TTS 2 FlashはEmpirioLabsで利用可能です。 InworldはRealtime TTS-2ファミリーを一般向けに出荷し、Flashはその中でもレイテンシ重視の製品です。200+言語とロケーションで単一の音声アイデンティティを保持し、合成中に音声をストリーミングし、単語ごとまたは文字単位のタイムスタンプを返すことができます。同じファミリーの中で品質最優先のRealtime TTS-2もプラットフォーム上で稼働中です。
TTS 2 Flashがサポートしていること
Flashはテキストを取り込み、音声を返します。1つの音声識別で200+言語と地域をカバーするため、言語を切り替えても同じ音声IDがそのまま残ります。世代の途中で切り替えても同じです。出力はMP3、WAV、OGG、FLAC、PCM、A-LAW、またはμ-lawとして8kHzから48kHzのサンプルレートで返ってきます。
音声ドロップダウンには20の手選みプリセットが表示されます。これは便利なリストであり、カタログではありません。地域やクローン音声を含む他の音声IDを通すことができます voice_id、そしてボイスエンドポイントに連絡して利用可能なものを列挙します。
TTS 2をフラッシュと呼ぶ方法
OpenAI互換の音声エンドポイントを使い、 モデル から tts-2-flash:
curl https://api.empiriolabs.ai/v1/audio/speech \ -h 'Authorization: Bearer $EMPIRIOLABS_API_KEY' \ -H 'Content-Type: application/json' \ -d '{ "model": "tts-2-flash", "input": "こんにちは、お電話ありがとうございます。"今日はどうされましたか?", "voice": "Ashley", "language": "en-US", "output_format": "MP3" }'レスポンスには生成された音声の署名付きURLと、請求された文字数を含む使用ブロックが記載されています。請求は入力の文字単位で計算されるため、コストは返ってくる音声の長さではなく送信したテキストを追跡します。
ストリーミング
音声エージェントや、まだ音声が生成されている間に再生するものについては、同じエンドポイントのストリーミングバリアントに投稿してください。サーバー送信イベントを返します: audio.chunk イベントでは、合成されたBase64オーディオを搭載、オプション audio.timestamps 単語やキャラクターのタイミングを尋ねたイベントと、最終的な対応 audio.done(音声終了) リプレイURLと使用ブロックを組み合わせたイベント。セット timestamp_type から 言葉 または キャラクター 運転中に字幕やハイライトUIを表示するとき。
TTS 2とTTS 2フラッシュのどちらを選ぶか
両モデルは同じリクエスト形状、同じボイス、同じ言語カバレッジを共有しているため、切り替えは一語で モデル.ピッキング時に重要な違いは配送管理です。
リアルタイムTTS-2は平易な英語の音声指示を受け付けます。つまり、括弧付きの指示でテキストを開くと、モデルはその指示を声に出して読む代わりにその行を実行します。短い指示と自由形式のブリーフの両方を理解します。
{ 「model」: 「tts-2」, 「input」: 「[温かく話す、まるで古い友人に挨拶するかのように] おはようございます、また会えて嬉しいです。」, 「voice」:「アシュリー」 }TTS 2のFlashはその方向を適用しません。同じ括弧付きのテキストをFlashに送っても無視されるので、パフォーマンスが重要な場合はTTS 2、遅延や音量が重要な場合はFlashを選びましょう。Flashでは、 速度 および 温度 代わりにコントロールを。
最初の電話の前に知っておくべきポイント
- 音声操作はTTS 2のみです。 Flashは括弧付きの指示を無視するのではなく静かに無視するため、TTS 2用に書かれたプロンプトはFlash上で実行され、単に無指向のまま戻ってきます。
- 方向性テキストは請求されます。 括弧付きの指示は、口に出さなくてもリクエストの文字数にカウントされるため、ブリーフは短くまとめましょう。
- リクエストあたりの制限は2,000文字です。 クライアント側の文の境界で長文のコピーをまとめて音声を連結し、一つの長いブロックを送るのではなく、
- テキスト正規化はデフォルトでオンになっています。 数字、日付、略語が音声形式に拡張されるため、請求文字数が送信した文字列の長さを超えることもあります。すでにテキストを正規化している場合はオフにしてください。
スタート
TTS 2 Flashを試してみてください プレイグラウンド, 読みます API参照または現在のレートを参照 モデルページお問い合わせ.
