Fíor- Am TTS

Téacs-go-urlabhra a shruthú le latency fo-dara chéad-fuaime. Tógtha do ghníomhairí gutha agus d'iarratais bheo.

Táimid Díol do ghuth

Téacs

Sruthú
0/5,000 carachtair ~0.3s an chéad fhuaim

& Socruithe Gutha

Samhlacha atá in ann sruthú amháin.

Moill Beo

Cliceáil Sruth chun latency an chéad- fuaime a thomhas

Aschur

Seinnfear píosaí fuaime anseo de réir mar a sruthán siad isteach.

0:00
An Chéad Bhratach:
Iomlán na bpíosaí: 0
Am Iomlán:

Conas a Oibríonn Streaming TTS

1. Seol Téacs

Téacs POST chuig / v1 / tts / sruth / mar iarratas ar Imeachtaí Freastalaí-Seolta.

2. Samhail Gineann

Kokoro chunks an téacs agus a ghiniúint sampla fuaime-de-samhail ar an GPU.

3. Sruthán Chunks

Tagann píosaí WAV Base64-ionchódaithe thar SSE agus tosaíonn siad ag imirt láithreach.

4. Éist Beo

Cloiseann an t-úsáideoir tús na habairte i níos lú ná an dara, fiú ar ionchuir fhada.

Cásanna Úsáide

Sa chás go n-osclaíonn latency fo-soicind eispéiris nua.

Gníomhairí Gutha

Bots comhrá a fhreagairt chomh tapa agus a bheadh duine.

Dubhchúrsáil Beo

Aistrigh agus dub sruth i bhfíor-am gan sosanna maolánach.

Cluichí

Dialóg NPC a imoibríonn le roghanna imreoir láithreach, gan aon VO réamh-rindreáilte.

Inrochtaineacht

Léitheoirí scáileáin agus uirlisí cúnta a thosaíonn ag labhairt nuair a chliceálann úsáideoir.

Pleananna TTS Fíor- Ama

Tosaigh saor in aisce, uasghrádú nuair is gá duit níos mó

Saor
  • Kokoro sruthú (saor in aisce samhail)
  • 500 carachtar in aghaidh na giniúna
  • 10 sruthanna saor in aisce / lá in aghaidh an úsáideora gan ainm
  • Fo- shoicind chéad- fuaime latency
  • Sruthú SSE thar HTTPS
An ceann is coitianta
Cuntas Saor in Aisce
  • 15,000 carachtar ag an síniú
  • 5, 000 carachtar in aghaidh an tsrutha
  • Eochair API le haghaidh rochtain ríomhchláraithe
  • Stair Ghiniúna
  • Gan uasteorainn laethúil srutha
Cláraigh saor in aisce
Pro
  • MOSS- TTS- Realtime (nuair atá sé beo)
  • 100, 000 carachtar in aghaidh an tsrutha
  • Ciú Tosaíochta GPU
  • Gníomhaire guth + comhtháthú Twilio
  • Teorainneacha ráta níos airde
Uasghrádú

Ceisteanna a chuirtear go minic

Sruthán téacs-go-urlabhra fíor-ama píosaí fuaime de réir mar a ghintear iad, in ionad fanacht leis an abairt iomlán a chríochnú.Tagann an chéad sampla fuaime i níos lú ná soicind amháin, rud a chiallaíonn go bhfuil sé oiriúnach do ghníomhairí guth beo, dubáil, agus iarratais idirghníomhacha ina bhfuil ábhar latency.

Gineann TTS rialta an comhad fuaime iomlán sula bhfilleann sé ar rud ar bith — fanann tú, ansin cloiseann tú an abairt iomlán ag an am céanna. Úsáideann TTS fíor- ama Imeachtaí Seolta ó Fhreastalaí (SSE) chun píosaí fuaime gearra a shruthlú de réir mar a tháirgeann an tsamhail iad. Cloiseann an t- úsáideoir tús na habairte beagnach láithreach, fiú ar ionchuir fhada.

Is é Kokoro an t-inneall réamhshocraithe — gineann sé fuaime thart ar 100x níos tapúla ná fíor-am ar GPU nua-aimseartha. Táimid ag comhtháthú MOSS-TTS-Realtime mar rogha malartach ar ardchaighdeán; beidh úsáideoirí in ann a roghnú in aghaidh an iarratais nuair a bheidh sé ar fáil.

Is é 300-800ms an chliseadh tipiciúil ar an gcéad fhuaim ar Kokoro thar nasc poiblí. Is é an turas timpeall líonra is mó ina dhiaidh sin. Taispeánann an leathanach an t-am beo tomhaiste go dtí an chéad fhuaim sa chomhéadan úsáideora ionas gur féidir leat a fheiceáil go díreach cé chomh fada agus a thóg gach iarratas.

Gníomhairí gutha a fhreagraíonn go comhráiteach, dubáil beo do na meáin sruthú, NPCanna cluiche idirghníomhacha, léitheoirí inrochtaineachta a thosaíonn ag labhairt an nóiméad a chliceálann úsáideoir, agus aon iarratas ina mbeadh dhá nó trí soicind ag fanacht le haghaidh fuaime ag mothú mall.

Tá. POST chuig https://api.tts.ai/v1/tts/stream/ leis an gcorp céanna leis an gcríochphointe rialta /v1/tts/. Is é an freagra sruth SSE de bhrúcaí WAV base64-ionchódaithe. Tacaíonn an ciseal saor in aisce le 10 nglúin in aghaidh an lae in aghaidh an úsáideora anaithnid; faigheann úsáideoirí fíordheimhnithe an liúntas carachtar iomlán in aghaidh an chuntais.

Úsáideann Kokoro guthanna réamh- oilte agus ní chlónálann sé. Tacaíonn MOSS- TTS- Realtime (nuair atá sé comhtháite) le clónáil gutha gan aon lámhaigh ó thagairt 3- shoicind. Chun clónáil iomlán gutha a dhéanamh inniu, bain úsáid as an leathanach /text- to- speech/ le Chatterbox nó GPT- SoVITS — níl siad sin in ann sruthú ach táirgeann siad guthanna saincheaptha.

An costas céanna carachtar leis an gcríochphointe TTS rialta. Is saor- shraith é Kokoro (costas 1x). Rithfidh MOSS- TTS- Realtime ag an gcaighdeán- shraith (costas 2x) nuair atá sé cumasaithe. Ní chuireann an prótacal sruthú aon fhormhuirear praghsála leis.

Is ea - péire an pointe deiridh sruthú le webhook guth Twilio chun beatha fuaime beo isteach i glaoch teileafóin. ár n-ardán gníomhaire guth a dhéanann sé seo cheana féin le haghaidh IVR agus glaonna amach. Is é an latency deireadh-go-deireadh ar ghlao teileafóin de ghnáth 1-2 soicind lena n-áirítear STT agus freagra LLM.

Má thiteann píosa de do líonra agus é ar idirthuras, scipeálfaidh an t- imreoir sruthú ar aghaidh seachas stail. I gcás feidhmchlár nach féidir leo bearnaí a fhulaingt, téigh ar ais go dtí an gnáthchríochphointe neamhsruthaithe, nó cuir 500ms fuaime i maolán sula dtosaíonn tú ag seinm.
5.0/5 (1)

Cad is féidir linn a fheabhsú? Cabhraíonn d’aiseolas linn fadhbanna a réiteach.

Sruth Urlabhra i bhFíor-Am

Saor in aisce don chéad 10 nglúin in aghaidh an lae.Cláraigh chun an liúntas carachtar iomlán agus rochtain API a dhíghlasáil.