اتصال گفتار و متن Cartesia با هوش مصنوعی
برای یک اپ، مسیر تبدیل متن به صدا یا پیاده کردن فایل صوتی رو با API رسمی Cartesia بسازید و پیش از ارسال، نسخه، مدل و صدای مجاز رو بررسی کنید.
اتصال گفتار و متن Cartesia با هوش مصنوعی وقتی به کار میآد که میخواید یک جمله از اپ خونده بشه یا صحبت ضبطشده به متن تبدیل بشه و نمیدونید کدوم درخواست برای این کار مناسبه. اسکیل cartesia-api به ایجنتتون کمک میکنه بین مسیر تولید صدا و مسیر پیادهسازی گفتار انتخاب کنه، نمونه رو با نسخه API هماهنگ کنه و از شناسه صدایی استفاده کنه که واقعا در حساب قابل دسترسه.
برای یک نمونه ساده میتونید با متن کوتاه و یکی از صداهای کتابخانه شروع کنید. اگر برنامه باید صدا رو در حین تولید پخش کنه، اتصال و شیوه دریافت با حالتی که فقط یک فایل نهایی میخواید فرق میکنه. کلید حساب روی سرور میمونه. برای فرستادن صدای شخص دیگه هم باید اجازه روشن و حق استفاده از همون ضبط رو داشته باشید، حتی اگر نمونه فقط برای آزمایش باشه.
کاربردها
- برای تبدیل متن به صدا، زبان، مدل و یک صدای مجاز از کتابخانه انتخاب کنید.
- در پیاده کردن صوت، نوع ورودی و روش دریافت متن رو با نیاز اپ هماهنگ کنید.
- برای پخش زنده، بررسی کنید اتصال پیوسته یا دریافت بخشبهبخش مناسبتره یا نه.
- در انتخاب صدای گوینده، شناسه معتبر رو از فهرست مجاز حساب بگیرید.
- نسخه API و تنظیمات درخواست رو ثبت کنید تا نتیجه در اجرای بعدی قابل مقایسه باشه.
نصب و استفاده
- اسکیل رو نصب کنید. حساب Cartesia، کلید API و یک محیط سمت سرور با SDK رسمی یا امکان درخواست HTTPS لازم دارید. برای اتصال MCP، دسترسی جدا از مسیر رسمی حساب برقرار میشه.
- مثلا بگید «این متن کوتاه معرفی محصول رو با یکی از صداهای آماده بخون. قبل از ساخت درخواست، شناسه صدا و نسخه API رو چک کن و کلید رو در مرورگر نذار.»
- نمونه صوت یا متن برگشتی رو بررسی کنید. بعد از اینکه زبان، مدل و قالب مناسب شد، همون تنظیمات رو در مسیر اصلی اپ قرار بدید.
سوالات متداول
منبع
ساخته Cartesia. نام اصلی: cartesia-api، منتشرشده در GitHub با مجوز MIT.
مشاهده در GitHub