تبدیل متن به گفتار با هوش مصنوعی

تبدیل متن به گفتار (TTS) متن شما را به فایل صوتی تبدیل می‌کند. کاربردهای رایج: روایت ویدیوی آموزشی، نسخه‌ی صوتی مقاله، پیام‌های تلفنی و کمک به افرادی که خواندن برایشان دشوار است.

در پیکو هوش TTS هم در استودیو و هم از طریق نقطه‌ی /v1/audio/speech در API موجود است. کیفیت و زبان‌های پشتیبانی‌شده به مدل بستگی دارد؛ پیش از تولید حجم زیاد، یک نمونه‌ی کوتاه فارسی را تست کنید.

چه کارهایی ممکن است؟

• تبدیل متن به گفتار در استودیو
• فراخوانی از طریق API (audio/speech)
• دانلود خروجی صوتی
• امتحان مدل‌های صوتی مختلف کاتالوگ

گام‌به‌گام

1. ۱

   متن را آماده کنید

   جمله‌های کوتاه و علائم نگارشی درست، تلفظ و مکث‌ها را بهتر می‌کند.

2. ۲

   مدل صوتی را انتخاب کنید

   از بخش صدا یک مدل از کاتالوگ بردارید.

3. ۳

   نمونه‌ی کوتاه

   یک پاراگراف کوتاه بسازید و کیفیت تلفظ فارسی را گوش دهید.

4. ۴

   تولید نهایی

   متن کامل را تولید و فایل را ذخیره کنید.

نمونه پرامپت‌ها

نکته‌های کاربردی

• اعداد و اختصارات را به صورت حروفی بنویسید تا خوانش درست باشد.
• متن‌های بلند را به بخش‌های کوتاه تقسیم کنید.
• برای نمونه‌ی تجاری، شرایط استفاده از صدای مدل را بررسی کنید.

انتخاب مدل و کنترل هزینه

هیچ مدلی برای همه‌ی کارها بهترین نیست. روش عملی این است که ۱۰ تا ۲۰ نمونه‌ی واقعی از کار خودتان جمع کنید، آن را روی دو یا سه مدل از کاتالوگ اجرا کنید و سه چیز را مقایسه کنید: کیفیت خروجی، سرعت و هزینه. اغلب معلوم می‌شود که مدل اقتصادی برای بخش بزرگی از کار کافی است و مدل پرچمدار فقط برای موارد دشوار لازم است. برای کلیدهای API سقف ماهانه تعیین کنید و مصرف را در داشبورد دنبال کنید. جدول قیمت‌ها و صفحه‌ی کاتالوگ مرجع شماست و اگر نگران صورتحساب هستید، توضیح توکن را بخوانید.

محدودیت‌ها و صداقت

مدل‌های زبانی ممکن است اشتباه کنند یا مطلب نادرست را با اطمینان بنویسند (توهم). برای تصمیم‌های مهم خروجی را بررسی کنید. ما در حال حاضر چت، تولید تصویر، تبدیل متن به گفتار و API سازگار با OpenAI و Anthropic را ارائه می‌کنیم؛ امبدینگ، ویدیو، موسیقی و ربات تلگرام هنوز در دسترس نیست.