You're looking at a specific version of this model. Jump to the model overview.
aodianyun /indextts2-thai:2bcf5366
Input schema
The fields you can use to run this model with an API. If you don’t give a value for a field its default value will be used.
| Field | Type | Default value | Description |
|---|---|---|---|
| prompt_audio |
string
|
说话人参考音频（泰语，wav/mp3）
|
|
| text |
string
|
待合成的文本（建议泰文为主，可少量混英文）
|
|
| temperature |
number
|
0.5
|
采样温度，越低越稳定、越少离谱音色，越高越有表现力（推荐 0.3~0.8）
|
| top_p |
number
|
0.7
|
nucleus sampling 截断概率，越低越“保守”，越高越“开放”（推荐 0.5~0.9）
|
| top_k |
integer
|
20
|
每步候选 token 数，越小越稳，越大越有创意但更易出噪音（推荐 10~30）
|
| do_sample |
boolean
|
True
|
是否开启采样；False 时使用 beam search，一般更稳定、噪音更少
|
| num_beams |
integer
|
1
|
beam search 的 beam 数，>1 且 do_sample=False 时生效，越大越慢但更稳（推荐 3~5）
|
| length_penalty |
number
|
0
|
beam search 长度惩罚系数，0 表示不过度偏好长句，一般保持 0 即可
|
| repetition_penalty |
number
|
1.2
|
重复惩罚系数，略微大于 1 可减少奇怪重复/口吃感（推荐 1.1~1.3）
|
| max_mel_tokens |
integer
|
1500
|
最大 mel token 数，上限越大越不容易被截断但会变慢（推荐 1500~2200）
|
| max_text_tokens_per_segment |
integer
|
120
|
单段最大文本长度，适当减小可提升长句稳定性（推荐 80~120）
|
| interval_silence |
integer
|
200
|
分段之间插入的静音时长（毫秒），控制句子停顿感（推荐 200~400）
|
| emo_alpha |
number
|
0.8
|
情感强度 [0,1]，越小越接近原声线且更稳，越大情感更夸张（推荐 0.5~0.8）
|
| use_emo_text |
boolean
|
False
|
是否根据文本/emo_text 自动推断情感向量，不依赖情感参考音频
|
| emo_text |
string
|
|
独立的情感提示文本；留空时默认使用合成文本本身
|
| use_random |
boolean
|
False
|
情感向量采样是否加入随机性，一般建议关闭以保证可复现和稳定性
|
| verbose |
boolean
|
False
|
是否打印详细调试信息，仅排查问题时建议开启
|
Output schema
The shape of the response you’ll get when you run this model with an API.
Schema
{'format': 'uri', 'title': 'Output', 'type': 'string'}