Veri seti üretimi için TTS API'si nasıl çalışır?

Yazan AşıkSes editör ekibi · Güncellendi 2026-11-19

Bu sayfada, AşıkSes TTS API’sinin büyük hacimli veri seti üretimi için nasıl entegre edileceğini teknik detaylarıyla açıklıyoruz. JSON tabanlı istek yapısı, karakter limitleri ve yanıt formatları üzerinden, mühendis ekibinizin doğrudan kod içine alabileceği iş akışlarını adım adım sunuyoruz.

Yapay zeka modelleri için ses veri seti oluşturmak isteyen geliştiriciler için hazırlanmış bu rehber; dil algılama, ses presetleri, lisans koşulları ve performans metriklerini içerir. OpenAI SDK uyumlu altyapımız sayesinde mevcut entegrasyonlarınızı minimum eforla genişletebilirsiniz.

Veri seti üretimi için TTS API'si nasıl çalışır?

Sıkça sorulan sorular

Text-to-Speech API'si nedir?

Bulut tabanlı bir TTS API'sidir; metin gönderirsiniz, ses dosyası alırsınız. POST https://api.qx999.info/v1/audio/speech endpointi, OpenAI SDK'larıyla uyumlu çalışır. Authorization: Bearer tts-... anahtarı ile kimlik doğrulaması yapılır. GET /v1/voices ve /v1/models ile voice ve model detaylarına ulaşabilirsiniz.

Veri seti üretimi için API nasıl kullanılır?

Metni JSON body ile gönderin. Model (tts-1 veya tts-1-hd), voice, response_format ve input alanlarını belirtin. Uzun metinleri 4096 karakterlik parçalara bölüp sesleri birleştirin. Her istek için tek bir Bearer token kullanın. Toplu üretim için scriptler ile otomatize edin, ses dosyalarını doğrudan response'dan alın.

Uzun metinler nasıl işlenir?

Her istek maksimum 4096 karakter destekler. Daha uzun metinleri bu sınırı aşmayacak şekilde parçalara bölün. Her parça için ayrı API çağrısı yapın. Gelen ses dosyalarını sırasıyla birleştirerek son verisetini oluşturun. Bu yöntem, büyük hacimli veri seti üretiminde tutarlılık sağlar ve teknik sınırları aşmanıza olanak tanır.

Hangi diller desteklenmektedir?

Arapça, Çince, Danca, Felemenkçe, İngilizce, Fince, Fransızca, Almanca, Yunanca, İbranice, Hintçe, İtalyanca, Japonca, Korece, Malayca, Norveççe, Lehçe, Portekizce, Rusça, İspanyolca, Svahili, İsveççe ve Türkçe desteklenir. Sesler tüm bu dillerde çalışır. Vietnamca, Endonezce, Tayca, Ukraynaca, Romence, Çekçe ve Bengalice gibi diller henüz desteklenmemektedir.

Ses dosyaları lisanslı mıdır?

Evet, sesler LibriTTS-R (CC BY 4.0) verisetinden ve LibriVox kamu malı ses kayıtlarından türetilmiştir. Her üretilen dosya, sentetik konuşmayı işaretleyen görünmez bir su işareti içerir. Bu, verinin yapay zeka eğitiminde kullanıldığını ve lisans uyumlu olduğunu doğrular. Telif hakları, orijinal kayıtların lisans koşullarına tabidir.

API yanıt süresi ne kadardır?

Uzun metinlerde ses üretimi yaklaşık gerçek zamanlıdır (saniyede 25 karakter). Kısa ifadeler birkaç saniye sürer. İstekler sırayla işlendiği için yük altında kuyrukta bekleme olabilir. Ortalama gecikme, metin uzunluğuna ve sunucu yüküne bağlıdır. Gerçek zamanlı akış (streaming) mevcut değildir, tüm dosya tamamlandığında döndürülür.

Hangi formatlar desteklenir?

mp3, wav, opus, flac ve pcm formatları desteklenir. response_format parametresi ile istediğiniz formatı belirleyebilirsiniz. Bu formatlar, farklı veri seti ihtiyaçlarına ve depolama verimliliği gereksinimlerine uygun seçenekler sunar. Ses kalitesi ve dosya boyutu, seçilen formata göre değişir. PCM ham veri için idealdir.

Veri gizliliği nasıl sağlanır?

Girdi metniniz sadece ses üretimi için kullanılır ve eğitim için kaydedilmez. Oluşturulan ses dosyası yanıtta döndürülür ancak sunucuda depolanmaz. İstek meta verileri (zaman, karakter sayısı, durum) faturalandırma için saklanır. Verileriniz üçüncü taraflarla paylaşılmaz. Gizlilik, verilerin işlenme sürecinde geçici olarak kullanılması ilkesine dayanır.

Otomatik dil algılama nasıl çalışır?

language parametresi belirtilmezse, sistem metnin scriptine göre dil tahmini yapar. Latin alfabesi ile yazılmış metinler varsayılan olarak İngilizce olarak işlenir. İngilizce dışı Latin metinler için language parametresini açıkça belirtmeniz önerilir. Bu, yanlış dil algılamasını önler ve daha doğru sentez sonuçları üretir.

Sentez damgası nedir?

Her üretilen ses dosyası, duyulmayan bir su işareti içerir. Bu damga, sesin yapay zeka tarafından üretildiğini belirtir. Veri seti kullanımında yapay ses olduğunu kanıtlamak için kullanılır. İnsan seslerinden ayırt edilemez ancak dijital olarak tespit edilebilir. Telif hakkı ve lisans uyumluluğu için bu damga standarttır.

Hız parametresi nasıl ayarlanır?

speed parametresi 0.25 ile 4.0 arasında değer alır. Varsayılan değer 1.0'dır. Daha düşük değerler sesi yavaşlatır, daha yüksek değerler hızlandırır. Bu parametre, veri setindeki ses varyasyonlarını artırmak için kullanılabilir. Ses kalitesini etkilemez, sadece zamanlamayı değiştirir. İsteğe bağlı bir parametredir.

Rate limit nedir ve nasıl çalışır?

Kullanıcı başına dakikada 60 istek limitidir. İlk yükleme yapılmadan önce bu limit 10 istek/dakika'dır. Limit aşıldığında istekler reddedilir. Bu, sunucu yükünü yönetmek içindir. Yüksek hacimli veri üretimi için scriptler ile istekleri yönetin. Limitler, API anahtarınız için geçerlidir. Yeni anahtar çıkarma ile limitler sıfırlanmaz, sadece anahtar değişir.

API Temel İşleyişi

İçin ses dalga görseli: API Temel İşleyişi

Cloud TTS API’si, POST yöntemiyle https://api.qx999.info/v1/audio/speech endpointine JSON formatında veri gönderir. OpenAI SDK’si base_url değiştirilerek doğrudan kullanılabilir. Her istek, metni sese dönüştürmek için gerekli parametreleri içerir.

Sunucu, istenen metni işler ve ses dosyasını yanıt olarak döndürür. Bu süreç, yüksek hacimli veri seti üretiminde standart bir entegrasyon noktasıdır. Hatalı isteklerde ücret alınmaz.

JSON İstek Yapısı

İstek gövdesi model ("tts-1" veya "tts-1-hd"), input (metin), voice (8 preset), response_format (mp3, wav, opus, flac, pcm), speed (0.25–4.0) ve isteğe bağlı language alanlarını içerir. Auth başlığı Authorization: Bearer tts-... formatında olmalıdır.

  • Endpoint: POST https://api.qx999.info/v1/audio/speech
  • Auth: Bearer token ile kimlik doğrulama
  • Parametreler: model, input, voice, speed, format

Audio Yanıtı

API, başarılı isteklerde sentezlenmiş ses dosyasını doğrudan HTTP yanıtında döndürür. Dosya, istek formatında (mp3, wav vb.) verilir. Dosya yanıt olarak döndürülür ve sunucuda kalıcı olarak saklanmaz.

Karakter Sınırı

Her API isteği maksimum 4096 karakter uzunluğundaki metni işleyebilir. Bu sınır, tek bir HTTP istek gövdesi için geçerlidir. Daha uzun metinler için uygulama katmanında bölme yapılmalıdır.

Uzun Metin İşleme

İçin ses dalga görseli: Uzun Metin İşleme

Uzun metinleri tek bir istekte göndermek için karakter sınırını aşmamak gerekir. 4096 karakterlik sınır, büyük veri setleri oluştururken metnin parçalara bölünmesini zorunlu kılar. Bu süreç, girdi metninin tutarlılığını korumak için dikkatli bir segmentasyona ihtiyaç duyar.

API, her bir parça için ayrı bir audio dosyası üretir. Bu dosyalar, son adımda ardışık olarak birleştirilerek tek bir bütünlük içinde dinlenebilir hale gelir. Bu yaklaşım, API karakter limitlerini aşmadan yüksek hacimli veri üretimine olanak tanır.

4096 Karakter Bölme

Her API isteği maksimum 4096 karakter içerebilir. Boşluklar ve noktalama işaretleri karakter sayısına dahildir. Bu nedenle, uzun e-kitaplar veya makaleler için metin, anlamlı birimlere (cümle veya paragraf) göre bölünmelidir.

Bölümleme, metnin bütünlüğünü bozmayacak şekilde, API'nin kabul edebileceği uzunlukta alt parçalara ayrılmasını gerektirir. Bu, istek gövdesindeki input alanının boyutunu kontrol etmek için önceden işlenmiş veri akışı gerektirir.

  • Maksimum 4096 karakter/iste
  • Boşluklar ve işaretler dahildir
  • Anlamlı birimlerde bölme önerilir

Audio Dosya Birleştirme

Her başarılı istek, ilgili ses dosyasını döndürür. Üretilen dosyalar, client tarafında ardışık olarak birleştirilmelidir. Bu işlem, veri setinin hazırlanmasını sağlar.

Birleştirme işlemi, seçilen format (mp3, wav, opus, flac, pcm) ile uyumlu olmalıdır. PCM gibi ham formatlar, birleştirme sırasında en az işleme gerektirirken, sıkıştırılmış formatlar dosya boyutunu azaltır.

Asenkron İşleme

İstekler sırayla işlenir. Yoğun yük altında bir istek, kuyrukta bekleyebilir. Bu durum, gerçek zamanlı üretimi etkilemez ancak toplam üretim süresini artırabilir. Uzun metinler için paralel istekler kullanmak, toplam işlem süresini kısaltabilir.

Kuyruk gecikmesi, sunucu yoğunluğuna bağlıdır. Kritik zamanlamalar için, isteklerin sırasını koruyarak göndermek, audio dosyalarının doğru sırada birleştirilmesini garanti eder.

  • İstekler sırayla işlenir
  • Yoğunlukta kuyruk bekleme süresi oluşabilir
  • Paralel istekler süreyi kısaltabilir

Dil ve Ses Seçimi

İçin ses dalga görseli: Dil ve Ses Seçimi

AşıkSes API'si, 23 farklı dili destekleyerek büyük hacimli veri seti üretiminde çok dilli senaryoları mümkün kılar. Metin girişi için istemci tarafında dil belirleme yükü azaltılır.

API, language parametresi sağlanmadığında metnin script'inden dili tahmin eder; Latin alfabesi varsayılan olarak İngilizce olarak işlenir. Doğru sonuç için çok dilli metinlerde açıkça dil kodu belirtin.

23 Dil Desteği

Arabic, Chinese, Danish, Dutch, English, Finnish, French, German, Greek, Hebrew, Hindi, Italian, Japanese, Korean, Malay, Norwegian, Polish, Portuguese, Russian, Spanish, Swahili, Swedish, Turkish dilleri tam desteklenir. Bu dillerdeki herhangi bir ses preset'i kullanılabilir.

  • Desteklenen diller listesi sabittir; Vietnamese, Indonesian, Thai, Ukrainian, Romanian, Czech, Bengali ve diğerleri dahil değildir.
  • Her ses preset'i tüm desteklenen dillerde çalışır.

Otomatik Algılama

language parametresi boş bırakıldığında sistem metnin script'ine göre dili tahmin eder. Latin karakterli metinler varsayılan olarak İngilizce olarak işlenir.

  • Latin alfabesi kullanılıyorsa ve metin İngilizce değilse language parametresini açıkça belirtin.
  • Script tabanlı tahmin hatası, yanlış ses üretimine neden olabilir.

Ses Presetleri

8 farklı ses preset'i mevcuttur: Kadın sesler (Aria, Nova, Luna, Sage) ve erkek sesler (Felix, Milo, Atlas, Orion). Her biri farklı ton ve kullanım senaryolarına uygundur.

Sesler, LibriTTS-R (CC BY 4.0) ve LibriVox halk malı ses kayıtlarından üretilmiştir.

  • Aria: Sıcak, net anlatıcı.
  • Nova: Parlak, enerjik.
  • Luna: Yumuşak, hikaye anlatıcı.
  • Sage: Sakin, öğretici.
  • Felix: Enerjik, promosyon.
  • Milo: Samimi, sohbet.
  • Atlas: Nötr, haber.
  • Orion: Derin, belgesel.

Veri Kalitesi ve Lisans

İçin ses dalga görseli: Veri Kalitesi ve Lisans

Üretilen her ses dosyası, yapay zeka tarafından oluşturulduğunu belirten inaudible bir su işareti içerir. Bu damga, veri setlerinde sentetik konuşma ile gerçek insan seslerini ayırt etmenizi sağlar ve model eğitimi sırasında veri karışımını önler.

Sesler, CC BY 4.0 lisanslı LibriTTS-R veri seti ve Kamu Malı ses kayıtlarından elde edilen referanslarla oluşturulur. Bu sayede yüksek kaliteli ve yasal olarak güvenli veri kümeleri üretilebilir.

Sentez Damgası

Her çıktı dosyası, TTS motoru tarafından üretilmiş olduğunu belirten algılanamayan bir dijital damga taşır. Bu özellik, büyük veri setlerinde sentetik ve doğal seslerin ayrıştırılmasını kolaylaştırır.

  • İsteğe bağlı filtreleme ve sınıflandırma için kullanılır.
  • Dosya formatından bağımsız olarak gömülüdür.

LibriTTS-R Kaynağı

Sistem, Kamu Malı ses kayıtlarından alınan LibriTTS-R veri setini temel alır.

CC BY 4.0 Lisans

Kullanılan temel veri setleri CC BY 4.0 lisansı altında yayımlanmıştır. Bu, veri setlerinizin kullanımını kolaylaştırır.

  • Ticari kullanım serbesttir.
  • Uygun atıf gerektirir.

Performans Metrikleri

İçin ses dalga görseli: Performans Metrikleri

API, uzun metinlerde yaklaşık gerçek zamanlı hızda çalışır; saniye başına 25 karakterlik metin işleme kapasitesine sahiptir. Kısa ifadeler için işleme süresi birkaç saniye sürer.

Gerçek Zamanlı Hız

Uzun metinlerde sentez hızı, üretilen ses süresine eşittir. Bu, dakikada yaklaşık 1500 karakter işlenebileceği anlamına gelir.

Kuyruk Gecikmesi

İstekler sırayla işlendiğinden, yüksek yük altında kuyruk oluşabilir. Bu durum, özellikle paralel isteklerde gecikmeye neden olur.

Hata Oranı

Sentez hataları durumunda ücret iade edilir. Başarısız istekler karakter hakedişinden düşülmez, bu da maliyet optimizasyonu sağlar.

Entegrasyon Adımları

İçin ses dalga görseli: Entegrasyon Adımları

API, OpenAI SDK'sı ile uyumlu çalışır; base_url parametresi https://api.qx999.info/v1 olarak ayarlanır. Bu yapılandırma, mevcut kütüphane kodunu minimum değişiklikle entegre etmenizi sağlar.

Bağlantı kurulumu sırasında doğrulama anahtarını (tts-...) header'a ekleyin. Hatalı istekler için API, standard hata kodlarını döner; bu sayede hata yönetimi standart HTTP kütüphaneleriyle yapılabilir.

SDK Yapılandırma

OpenAI Python veya Node.js SDK'sını kullanın. base_url değerini https://api.qx999.info/v1 olarak belirleyerek istekleri yönlendirin. Bu yaklaşım, mevcut kod tabanında büyük refaktör gerektirmez.

  • base_url: https://api.qx999.info/v1
  • Auth Header: Authorization: Bearer tts-<key>
  • Format: JSON (POST /v1/audio/speech)

Hata Yönetimi

API, başarı durumunda 200 OK döner. 4xx ve 5xx kodları, geçersiz istek veya sunucu hatası olduğunu gösterir. Her hata durumu için log kaydı tutun ve ses dosyası ücreti alınmaz.

  • 200: Başarılı
  • 400: Hatalı İstek
  • 429: Rate Limit (60 req/min)
  • 500: Sunucu Hatası

Retry Mekanizması

Kuyruk gecikmesi nedeniyle geçici hatalar (503/504) oluşabilir. Yüksek yük altında tekrar deneme stratejisi kullanın. Her istek maksimum 4096 karakter sınırına sahiptir; bu, retry mantığının veri bölme stratejisiyle uyumlu olmasını gerektirir.

  • Backoff: Exponential
  • Max Retries: 3
  • Timeout: 30s

Örnek Senaryo

İçin ses dalga görseli: Örnek Senaryo

Bu API, büyük hacimli veri seti üretiminde standart bir pipeline sağlar. Metinleri parçalara bölüp, her parça için bağımsız ses dosyası üretir ve bunları birleştirir. Bu sayede uzun kitaplar veya korpuslar kesintisiz işlenebilir.

Örnek senaryolarda, 4096 karakterlik limitler dikkate alınarak metin bölünür. Her segment için ayrı istek gönderilir ve sonuçlar birleştirilir. Bu yaklaşım, bellek kullanımını optimize eder ve hata toleransını artırır.

E-Kitap Seslendirmesi

Bir e-kitabın seslendirilmesi için metin, 4096 karakterlik parçalara bölünür. Her parça için tts-1 veya tts-1-hd modeli kullanılır. Ses dosyaları ardışık olarak birleştirilerek tam bir kitap oluşturulabilir.

Her segment, bağımsız olarak işlendiği için hata durumunda sadece o segment yeniden üretilir. Bu, verimliliği artırır ve maliyetleri kontrol altında tutar.

  • Metin bölme: 4096 karakter limitine göre
  • Ses dosyası birleştirme: Otomatik veya manuel
  • Hata toleransı: Segment bazlı

Veri Kümesi Oluşturma

Veri seti üretimi için, metinler önceden tanımlanmış seslerle eşleştirilir. Her metin-parça çifti, API'ye gönderilir ve ses dosyası üretilir.

Üretilen ses dosyaları, model eğitimi için kullanılır. Her dosya, benzersiz bir watermark ile işaretlenir, bu da sentetik konuşma olduğunu gösterir.

  • Metin-parça eşleştirme
  • Ses dosyası üretimi
  • Watermark ile işaretleme

Format Seçimi

API, mp3, wav, opus, flac ve pcm formatlarını destekler. Format seçimi, kullanım amacına göre yapılır.

Örneğin, eğitim için mp3 veya opus tercih edilebilir. Yüksek kalite gerektiren durumlarda wav veya flac tercih edilir. Bu seçenekler, veri setinin boyutunu ve kalitesini etkiler.

  • Desteklenen formatlar: mp3, wav, opus, flac, pcm
  • Format seçimi: Kullanım amacına göre
  • Kalite ve boyut dengesi

Veri Gizliliği

İçin ses dalga görseli: Veri Gizliliği

Veri seti üretim süreçlerinde girdi metinlerinin işlenme biçimi kritik bir ayrıntıdır. Sistem, gönderilen metni yalnızca ses dosyasını oluşturmak için kullanır; bu metinler model eğitiminde veya diğer amaçlarla yeniden kullanılmaz.

Üretilen ses dosyası sunucularımızda kalıcı olarak depolanmaz. Yanıt olarak iletilen audio verisi, istemci tarafında işlendikten sonra sistemden silinir. Bu durum, büyük hacimli veri seti oluştururken veri sızıntısı riskini minimize eder.

Girdi Verisi Kullanımı

Gönderilen metinler, sadece ilgili ses dosyasının üretilmesi için işleme tabi tutulur. Oluşturma işlemi tamamlandığında, ham metin veri seti eğitiminde veya model geliştirme aşamalarında kullanılmak üzere saklanmaz.

Çıktı Saklama

API yanıtı ile iletilen ses dosyaları sunucu tarafında kalıcı olarak tutulmaz. Dosyalar, istemci uygulamasına iletilir iletilmez süreç tamamlanır ve sunucularda bir kopya bırakılmaz.

Meta Veri Kaydı

Faturalandırma ve kullanım takibi için istek zamanı, karakter sayısı ve işlem durumu gibi teknik meta veriler kaydedilir. Bu veriler yalnızca API çağrılarının doğru yansıtılması için tutulur.

Ölçeklenebilirlik

İçin ses dalga görseli: Ölçeklenebilirlik

AşıkSes API'si, yüksek hacimli veri seti üretiminde tutarlı performans sunar. Paralel istekler, tek bir anahtar üzerinden dakikada 60 isteğe kadar işlenir. İlk yükleme yapılmadan önce bu limit dakikada 10'a düşer.

Paralel İstekler

İstekler sırayla işlenir. Uzun metinler bölündüğünde her parça bağımsız bir istek olarak gönderilir. Bu, bant genişliğini verimli kullanmanızı sağlar ancak kuyruk gecikmesine neden olabilir.

  • Dakikada 60 istek limiti (tek anahtar başına)
  • İlk yükleme öncesi dakikada 10 istek
  • İstekler sıralı işlenir

Bant Genişliği

API yanıtı olarak MP3, WAV, OPUS, FLAC veya PCM formatlarında ses dosyası alırsınız. Format seçimi, ağ trafiğini ve depolama gereksinimlerini doğrudan etkiler. PCM gibi ham formatlar daha yüksek veri akışı yaratır.

Sunucu Yükü

Yüksek taleplerde istekler işleme kuyruğuna alınır. Bu durum, özellikle büyük veri seti üretiminde gecikmeye neden olabilir. Yine de, sistem standart operasyonel sınırlar içinde çalışmaya devam eder.

Karşılaştırma

İçin ses dalga görseli: Karşılaştırma

Mevcut veri seti üretim süreçlerindeki darboğazları gidermek için API tabanlı TTS ile manuel kayıtların ve ham metinlerin karşılaştırılması, mühendislerin teknik altyapı tercihlerini belirlemesini sağlar. Bu karşılaştırma, büyük hacimli veri setleri oluştururken zaman ve maliyet optimizasyonunu nesnel verilerle ortaya koyar.

Yapay zeka modelleri için ses verisi hazırlayan ekipler, manuel kayıt süreçlerinin ölçeklenebilirlik sınırlarını API çözümünün sunduğu hız ve tutarlılıkla eşleştirerek en verimli iş akışını seçer.

Yazılı Metin vs Ses

API, metni doğrudan ses formatına dönüştürerek veri üretim döngüsünü kısaltır. Bu süreç, elle hazırlanan transkripsiyon hatalarını ortadan kaldırarak veri bütünlüğünü artırır.

  • Metin tabanlı girdi ile otomatik senkronizasyon
  • Yazım hatalarının ses çıktısına yansıması riskinin minimizasyonu

Manuel Kayıt vs API

Manuel kayıt, yüksek kalite vaat etse de kişi başına düşen üretim süresi yüksektir. API ise 8 farklı ses preseti ile tek bir istekle yüzlerce dosya üretir.

API yanıt süresi, manuel kayıt süreçlerine göre farklılık gösterir. Otomatik üretim kapasitesi, büyük veri setleri için avantaj sağlar.

  • API: Anında üretim, düşük gecikme
  • Manuel: Yüksek iş gücü, sınırlı ölçeklenebilirlik

Maliyet Karşılaştırması

API fiyatlandırması karakter başına ($10/milyon karakter) çalışır. Manuel kayıt ise kayıt stüdyosu, editör ve zaman maliyetlerini içerir.

API, hata durumunda ücret iade garantisi sunar. Manuel süreçlerde hata düzeltme maliyeti genellikle ek iş gücü olarak yansır.

  • API: $0.01 / 1.000 karakter
  • Manuel: Sabit kurulum + değişken iş gücü

Sık Sorulan Teknik Sorular

İçin ses dalga görseli: Sık Sorulan Teknik Sorular

Sistem, standart OpenAI Speech endpoint yapısını kullanır. Bu nedenle gelişmiş metin işleme özellikleri için harici araçlar veya ön işleme adımları gereklidir. API, girdi olarak düz metin alır ve doğrudan audio dosyası döndürür.

Detaylı dilbilgisel veya vurgu kontrolleri için desteklenen formatlar sınırlıdır. Mühendisler, metinleri API çağrısından önce uygun formatta hazırlamalı veya ses dosyalarını sonradan düzenlemelidir.

SSML Desteği

API, SSML (Speech Synthesis Markup Language) desteklemez. Girdi olarak sadece düz metin kabul edilir. SSML etiketleri (örneğin <break>, <prosody>) ham metin içinde gönderilirse ses motoru tarafından yorumlanmaz ve normal karakter olarak işlenir.

Büyük veri seti üretiminde, SSML desteğinin olmaması iş akışını basitleştirir. Ancak, vurgu veya duraklama kontrolleri için metni parçalara bölüp her parçayı ayrı ayrı API'ye göndermek veya çıktı seslerini birleştirici araçlarla düzenlemek gerekebilir.

Custom Pronunciation

Dilerseniz özel telaffuz sözlüğü (lexicon) desteği bulunmamaktadır. API, metindeki kelimeleri önceden tanımlanmış 8 ses presetine göre standart telaffuz kurallarına göre okur. Özel isimler, kısaltmalar veya teknik terimler için beklenen telaffuz sağlanmayabilir.

Veri seti oluştururken telaffuz hatalarını önlemek için, metni elle kontrol etmeniz veya API'den gelen ses dosyalarını manuel olarak doğrulamanız gerekir. Özel telaffuz gerektiren kelimeleri, metin içinde benzer telaffuzlu kelimelerle değiştirerek deneme yapabilirsiniz.

Emotion Tags

Ses presetleri sabit tonlarda üretilir. Emotion tags (duygu etiketleri) desteklenmez. Her ses presetinin kendi karakteristik tonu vardır: örneğin 'nova' parlak ve enerjik, 'sage' sakin ve yönlendirici seslerle konuşur.

Duygu geçişleri veya ton değişimleri için, farklı presetleri sırayla kullanarak veya ses dosyalarını düzenleme araçlarıyla manuel müdahale ederek sonuç elde edebilirsiniz. API, metin içeriğine göre dinamik olarak duygusal tonu değiştirmez.

Sonuç ve Öneriler

İçin ses dalga görseli: Sonuç ve Öneriler

Bu API, mühendislerin büyük hacimli TTS veri setleri oluşturması için tasarlanmıştır. Standart OpenAI uyumlu protokol ve düşük gecikme süresi, otomasyon ve ölçeklenebilirlik sağlar.

Karakter sınırı ve dil desteği, veri üretimini sağlar. Lisanslı kaynaklar ve şeffaf maliyet yapısı, ticari kullanım için güvenlidir.

En İyi Uygulamalar

4096 karakterlik sınırı aşan metinleri önceden bölün. Dil kodunu açıkça belirtin; varsayılan tahmin hatalı olabilir.

Fiyatlandırma karakter bazlı olduğu için gereksiz boşluklardan kaçının. Başarısız istekler ücretlendirilmez, bu nedenle hata yönetimi kritik değildir.

  • Metinleri 4096 karakter parçalarına bölün.
  • Dil kodunu açıkça belirtin.
  • Hata durumunda ücret iadesi alınır.

Hata Önleme

İstek sınırlarını (dakikada 60 istek) aşmamak için aralıkları ayarlayın. Uzun metinlerde kuyruk gecikmesini hesaba katın.

Geçersiz ses veya format kullanımdan kaçının. API, hatalı isteklerde ücret almaz ancak zaman kaybeder.

  • Dakikada 60 istek sınırını koruyun.
  • Kuyruk gecikmesini göz önünde bulundurun.
  • Geçersiz parametreleri önceden doğrulayın.

Gelecek Geliştirmeler

API, mevcut ihtiyaçlara göre optimize edilmiştir. Ek özellikler veya gelişmiş sesler için güncellemeler takip edilebilir.

Veri seti üretimi için paralel istekler ve otomatik dosya birleştirme, iş akışını hızlandırır.

  • Paralel istek desteği artırılabilir.
  • Otomatik dosya birleştirme iyileştirilebilir.
  • Yeni sesler eklenebilir.

8 sesi dinleyin

Aşağıdaki her örnek, aynı cümle bu API tarafından üretilmiştir. Aylık abonelik veya fatura kesimi yoktur; bakiye süresiz geçerlidir.

Sesin avatarı aria
ariakadın
Sesin avatarı nova
novakadın
Sesin avatarı luna
lunakadın
Sesin avatarı sage
sagekadın
Sesin avatarı felix
felixerkek
Sesin avatarı milo
miloerkek
Sesin avatarı atlas
atlaserkek
Sesin avatarı orion
orionerkek

23 dil

Her ses bu dillerden birini konuşabilir.

Kaynaklar ve ileri okuma

  1. Wikipedia
  2. W3C WAI: making audio and video accessible
  3. openai-node on GitHub
  4. Tether (USDT)
  5. LibriTTS-R corpus (OpenSLR 141)
  6. TRON developer hub: TRC-20
  7. Python documentation
  8. LibriVox public-domain audiobooks
  9. LibriTTS-R paper (arXiv 2305.18802)
  10. IETF RFC 7845: Ogg Opus
  11. ISO 639 language codes
  12. openai-python on GitHub

Sitede daha fazla