Fora

Bater papo

desativar

Oitava 2

Ela compreende significado e emoção, proporcionando qualidade de voz e expressividade incomparáveis.

Tokens de $1 grátis para novos membros

Text to Speech

Javascript

Python

                                        const axios = require('axios').default;

const api = axios.create({
  baseURL: 'https://api.ai.cc/v1',
  headers: { Authorization: 'Bearer ' },
});

const main = async () => {
  const response = await api.post('/tts', {
    model: 'hume/octave-2',
    text: 'OpenAI TTS are fast and powerful language models. Use it to convert text to natural sounding spoken text.',
    voice: 'coral',
  });

  console.log('Audio URL:', response.data.audio.url);
  console.log('Characters:', response.data.usage.characters);
};

main();

                                        import requests


def main():
    url = "https://api.ai.cc/v1/tts"
    headers = {
        "Authorization": "Bearer ",
    }
    payload = {
        "model": "hume/octave-2",
        "text": "OpenAI TTS are fast and powerful language models. Use it to convert text to natural sounding spoken text.",
        "voice": "coral"
    }

    response = requests.post(url, headers=headers, json=payload)
    data = response.json()

    print("Audio URL:", data["audio"]["url"])
    print("Characters:", data["usage"]["characters"])


main()

Docs

Uma API com mais de 300 modelos de IA

Economize 20% nos custos e ganhe tokens grátis de $1.

Obter chave de API Explorar modelos

Oitava 2

Detalhes do produto

🚀 Octave 2: A próxima geração de tecnologia de conversão de texto em fala com LLM

O Octave 2 representa um avanço significativo na tecnologia de síntese de voz (TTS). Impulsionado por Modelos de Linguagem Amplos (LLMs) avançados, ele vai além da simples conversão de texto para compreender profundamente o idioma falado. nuances emocionais e semânticas de texto. Essa inteligência permite que o Octave 2 gere fala expressiva e semelhante à humana em tempo real, estabelecendo um novo padrão de qualidade de voz e capacidade de resposta em diversas aplicações.

Projetado para versatilidade, o Octave 2 oferece áudio líder do setor com latência ultrabaixa e amplo suporte multilíngue, tornando-o ideal para tudo, desde IA conversacional dinâmica até audiolivros imersivos.

⚙️ Especificações Técnicas

✓ Idiomas suportados: Inglês, japonês, coreano, espanhol, francês, português, italiano, alemão, russo, hindi, árabe
✓ Latência: Impressionantemente baixo, em torno de 100 ms.
✓ Clonagem de voz: Suportado com apenas cerca de 15 segundos de entrada de áudio.
✓ Formatos de áudio: MP3, WAV, PCM

📈 Indicadores de desempenho

📈 Octave 2 entrega Geração de áudio 40% mais rápida Em comparação com seu antecessor, o Octave 1, ele consistentemente atinge latências abaixo de 200 milissegundos.
🎉 Em testes auditivos cegos envolvendo 180 avaliadores humanos, o Octave 2 foi preferido ao ElevenLabs Voice Design para Qualidade de áudio (71,6%), naturalidade (51,7%)e descrições de voz correspondentes (57,7%).
💬 O modelo se destaca no processamento de padrões de fala complexos e mudanças emocionais sutis, aprimorando significativamente a naturalidade e a expressividade em geral.

Visão geral da API do Octave 2 - Representação visual do modelo de IA

✨ Principais recursos do Octave 2

💡 Compreensão Emocional com o auxílio do LLM: Diferentemente dos sistemas TTS tradicionais, o Octave 2 interpreta o significado e a intenção emocional, modulando a altura, o andamento e a ênfase para corresponder precisamente ao contexto.
📣 Latência ultrabaixa: Experimente a síntese de fala em tempo real com latência do modelo de apenas ~100 milissegundos, perfeita para aplicações interativas e conversacionais.
🌐 Suporte multilíngue: Síntese fluente e natural em 11 idiomas principais, incluindo inglês, japonês, coreano, espanhol, francês, português, italiano, alemão, russo, hindi e árabe.
📚 Versatilidade em formatos longos: Mantém um tom emocional e vozes de personagens consistentes em conteúdos extensos, como audiolivros e podcasts, adaptando-se perfeitamente às mudanças de cena.
⚙ Recursos avançados: Inclui conversão de voz, edição direta de fonemas e pronúncia confiável para palavras, números e símbolos incomuns.

💰 Preços da API do Octave 2

Preços simples e transparentes: US$ 0,063 por 1000 caracteres.

🎯 Diversos casos de uso

👤 IA Conversacional e Agentes Interativos: Fala em tempo real e com consciência emocional para chatbots, assistentes virtuais e atendimento ao cliente.
🎧 Audiolivros e podcasts: Narração de alta qualidade e formato longo, com tom emocional consistente e adaptação da voz de cada personagem.
🎨 Clonagem de Voz e Vozes Personalizadas: Criação de voz personalizada para soluções de branding, produção de mídia e acessibilidade.
🎮 Jogos e Animação: Diálogos dinâmicos entre personagens, com expressões emocionais sutis, que dão vida a mundos virtuais.
📞 Sistemas de telefonia e URA (Unidade de Resposta Audível): Instruções e respostas rápidas e com som natural para sistemas telefônicos automatizados, melhorando a experiência do usuário.
💪 Ferramentas de acessibilidade: Leitores de tela e dispositivos de auxílio à fala aprimorados, com compreensão da fala em contexto e em nível emocional, para uma inclusão mais ampla.

🆚 Octave 2 vs. Principais modelos de TTS

Entenda como o Octave 2 se destaca de outras soluções de conversão de texto em fala populares:

vs. ElevenLabs: O Octave 2 utiliza a inteligência LLM para uma compreensão emocional e semântica mais profunda, produzindo uma fala mais matizada com latência em tempo real (aproximadamente 100 ms). Embora a ElevenLabs ofereça vozes naturais e expressivas, geralmente não possui a compreensão semântica avançada e o suporte multilíngue mais amplo do Octave 2.

vs. OpenAI TTS: O TTS da OpenAI se destaca pela clareza, controle de prosódia e estilos de fala flexíveis por meio de comandos. O Octave 2 aprimora isso integrando o reconhecimento de intenção emocional em nível semântico, resultando em expressividade e profundidade contextual significativamente mais humanas.

vs. Mozilla TTS: O Mozilla TTS é altamente personalizável para pesquisa e criação de vozes personalizadas. No entanto, o Octave 2, como um sistema comercial baseado em LLM, oferece qualidade de voz superior logo após a instalação, síntese mais rápida, modulação emocional mais natural e resposta em tempo real.

vs. Tagarela: O Chatterbox é otimizado para diálogos de baixa latência e expressividade configurável, com clonagem de voz eficiente em menor escala. O Octave 2 supera o Chatterbox em compreensão semântica, profundidade emocional, consistência em textos longos e recursos multilíngues abrangentes, oferecendo uma experiência de voz em tempo real mais rica.

❓ Perguntas frequentes (FAQ)

P: O que diferencia o Octave 2 de outros sistemas de conversão de texto em fala?

A: O Octave 2 é impulsionado exclusivamente por Modelos de Linguagem Amplos (LLMs, na sigla em inglês), que lhe permitem compreender o contexto emocional e semântico do texto, gerando uma fala mais expressiva e semelhante à humana em tempo real, ao contrário dos modelos TTS tradicionais.

P: Qual é a latência mínima para geração de fala no Octave 2?

A: O Octave 2 possui latência ultrabaixa, alcançando síntese de fala em tempo real com latência de modelo de apenas aproximadamente 100 milissegundos, tornando-o ideal para aplicações interativas.

P: O Octave 2 suporta vários idiomas?

A: Sim, o Octave 2 oferece síntese fluente em 11 idiomas, incluindo inglês, japonês, coreano, espanhol, francês, português, italiano, alemão, russo, hindi e árabe.

P: O Octave 2 é adequado para conteúdo de formato longo, como audiolivros?

A: Com certeza. O Octave 2 foi projetado para versatilidade em formatos longos, mantendo a consistência emocional em conteúdos extensos, como audiolivros e podcasts, e adaptando-se perfeitamente às mudanças de personagem e de cena.

P: Qual é a estrutura de preços da API do Octave 2?

A: A API do Octave 2 tem um preço competitivo de US$ 0,063 por 1000 caracteres gerados.

Playground de IA

Teste todos os modelos de API no ambiente de sandbox antes de integrá-los. Oferecemos mais de 300 modelos para integrar ao seu aplicativo.

Experimente grátis

Uma API
Mais de 300 modelos de IA

Economize 20% nos custos