نقشه فنی زیرساخت صوتی الون لبز
الون لبز شناخته شده ترین زیرساخت تولید صدا با هوش مصنوعی است و بیش از ده واحد عملیاتی دارد: تبدیل متن به گفتار، تبدیل گفتار به متن، تغییر صدا، جلوه صوتی و موسیقی. مهم ترین پارامتر برای خواننده فارسی زبان این است: پردازش فارسی فقط در فهرست زبانی واحد وی۳ ثبت شده.
- فارسی فقط روی وی۳
- پلن رایگان بدون مجوز تجاری
- شرایط استفاده ایران را نام می برد
آخرین بررسی: این صفحه یک مرجع است. با هر نسخه تازه، منابع سازنده دوباره خوانده و صفحه بهروز می شود. چه چیزی عوض شد
محصولات
واحدی که کاربر به آن وارد می شود، جدا از شناسه مدل هایی که در API فراخوانی می شود.
نسخهها
| نسخه | استقرار | وضعیت | خانواده |
|---|---|---|---|
| الون لبز فلش ۲.۵ | نسخه جاری | ||
| الون لبز مالتیلینگوال ۲ | نسخه جاری | ||
| الون لبز وی۳ | نسخه جاری |
کدام واحد پردازش فارسی را پشتیبانی می کند
الون لبز سه واحد اصلی تبدیل متن به گفتار دارد و فهرست پشتیبانی زبانی شان یکسان نیست. وی۳ فهرست ۷۴ زبانه دارد و فارسی با کد fas در آن ثبت شده. فلش ۲.۵ فهرست ۳۲ زبانه دارد و مالتیلینگوال وی۲ فهرست ۲۹ زبانه، و فارسی در هیچکدام ثبت نشده.
نکته بحرانی اینجاست: فلش ۲.۵ از نظر پارامترهای عملیاتی جذاب ترین گزینه به نظر می رسد؛ تاخیرش ۷۵ میلی ثانیه است، سقف کاراکترش چهل هزار در برابر پنج هزار وی۳، و نرخش هم پایین تر است. کاربری که این واحد را انتخاب می کند و متن فارسی به آن می دهد، خروجی معیوب دریافت می کند و آن را نقص زیرساخت تلقی می کند. علت واقعی، انتخاب نادرست واحد است، نه محدودیت خود سیستم.
پلن رایگان چیزی را که تصور می شود ارائه نمی دهد
پلن رایگان ماهانه ده هزار اعتبار عملیاتی می دهد که برای آزمایش کافی است. اما همان صفحه قیمت گذاری ثبت می کند که این پلن نه مجوز تجاری دارد و نه امکان کلون صدا.
یعنی می شود کل یک پروژه را با پلن رایگان آزمایش کرد، خروجی صوتی را استخراج کرد، و بعد متوجه شد که مجوز استفاده از آن خروجی در کار درآمدزا صادر نشده است. کلون آنی از پلن استارتر با نرخ ۶ دلار در ماه شروع می شود و کلون حرفه ای از پلن کریتور با ۲۲ دلار، و مجوز تجاری هم از همان رده ها صادر می شود.
زیرساخت فقط برای تولید صدا نیست
اسکرایب وی۲ واحد تبدیل گفتار به متن این زیرساخت است و فهرست پشتیبانی زبانی اش از نود زبان عبور می کند، یعنی چند برابر واحدهای تولید صدای همان شرکت. نسخه بلادرنگش تاخیری حدود ۱۵۰ میلی ثانیه دارد. جدا از این، واحد تغییر صدا، واحد ساخت جلوه صوتی و واحد تولید موسیقی هم در همین زیرساخت عرضه می شوند.
پس اگر کار شما پیاده سازی متن یک مصاحبه فارسی است و نه تولید صدا، مسیر درست همان اسکرایب است، نه واحدهای این جدول. این یک عملیات متفاوت است و فهرست پشتیبانی زبانی اش هم فرق دارد.
شرایط استفاده، ایران را با اسم مستند کرده
بند کنترل صادرات در شرایط استفاده الون لبز از کاربر تعهد می گیرد که در کشوری زیر تحریم اقتصادی آمریکا مستقر نیست، و ایران در همان فهرست ثبت شده است. این را مستقیما از همان سند خوانده ایم.
در این گزارش نه اکانتی عرضه می شود، نه واسطه ای معرفی می شود و نه مسیر دور زدن این بند توضیح داده می شود. اگر پرسش شما این است که آیا مسیر رسمی استفاده از ایران وجود دارد، پاسخ مستند این صفحه این است که چنین مسیری برای این زیرساخت ثبت نشده.
نقاط قوت مستند
- تنها زیرساخت در این دسته که ساخت صدای تازه از روی نمونه را همراه با مجوز تجاری عرضه می کند
- وی۳ فهرست ۷۴ زبانه دارد و فارسی در آن ثبت شده
- فلش ۲.۵ با تاخیر ۷۵ میلی ثانیه و سقف چهل هزار کاراکتر، برای بار عملیاتی حجیم انگلیسی زبان واقعا سریع است
- واحد پیاده سازی صوتی فهرست پشتیبانی بیش از نود زبانه دارد، به مراتب فراتر از واحدهای تولید صدای همان شرکت
نقاط ضعف و محدودیتهای شناختهشده
- پردازش فارسی فقط در فهرست وی۳ ثبت شده. دو واحد دیگر تبدیل متن به گفتار فارسی را پشتیبانی نمی کنند و یکی از آنها پیش فرض جذاب تری به نظر می رسد.
- پلن رایگان نه مجوز تجاری دارد و نه امکان کلون صدا، پس خروجی آزمایش رایگان در کار درآمدزا قابل استفاده نیست.
- شرایط استفاده، ایران را با اسم در بند کنترل صادرات ثبت کرده.
- صدای اختصاصی برای فارسی اعلام نشده، یعنی متن فارسی با صدایی پردازش می شود که برای این زبان طراحی نشده.
جمعبندی فنی
برای تولید صدای فارسی، این تنها گزینه ای است که هم پشتیبانی زبانی را دارد و هم مجوز ساخت صدای اختصاصی. به شرطی که واحد به صورت دستی روی وی۳ تنظیم شود و مشخص باشد که پلن رایگان هیچ مجوز تجاری صادر نمی کند.
پرسش هایی که واقعا پرسیده می شود
الون لبز فارسی را پشتیبانی می کند
فقط واحد وی۳. فهرست ۷۴ زبانه اش فارسی را با کد fas ثبت کرده. فلش ۲.۵ و مالتیلینگوال وی۲ فهرست ۳۲ و ۲۹ زبانه دارند و فارسی در هیچکدام ثبت نشده.
پلن رایگان برای کار تجاری قابل استفاده است
خیر. صفحه قیمت گذاری ثبت می کند که پلن رایگان مجوز تجاری ندارد و امکان کلون صدا هم ارائه نمی دهد. مجوز تجاری از پلن استارتر با ۶ دلار در ماه صادر می شود.
کلون صدا از کدام رده اشتراک فعال می شود
کلون آنی از رده استارتر (۶ دلار) و کلون حرفه ای از رده کریتور (۲۲ دلار). رده های بالاتر ظرفیت بیشتری برای کلون حرفه ای می دهند.