


xAI TTS v1 to wysokiej wierności model syntezy mowy firmy xAI, który przekształca treści pisemne w naturalny, ekspresyjny dźwięk. Obsługuje 20 języków i zapewnia precyzyjną kontrolę nad sposobem przekazywania mowy, dzięki czemu można dostosować jej brzmienie do różnych zastosowań. Uzyskaj dostęp do modelu za pośrednictwem Atlas Cloud, korzystając z jednego klucza zgodnego z OpenAI i przejrzystego rozliczenia pay-as-you-go. Zacznij tworzyć już dziś.
xAI TTS V1 został opracowany przez xAI. Atlas Cloud (prowadzona przez Atlas Cloud AI LLC) zapewnia dostęp do modelu, ale nie jest jego właścicielem. Wszystkie znaki towarowe należą do ich odpowiednich właścicieli.
Atlas Cloud zapewnia najnowsze, wiodące w branży modele kreatywne.
Poznaj możliwości zamiany tekstu na mowę i mowy na tekst w tej rodzinie modeli, przeznaczone do wielojęzycznych aplikacji głosowych.
| Modalność | Opis |
|---|---|
| xAI TTS v1 API (Text to Speech) | Konwertuj tekst na naturalną, ekspresyjną mowę z opóźnieniem poniżej sekundy w 20 językach i przy użyciu ponad 80 głosów. Precyzyjna kontrola sposobu wypowiedzi sprawia, że ten endpoint nadaje się do asystentów głosowych, lokalizowanej narracji i responsywnych doświadczeń audio. |
| xAI STT v1 API (Speech to Text) | Audio jest przekształcane w dokładny, sformatowany tekst z automatycznym wykrywaniem języka w ponad 24 językach. Korzystaj ze znaczników czasu na poziomie słów, diarizacji mówców, transkrypcji wielokanałowej i odwrotnej normalizacji tekstu na potrzeby protokołów spotkań, napisów oraz analizy rozmów. |
xAI TTS v1 łączy ekspresyjne tagi mowy, obsługę 20 języków, skrypty do 15,000 znaków, pięć kodeków wyjściowych, regulowane opóźnienie streamingu oraz przejrzyste rozliczanie na podstawie liczby znaków — wszystko za pomocą jednego klucza API Atlas Cloud.

Steruj bezpośrednio xAI TTS v1 za pomocą tagów w tekście, takich jak [pause], oraz stylów otaczających tekst, takich jak <whisper>, aby kształtować sposób wypowiedzi w skrypcie. Wskazówki wokalne są interpretowane podczas syntezy, dlatego emocje, tempo i akcentowanie nie wymagają osobnego etapu edycji. Ta kontrola sprawdza się w dialogach postaci, narracji zgodnej z identyfikacją marki, komunikatach pomocy oraz wszędzie tam, gdzie potrzebne jest ekspresyjne wyczucie czasu.

Wybieraj spośród ponad 70 identyfikatorów głosów dostępnych w bieżącym schemacie Atlas Cloud, w tym pięciu głosów wielojęzycznych zaprojektowanych z myślą o obsłudze każdego wspieranego języka. Ustaw jedną z 20 opcji językowych BCP-47 lub użyj automatycznego wykrywania, podczas gdy pozostałe głosy pozostają zoptymalizowane pod kątem swoich języków natywnych. Lokalizuj asystentów, samouczki, kampanie i komunikaty serwisowe bez przebudowywania procesu syntezy dla każdego rynku.

Pojedyncze żądanie przyjmuje skrypty o długości do 15,000 znaków i pozwala ustawić szybkość mowy w zakresie od 0.7× do 1.5×. Opcjonalna normalizacja tekstu zamienia zapisane liczby, skróty i symbole na formy przeznaczone do wypowiedzenia przed syntezą. Używaj tych ustawień, aby zachować klarowność długich narracji i dopasować tempo objaśnień, lekcji lub voiceoverów w ramach jednego spójnego procesu API.

Eksportuj dźwięk jako MP3, WAV, PCM, μ-law lub A-law, z częstotliwościami próbkowania od 8 kHz do 48 kHz. Wyjście MP3 obsługuje również przepływności od 32 kbps do 192 kbps, pozwalając równoważyć jakość i rozmiar pliku. Wybierz ustawienia studyjne do produkcji multimedialnej albo formaty telefoniczne do obsługi połączeń i wbudowanych systemów głosowych w aplikacjach korzystających z tych danych.

Trzy poziomy optymalizacji opóźnienia pozwalają xAI TTS v1 równoważyć rozmiar pierwszego fragmentu z jakością wyjściową podczas syntezy strumieniowej. Poziom 0 priorytetowo traktuje jakość audio, natomiast poziomy 1 i 2 stopniowo skracają czas do uzyskania pierwszego dźwięku, zwiększając kompromisy na granicach fragmentów. Wybierz ustawienie odpowiednie dla responsywnych agentów głosowych, odczytu na żywo i innych doświadczeń wrażliwych na opóźnienia, w których czas uruchomienia ma znaczenie.

Uruchamiaj xAI TTS v1 za pośrednictwem jednego endpointu Atlas Cloud i pojedynczego klucza API, przy standardowej stawce $0.015 za 1,000 znaków wejściowych. Znaki Unicode są liczone w spójny sposób, w tym znaki CJK, dzięki czemu szacowanie kosztów pozostaje proste niezależnie od języka. Model pay-as-you-go obsługuje zarówno prototypy, jak i obciążenia produkcyjne, a przy dużej skali utrzymuje koszty proporcjonalne do liczby żądań.
Zobacz, jak trzy modele wideo Atlas Cloud interpretują identyczne prompty pod kątem filmowych dialogów, ruchu, kompozycji, ciągłości i wizualnego opowiadania historii.
Utwórz kompletną, dopracowaną, interaktywną stronę HTML w jednym pliku, zatytułowaną „Powietrzna Dyspozytornia Balonów”. Zwróć wyłącznie końcowy dokument HTML, z całym CSS i JavaScriptem umieszczonymi inline. Strona musi otwierać się i działać bezpośrednio w nowoczesnej przeglądarce, bez procesu buildowania i bez zewnętrznych zależności, bibliotek, fontów, CDN-ów, adresów URL obrazów, API ani dodatkowych plików. Ma to być responsywna strona internetowa, a nie kompozycja o stałych proporcjach 16:9. Zaprojektuj immersyjną stację kontroli floty balonów na ogrzane powietrze o świcie, łączącą zabytkowe przyrządy lotnicze, sitodrukowe mapy topograficzne, faktury papieru, mosiężne elementy sterujące i nowoczesną symulację czasu rzeczywistego. Zastosuj starannie nałożoną paletę kobaltowego błękitu, kremowej żółci, koralowej czerwieni, ciepłej bieli, grafitu i przygaszonego mosiądzu. Ciepłe poranne światło powinno stopniowo rozjaśniać się od lewego górnego rogu. Koduj wysokość, warstwy wiatru i zagrożenie w spójny sposób za pomocą kolorów, grubości linii, wzorów i czytelnych legend. Twórz wszystkie elementy wizualne proceduralnie za pomocą HTML, CSS, Canvas i, gdy będzie to przydatne, inline SVG. Centralny obszar musi zawierać dużą, animowaną mapę przestrzeni powietrznej z widokiem z góry, pokazującą kanion, linie poziomicowe, co najmniej dwanaście indywidualnie rozpoznawalnych balonów, kilka zmiennych warstw wiatru, przemieszczający się układ burzowy cumulonimbus, strefy turbulencji oraz latającą latarnię morską jako cel. Zaimplementuj prawdziwą, lekką symulację fizyki: każdy balon musi śledzić pozycję, prędkość, wysokość, paliwo, balast, temperaturę, ryzyko i historię trasy; kierunek i siła wiatru muszą zmieniać się zależnie od wysokości oraz ewoluować w czasie; palniki zwiększają siłę nośną, zużywając paliwo; uwalnianie balastu podnosi balon, ale trwale zmniejsza ilość balastu; chłodzenie powoduje opadanie; ściany kanionu i komórki burzowe muszą tworzyć realne zagrożenia. Balony powinny poruszać się nieprzerwanie i pozostawiać widoczne, stopniowo zanikające ślady lotu. Celem jest bezpieczne doprowadzenie całej floty do latarni, zanim skończą się zasoby lub czas. Dodaj wyraźny odliczany start o świcie oraz elementy sterujące Start, Pauza, Wznów, Reset i prędkość symulacji. Przed startem balony powinny delikatnie kołysać się, a przyrządy lekko drgać. Po starcie animuj cząsteczki wiatru, ruch balonów, rozwój burzy, rysowanie śladów, pulsowanie ostrzeżeń i zmieniające się oświetlenie. Użytkownicy muszą móc przeciągać węzły kierunku wiatru bezpośrednio na mapie, aby zmieniać lokalny przepływ powietrza w czasie rzeczywistym, z natychmiastową informacją wizualną i fizyczną. Kliknięcie balonu musi go zaznaczyć, wyróżnić jego trasę, wyświetlić jego dane w całym interfejsie i otworzyć kompaktowy inspektor szczegółów. Zapewnij dotykowe elementy sterujące palnikiem i balastem dla wybranego balonu, w tym działanie palnika po naciśnięciu i przytrzymaniu, wyraźnie odczuwalne w skutkach uwolnienie balastu, skróty klawiaturowe i przyciski dostępne dla wszystkich użytkowników. Zezwól na wybór wielu balonów lub wydawanie poleceń całej flocie w ramach zaawansowanej rozgrywki. Umieść pionowy panel boczny z kartami misji przedstawiającymi cele floty, aktywne alerty, komunikaty pogodowe i podsumowania stanu poszczególnych balonów. Karty misji powinny aktualizować się na żywo i obsługiwać filtrowanie według stanów: bezpieczny, ostrzeżenie, krytyczny, dotarł i utracony. Na dole umieść gęsty, ale czytelny pasek telemetrii z płynnie przewijanymi wykresami Canvas dla wysokości, prędkości pionowej, paliwa, odległości od burzy i postępu floty. Najechanie na wykresy lub ich przewijanie powinno ujawniać zsynchronizowane wartości i wyróżniać odpowiadający moment na śladzie wybranego balonu. Dodaj zabytkowe wskaźniki, obracające się wskazówki, odczyty numeryczne, lampki ostrzegawcze, opieczętowane etykiety, współrzędne mapy, pasma wysokości, kompaktową minimapę lub widok ogólny oraz czytelną legendę. Zastosuj responsywne zachowanie układu zamiast jedynie zmniejszać kompozycję desktopową. Na szerokich ekranach jednocześnie pokazuj panel boczny, centralną mapę, inspektor i telemetrię. Na tabletach składaj dodatkowe karty w zakładki lub szuflady. Na urządzeniach mobilnych nadaj priorytet mapie i elementom sterującym wybranym balonem, zapewnij duże pola dotykowe, układaj panele telemetrii jeden pod drugim i zachowaj interakcje przeciągania. Zadbaj o płynne wypełnianie obszaru ekranu przy różnych proporcjach oraz o obsługę myszy, dotyku i klawiatury. Spraw, aby symulacja była kompletna: uwzględnij warunki sukcesu i porażki, animowane dokowanie po dotarciu do latającej latarni, informacje zwrotne o kolizjach lub utracie balonu w burzy, kontekstowe podpowiedzi, wskazówki przy pierwszym użyciu, stany puste i wyłączone, potwierdzenie nieodwracalnego uwolnienia balastu, proces ponownego uruchomienia, komunikaty o stanie oraz końcowy raport misji ze statystykami, takimi jak liczba przybyłych i utraconych balonów, efektywność paliwowa, średnie ryzyko i czas trwania. Ustal stan początkowy tak, aby scenariusz od razu był interesujący, ale nadal możliwy do wygrania. Użyj requestAnimationFrame do płynnej animacji oraz Canvas do mapy i telemetrii tam, gdzie będzie to odpowiednie. Zadbaj o wydajne renderowanie, użyj devicePixelRatio dla wyraźnych canvasów, prawidłowo obsługuj zdarzenia zmiany rozmiaru i unikaj błędów w konsoli. Priorytetem niech będą wyjątkowa hierarchia wizualna, dopracowane mikrointerakcje, przekonujące zachowanie przyrządów, spójny stan między wszystkimi panelami i szczegółowe wykończenie. Nie twórz statycznego mockupu. Nie używaj prostokątów zastępczych, ogólnych gradientów jako całej warstwy projektu, pozornie działających elementów sterujących, zewnętrznych zasobów, zewnętrznych fontów, okien dialogowych alert(), nadmiaru tekstu objaśniającego, poziomego przepełnienia, małych i nieczytelnych etykiet ani interakcji działających wyłącznie za pomocą myszy. Nie wymuszaj płótna 16:9 ani widoku o stałym rozmiarze. Każdy główny widoczny element sterujący musi działać, a wszystkie wyświetlane dane muszą wynikać z aktualnego stanu symulacji.
Generated with Grok Imagine Video v1.5 Text-to-Video on Atlas Cloud
Generated with Seedance 2.0 Text-to-Video on Atlas Cloud
Generated with Grok Imagine Video v1.5 Developer Text-to-Video on Atlas Cloud
Utwórz kompletną, dopracowaną, interaktywną stronę HTML w jednym pliku, zatytułowaną „Zautomatyzowana Piekarnia o Północy”, używając wyłącznie inline HTML, CSS i waniliowego JavaScriptu. Zwróć cały działający dokument HTML i nic więcej. Nie używaj zewnętrznych bibliotek, frameworków, CDN-ów, fontów, obrazów, plików SVG, plików audio, API ani żądań sieciowych; wszystkie elementy wizualne, ikony, informacje zwrotne przypominające dźwięk, efekty i logika gry muszą być generowane lokalnie za pomocą HTML/CSS/JS. Zbuduj w pełni grywalną grę o planowaniu zamówień, rozgrywającą się w zautomatyzowanej piekarni o północy. Kawałki ciasta muszą nieprzerwanie wjeżdżać do izometrycznego systemu przenośników, z wyraźnie rozróżnialnymi kształtami, recepturami, wymaganymi temperaturami pieczenia, czasami pieczenia, limitami świeżości i wartościami punktowymi. Zorganizuj interfejs wokół dużego centralnego pieca przemysłowego, zapętlonej sieci przenośników z przełączanymi torami oraz bocznych paneli oprzyrządowania czasu rzeczywistego. Gracze muszą móc przeciągać i zmieniać kolejność kawałków ciasta w kolejce pieca, przeciągać je między kompatybilnymi miejscami, gdy ma to zastosowanie, klikać przełączniki torów, aby przekierowywać nadchodzące ciasto, klikać elementy sterujące pieca w celu regulacji temperatury lub aktywacji systemów oraz korzystać z jasno opisanych skrótów klawiaturowych do tymczasowego przyspieszania przenośnika i awaryjnego chłodzenia. Wszystkie interakcje za pomocą myszy, dotyku, kliknięć, przeciągania i klawiatury muszą reagować natychmiast i w widoczny sposób. Zaimplementuj prawdziwą rozgrywkę opartą na stanie, a nie statyczny mockup. Uwzględnij wiele jednoczesnych zamówień na ciasto, ruch przenośników, routing torów, walidację kolizji i przyciągania podczas przeciągania, limity pojemności, timery poszczególnych elementów, bezwładność temperatury pieca, postęp pieczenia, stany niedopieczone/doskonale wypieczone/przypalone, wynik, mnożnik kombinacji, życia lub reputację, rosnący poziom trudności, pauzę/wznowienie, restart oraz zwięzły interaktywny samouczek lub nakładkę pomocy. Receptury powinny tworzyć znaczące konflikty harmonogramu: różne produkty powinny wymagać różnych temperatur i czasów, zachęcając do zmiany kolejności w kolejce oraz strategicznego chłodzenia lub przyspieszania. Idealnie wypieczony chleb powinien wyjeżdżać złocisty, uruchamiać satysfakcjonujący wybuch cząsteczek, rozświetlać witrynę piekarni, zwiększać kombinację i aktualizować dziennik zamówień. Błędy powinny powodować pojawienie się widocznie zwęglonego chleba, unoszącego się dymu i żaru, miganie świateł ostrzegawczych, drganie przyrządów, utratę kombinacji i wyraźną informację zwrotną bez dźwięku. Zapewnij opcjonalny przełącznik dźwięku, ale po jego włączeniu symuluj informacje dźwiękowe wizualnie oraz za pomocą Web Audio generowanego w całości w JavaScripcie; gra musi pozostać w pełni zrozumiała po wyciszeniu. Zastosuj oryginalny, spójny język wizualny łączący szczegółową izometryczną grafikę pikselową z precyzyjnym oprzyrządowaniem przemysłowym. Zestaw ciepłe bursztynowe światło pieca, miedziane akcenty, świecące pieczywo i miękkie kremowe etykiety z głębokim granatowym otoczeniem północy. Buduj głębię za pomocą maszyn rysowanych w CSS, podłóg z płytek, rur, otworów wentylacyjnych, cieni, refleksów, schodkowanych krawędzi pikselowych, subtelnych linii skanowania, lampek kontrolnych, wyświetlaczy segmentowych, wskaźników, pasów ostrzegawczych i animowanych detali mechanicznych. Spraw, aby centralny piec wydawał się żywy dzięki migoczącej komorze, drzwiczkom, pokrętłu temperatury, efektowi falowania gorącego powietrza i kontrolkom stanu. Animuj taśmy przenośników, koła zębate, ruch ciasta, dym, iskry, parę chłodzącą, oświetlenie witryny, informacje zwrotne o kombinacji i przejścia paneli za pomocą wydajnego CSS i JavaScriptu. Zachowaj czytelność i wyraźną hierarchię mimo gęstej estetyki sterowni. Uwzględnij bogatą, starannie ułożoną zawartość: grywalną przestrzeń piekarni, kolejkę nadchodzących zamówień, kolejkę pieca, ściągawkę receptur, bieżący wynik i kombinację, przyrządy temperatury i przepustowości, dziennik zdarzeń, legendę sterowania, powiadomienia o stanie oraz modalne podsumowanie końca gry lub zmiany z dokładnymi wynikami i możliwością ponownej rozgrywki. Dodaj dostępne etykiety, widoczne stany fokusu, obsługę klawiatury, obsługę ograniczonego ruchu i oznaczenia stanu niezależne od koloru. Zaprojektuj responsywny układ dla przeglądarek desktopowych, tabletów i urządzeń mobilnych, inteligentnie zmieniając rozmieszczenie paneli i skalując piekarnię przy zachowaniu użyteczności. To jest strona internetowa, więc nie wymuszaj płótna 16:9 ani sztywnych wymiarów widoku; użyj płynnego, responsywnego układu, który szczególnie dobrze wygląda na typowych szerokich ekranach, a jednocześnie elegancko dopasowuje się do ekranów pionowych. Priorytetem niech będą kompletność, wyraziste odczucia z gry, niezawodne zarządzanie stanem, precyzyjne odmierzanie czasu, solidna obsługa przeciągania, jasne zasady kolizji, dopracowane przejścia i czytelna informacja zwrotna. Strona musi działać natychmiast po zapisaniu jako pojedynczy plik .html i otwarciu lokalnie. Unikaj: statycznej grafiki koncepcyjnej, niedziałającego panelu, zastępczych elementów sterujących, pozorowanych interakcji przeciągania, zepsutych timerów, nakładającego się tekstu, nieczytelnych małych etykiet, nadmiaru objaśnień, ogólnych płaskich kart, fotorealistycznych obrazów, zewnętrznych zasobów, zewnętrznych zależności, osadzonych obrazów base64, dostępu do sieci, etapów buildowania, wielu plików, stałych wymiarów 16:9, obowiązkowego dźwięku, automatycznie odtwarzanego audio, alertów przeglądarki, informacji zwrotnej widocznej wyłącznie w konsoli i niedokończonych sekcji TODO.
Generated with Grok Imagine Video v1.5 Text-to-Video on Atlas Cloud
Generated with Kling V3.0 Turbo Text-to-Video on Atlas Cloud
Generated with Grok Imagine Video v1.5 Developer Text-to-Video on Atlas Cloud
Od responsywnych agentów głosowych po wielojęzyczną narrację — xAI TTS v1 zamienia tekst produktowy w naturalną, ekspresyjną mowę na potrzeby obsługi klienta, opowiadania historii, gier, dostępności i handlu.
xAI TTS v1 zamienia tekst w naturalną mowę z opóźnieniem poniżej jednej sekundy, umożliwiając tworzenie responsywnych agentów konwersacyjnych. Zespoły produktowe mogą wykorzystywać go w wirtualnych asystentach, procesach obsługi klienta i interfejsach głosowych.
Docieraj do użytkowników w 20 językach dzięki naturalnej mowie i katalogowi ponad 80 głosów. Zlokalizowane aplikacje mogą prezentować wdrożenie, aktualizacje i wskazówki głosem dopasowanym do każdej grupy odbiorców.
Kształtuj narrację dzięki precyzyjnej kontroli sposobu wypowiedzi i ekspresyjnej mowie, która oddaje zamierzony nastrój każdej sceny. Wydawcy, podcasterzy i platformy edukacyjne mogą tworzyć wyraziste historie, lekcje i długie treści do słuchania.
Nadaj postaciom z gier charakterystyczne głosy z biblioteki ponad 80 opcji, a następnie dostosuj sposób ich wypowiedzi do każdej chwili. Studia mogą udźwiękawiać dialogi, samouczki, kompanów i dynamiczne sekwencje narracyjne.
Zamieniaj treści pisane na naturalną mowę dla osób, które preferują dostęp audio lub go potrzebują. Zespoły edukacyjne, wydawcy i projektanci produktów mogą na dużą skalę dodawać czytane artykuły, lekcje, instrukcje i głosowe wskazówki dotyczące interfejsu.
Wykorzystuj ekspresyjną mowę i precyzyjną kontrolę sposobu wypowiedzi do prezentowania produktów, promocji i aktualizacji zamówień spójnym głosem. Zespoły e-commerce mogą tworzyć głosowe punkty kontaktu dla asystentów zakupowych i komunikacji z klientami.
Porównaj xAI TTS v1 z wiodącymi modelami syntezy mowy dostępnymi w Atlas Cloud pod kątem obsługi języków, limitu znaków w żądaniu, kontroli sposobu mówienia i standardowych cen.
| Model | Języki | Maksymalna liczba znaków w żądaniu | Kontrola sposobu mówienia | Standardowa cena |
|---|---|---|---|---|
| xAI TTS v1 | 20 | 15,000 znaków | Tagi mowy i sterowanie szybkością | $0.015/1K znaków |
| MiniMax Speech 2.6 Turbo | 40+ | 10,000 znaków | Sterowanie emocjami, szybkością i wysokością dźwięku | $0.06/1K znaków |
| ElevenLabs v3 Text-to-Speech | 70+ | 5,000 znaków | Tagi audio i kontrola stabilności | $0.10/1K znaków |
Zacznij w kilka minut — wykonaj te proste kroki, aby zintegrować i wdrożyć modele za pośrednictwem platformy Atlas Cloud.
Zarejestruj się na atlascloud.ai i ukończ weryfikację. Nowi użytkownicy otrzymują bezpłatne kredyty do eksploracji platformy i testowania modeli.
Połączenie zaawansowanych modeli xAI TTS V1 z platformą GPU-akcelerowaną Atlas Cloud zapewnia niezrównaną wydajność, skalowalność i doświadczenie deweloperskie.
Niska Latencja:
Inferencja zoptymalizowana pod GPU dla rozumowania w czasie rzeczywistym.
Zunifikowane API:
Uruchamiaj xAI TTS V1, GPT, Gemini i DeepSeek za pomocą jednej integracji.
Przejrzysta Wycena:
Przewidywalne rozliczenia za token z opcjami serverless.
Doświadczenie Dewelopera:
SDK, analityka, narzędzia dostrajania i szablony.
Niezawodność:
99,99% dostępności, RBAC i logowanie gotowe na zgodność.
Bezpieczeństwo i Zgodność:
SOC 2 Type II, zgodność z HIPAA, suwerenność danych w USA.
xAI TTS v1 to opracowany przez xAI model syntezy mowy o wysokiej wierności, który przekształca tekst w naturalny, ekspresyjny dźwięk. Atlas Cloud udostępnia go pod identyfikatorem modelu xai/tts-v1.
Możesz używać go do tworzenia głosów dla agentów konwersacyjnych, narracji, treści edukacyjnych, narzędzi ułatwień dostępu, zlokalizowanych materiałów oraz zautomatyzowanych doświadczeń obsługi klienta. Dostępne elementy sterowania ekspresją sprawdzają się również w dialogach postaci i dźwięku na podstawie scenariusza.
Utwórz klucz API Atlas Cloud i wyślij żądanie POST do wspólnego endpointu generowania dźwięku, podając xai/tts-v1 jako model. Dołącz tekst oraz wymaganą wartość języka, używając auto, jeśli preferowane jest automatyczne wykrywanie języka.
Atlas Cloud obsługuje 20 języków i ponad 80 głosów. Wybierz język jawnie, aby uzyskać przewidywalną wymowę, lub użyj automatycznego wykrywania, gdy język danych wejściowych może się zmieniać.
Umieszczaj w tekście obsługiwane tagi mowy inline i opakowujące, aby dodawać efekty takie jak pauzy, śmiech, szept lub wolniejsze tempo wypowiedzi. Możesz także dostosować prędkość mówienia w zakresie od 0.7 do 1.5 oraz włączyć normalizację tekstu dla liczb, skrótów i symboli.
Wybierz format MP3, WAV, PCM, μ-law lub A-law zgodnie z wymaganiami odtwarzania i przetwarzania. Obsługiwane częstotliwości próbkowania mieszczą się w zakresie od 8 kHz do 48 kHz, a żądania MP3 mogą korzystać z przepływności od 32 do 192 kbps.
Tak. Model został zaprojektowany z myślą o syntezie trwającej krócej niż sekundę i udostępnia trzy poziomy optymalizacji opóźnienia przesyłania strumieniowego — od maksymalnej jakości dźwięku po mniejszy pierwszy fragment dźwięku kosztem jakości.
Atlas Cloud pobiera standardową opłatę w wysokości $0.015 za 1,000 znaków wejściowych w modelu rozliczenia za użycie. Zliczanie znaków wykorzystuje znaki Unicode, dlatego jeden znak CJK jest liczony tak samo jak jeden znak alfabetu łacińskiego.
Najpierw upewnij się, że żądanie używa prawidłowego klucza API Atlas Cloud, identyfikatora modelu xai/tts-v1 oraz obsługiwanej wartości języka. Następnie sprawdź, czy tekst mieści się w limicie Atlas Cloud wynoszącym 15,000 znaków, oraz zweryfikuj, czy wartości głosu, kodeka, częstotliwości próbkowania, przepływności i prędkości odpowiadają udokumentowanemu schematowi.
Poradniki, samouczki i nowości produktowe, dzięki którym w pełni wykorzystasz Atlas Cloud.