همه محصولات

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

  1. 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.
  2. 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.»
  3. 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