Semua model

Inworld TTS 2

inworld/tts-2
Inworld TTSSintesis SuaraLatensi RendahMultibahasaPengarahan Bahasa AlamiEkspresif

Model text-to-speech Inworld yang paling kuat dan ekspresif. Dikembangkan dari TTS 1.5 dengan ucapan yang kaya ekspresi, latensi waktu nyata, pengarahan dengan bahasa alami (misalnya [whisper], [say excitedly]), dan dukungan multibahasa yang lebih kuat di 15 bahasa produksi plus 90+ bahasa eksperimental.

Mulai cepat

# Inspect the price — a plain request returns the 402 challenge:
curl -i https://api.glianalabs.com/v1/infer \
  -H "content-type: application/json" \
  -d '{
    "model": "inworld/tts-2",
    "text": "<text to speak>"
  }'

# Pay + run in one step with the mppx CLI (create a wallet: npx mppx account create):
npx mppx https://api.glianalabs.com/v1/infer \
  -J '{"model": "inworld/tts-2", "text": "<text to speak>"}'

Contoh

Parameter

Input
text string wajib

Teks yang disintesis menjadi ucapan. Input maksimum 2.000 karakter.

apply_text_normalization boolean opsional

Bila diaktifkan, normalisasi teks menjabarkan angka, tanggal, waktu, dan singkatan sebelum diubah menjadi suara. Mematikannya bisa mengurangi latensi.

bit_rate integer opsional

Bit per detik audio. Hanya untuk format audio terkompresi (mp3, opus). Bawaannya 128.000.

output_format string opsional bawaan: "mp3"

Format keluaran audio. Format yang didukung: mp3, opus, wav, dan flac. Bawaannya mp3.

sample_rate integer opsional

Sample rate sintesis dalam hertz. Menerima: 8000, 16000, 22050, 24000, 32000, 44100, 48000. Bawaannya 48.000.

speaking_rate number opsional

Kecepatan bicara, dalam rentang [0.5, 1.5]. Bawaannya 1.0. Kami sarankan nilai di atas 0.8 untuk menjaga kualitas.

temperature number opsional bawaan: 1

Menentukan tingkat keacakan saat sampling token audio. Bawaannya 1.0. Menerima nilai di atas 0 hingga 2. Nilai lebih tinggi = lebih ekspresif, nilai lebih rendah = lebih deterministik.

timestamp_type string opsional bawaan: "none"

Mengatur metadata timestamp yang dikembalikan bersama audio. "word" mengembalikan waktu per kata, "character" mengembalikan waktu per karakter. Catatan: menambah latensi. Bawaannya none.

voice_id string opsional bawaan: "Dennis"

ID suara yang dipakai untuk sintesis ucapan. Bawaannya Dennis.

Keluaran
audio: URL file audio yang dibuat