Ingyen érhetők a Fish Audio hangmodelljei a Vercel AI Gatewayben
Négy Fish Audio-modell vált elérhetővé a Vercel AI Gatewayben, a szolgáltatás pedig szeptember 18-ig díjmentesen kínálja őket. A csomag beszédszintézisre és hanganyagok átírására használható modelleket is tartalmaz.
- Négy Fish Audio-modell érhető el a Vercel AI Gatewayben.
- A modellek szeptember 18-ig díjmentesen használhatók.
- A kínálat beszédszintézist és hanganyagok átírását is támogatja.
- A -free utótaggal elkerülhető az ajánlat utáni automatikus számlázás.
- A modellek a Vercel böngészős felületén kódírás nélkül is kipróbálhatók.
Négy modell érkezett a platformra
A Vercel augusztus 19-i bejelentése szerint a Fish Audio hangmodelljei mostantól használhatók az AI Gatewayben. Az indulás részeként a szolgáltatás mind a négy Fish Audio-modellt ingyenessé teszi szeptember 18-ig.
A kínálat legújabb szövegfelolvasó modellje a fish-audio/s2.1-pro, amelyet alacsony késleltetésű közvetítésre terveztek, és egy referenciafelvétel alapján képes hangot klónozni. A fish-audio/transcribe-1 átírásra szolgál. A szöveg mellett a hanganyag hosszát és időbélyeggel ellátott szakaszokat is visszaad, egészen az egyes szavak szintjéig.
A fish-audio/s2-pro körülbelül nyolcvan nyelvet támogat. A modell a szövegbe írt, egyszerű nyelvű utasításokat, úgynevezett inline tageket is kezeli, így egyetlen szó vagy kifejezés megszólaltatása külön is módosítható, anélkül, hogy az egész kéréshez ugyanazt a stílust kellene beállítani. A fish-audio/s1 olyan szöveget olvas fel, amely érzelmekre, hangszínre és hangeffektekre vonatkozó jelöléseket tartalmaz.
A díjmentes időszak után automatikus számlázás indulhat
A Vercel által megadott szokásos díj a szövegfelolvasásnál 15 dollár egymillió karakterenként, a beszédfelismerésnél pedig 0,36 dollár hangóránként. A szeptember 18-ig tartó bevezető ajánlat alatt mindkét képesség ingyenes.
Az ajánlat használatakor fontos különbség van a modellnevek között. A szokásos modellnév, például a fish-audio/s2.1-pro, az ajánlati időszak lezárulta után automatikusan számlázni kezd. Aki ezt el akarja kerülni, a modellnévhez hozzáadhatja a -free utótagot, például fish-audio/s2.1-pro-free. Ez a változat az ajánlat végén leállítja a kiszolgálást, így nem folytatódik a használat fizetős formában.
Az AI SDK-n keresztül is használhatók
A beszédszintézis és az átírás a jelenlegi AI SDK 7 kiadásban érhető el. A Vercel útmutatója szerint a használathoz az ai és az @ai-sdk/gateway legfrissebb csomagját kell telepíteni.
Szövegfelolvasásnál a fejlesztők a generateSpeech függvénnyel generálhatnak hangot, majd az eredményt például MP3-fájlként menthetik. Az átíráshoz a transcribe használható, amely hangpuffert, base64-kódolt szöveget vagy URL-t is fogad. Az eredmény tartalmazza az átírt szöveget és a szakaszokat, utóbbiakhoz kezdő- és végidő tartozik másodpercben, akár egyes szavakra bontva.
A modellek kódírás nélkül is kipróbálhatók a Vercel felületén. A modellek listájából kiválasztva egy modellt a felhasználó szöveget vagy hangot küldhet be, majd a böngészőben meghallgathatja vagy elolvashatja az eredményt. A Vercel emellett külön beszédtechnológiai gyorstalpalót és Fish Audio-specifikus AI SDK-dokumentációt is ajánl a részletes használathoz.
