StepAudio 3 TTS APIの使い方

簡単に言うと: StepAudio 3 TTS はStepFunの旗艦text-to-speechモデルであり、標準のOpenAIスタイルの音声エンドポイントを通じてEmpirioLabsで利用可能です。最大1,000文字を送信 ポスト/v1/audio/speech お問い合わせ モデル:「stepaudio-3-tts」12のシステム音声の中から1つを選び、通常の英語で望む表現を 指導お問い合わせ.

あなたの最初のお願い

curl https://api.empiriolabs.ai/v1/audio/speech \ -h 「認可:ベアラー $EMPIRIOLABS_API_KEY」\ -H 「コンテンツタイプ:application/json」 \ -d '{ 「モデル」:「stepaudio-3-tts」, 「入力」:「お電話が接続されています。」「お待たせしました。」, 「voice」:「lively-girl」}'

応答は生成された音声に対して署名付きURLを含みます。デフォルトフォーマットはmp3で24,000 Hzです。

声を選ぶ

12種類のシステムボイスがモデルに付属しています。7つはStepAudio 2.5から引き継がれ、5つは新たに導入されました: アルフィー, イーサン, マシュー, 清順生、および 天潤水生お問い合わせ.

全リストは モデル参照.同じフィールドでカスタムクローンされた音声IDも受け入れられます。

出産の指示

あらかじめ設定された感情タグの代わりに、あなたが書きたいものを書くとモデルがそれを実行します。 指導 この文章全体のトーンを設定し、最大500文字まで対応可能です。

{ 「model」:「stepaudio-3-tts」 「input」:「ログで何かを見つけた。」「voice」:「magnetic-voiced-male」 「instruction」:「ゆっくりと、意図的に、トレーラーの声のように。間を落とす。」 }

単語やフレーズの場合は、内側に方向を括弧内に書いてください 入力 代わりに。

言語

セット 言語 から en, ZH, はい, コ, FR、または es.日本語、韓国語、フランス語、スペイン語はプレビュー段階です。それを省くとモデルは英語と表示されます。

出力フォーマット

選べ mp3, WAV, FLAC, 作品、または PCM お問い合わせ response_format、および集合 sample_rate 8000、16000、22050、または24000まで。

人を悩ませる三つの要素

1. 括弧は言葉ではなく指示です。 中にあるものは何でも () において 入力 これは伝え合図として読み、決して話されることはありません。括弧付きの脇書きが必要な場合は、括弧なしで書き直してください。
2. このモデルには48,000 Hzは利用できません。 一般的なtext-to-speechドキュメントには登場しますが、StepAudio 3のTTSでは拒否されています。最高音質を得るには24,000 Hzを維持してください。
3. 指導 および voice_label これらは互換性がありません。 StepAudio 3 TTSテイクス 指導 そして拒否 voice_label.ステップTTS 2はその逆です。リクエストをポートする際には、そのフィールドを交換します。

価格設定と制限

請求は入力文字単位で、利用量に応じて支払い、サブスクリプションや最低料金はありません。中国語1文字が1文字、英語の文字2文字が1文字としてカウントされます。ライブ料金は モデルページ そして、 プライシングページ.リクエストは1,000文字までに制限があるので、長いスクリプトは文サイズの通話に分割し、音声に自分で加わってください。

コードを書かずに試してみてください

アクセス StepAudio 3のTTSを playground 音声と指示をオーディションし、その設定をリクエストにコピーしてください。完全なパラメータ参照: docs.empiriolabs.ai/models/stepaudio-3-ttsお問い合わせ.