memilih suara sintetis atau preset berbeda dengan membuat tiruan dari rekaman. Kloning suara memerlukan alur kerja yang didukung secara khusus dan izin yang sesuai. Periksa titik akhir yang tersedia sebelum merancang produk dengan identitas suara khusus.

Beberapa model menyediakan stempel waktu atau kontrol beberapa speaker, sementara model lainnya tidak. Konfirmasikan bidang keluaran dan minta opsi pada halaman model. Validasi perataan pada skrip Anda sendiri sebelum menggunakan stempel waktu untuk subtitle atau penyorotan teks yang disinkronkan.

Gunakan format dan pilihan kualitas yang didokumentasikan untuk model TTS yang dipilih. Pemutaran, telepon, dan pengeditan mungkin memerlukan codec atau kecepatan sampel yang berbeda. Periksa keluaran yang telah selesai dan konversikan dalam langkah media terpisah saat aplikasi Anda memerlukan format yang tidak didukung.

Gunakan titik akhir pembuatan model yang dipilih, simpan task_id dan ambil audio yang telah selesai melalui kueri status atau callback_url yang didukung. Jangan menyimpulkan titik akhir streaming dari frasa TTS latensi rendah; periksa antarmuka PoYo persis yang didokumentasikan untuk model itu.

Penetapan harga TTS dapat menggunakan karakter, token, generasi, atau unit khusus model lainnya. Periksa bagaimana tingkat yang dipilih menghitung penggunaan dan bagaimana pengaturan opsional memengaruhinya. Perkirakan skrip lengkap dan percobaan ulang yang diharapkan, daripada membandingkan harga mentah dengan unit penagihan yang berbeda.

Buat dan tinjau pidatonya terlebih dahulu, lalu konfirmasikan bahwa format dan panjangnya memenuhi persyaratan titik akhir avatar. Berikan audio dengan potret yang sesuai dan lacak tugas avatar secara terpisah. Pertahankan pengaturan teks narasi dan suara agar revisi dapat mereproduksi penyampaian yang diinginkan.