எலெவன்லேப்ஸ் ஒரு அழைப்பாளர் உண்மையில் கேட்ட வடிவத்தை பேசுகிறது

Shipped

29 செப்டம்பர், 2026 அன்று 2:32 AM UTC

Author

Kamo

Commit

16db29f

அடாப்டர் கடின குறியீட்டு வெளியீடு _ வடிவம் = mp3 _ 44100 _ 128 ஒவ்வொரு அழைப்பிலும், எனவே ஒரு அழைப்பாளர் Wav க்காக E5 ஐ கேட்கிறது (அல்லது ஒவ்வொரு தொலைபேசி அழைப்பிலும் PCM ஐக் கேட்கும் கமாய்-குரல்) இன்னும் mp3 திரும்பப் பெற்றேன் — ஒரு கூடுதல் இழப்பு டிகோட் பிளஸ் அழைப்பு பாதையில் ஒரு மறுபரிசீலனை, மற்றும் ஒரு / api/ai/v1/ஆடியோ/பேச்சு வேறு எந்த அழைப்பாளருக்கும் அமைதியான ஒப்பந்த மீறல். synthesize () இப்போது வரைபடங்கள் AudioController இன் பதில் _ வடிவம் to XIENLabs 'சொந்தம் வெளியீடு _ வடிவம்: pcm/wav இரண்டும் pcm _ 24000 ஐப் பெறுகின்றன (AIService இன் சொந்த PCM மரபு, பொருந்தும் kamoai-குரல் கடின குறியீடு 24 kHz டிகோட்) ஒரு உண்மையான மூடப்பட்ட wav உடன் RIFF/WAVE தலைப்பு இங்கே (XIENLabs ஒருபோதும் அனுப்புவதில்லை), mp3 வைத்திருக்கிறது mp3 _ 44100 _ 128, ஓபஸ் வரைபடம் opus _ 48000 _ 128, மற்றும் ஒரு வெளிப்படையான உலாவ் வரைபடம் ulaw _ 8000. ஒரு வடிவம் XIENLabs பேச முடியாது (aac, flac) முன் மறுக்கப்படுகிறது எனவே திசைவி விழுகிறது ஒரு மாதிரியை எம்பி3 உடன் அமைதியாக தவறாக வரைபடமாக்குவதற்குப் பதிலாக, ஒரு மாதிரிக்குத் திரும்புங்கள் அறிவிக்கப்பட்ட mimeType இப்போது எப்போதும் திரும்பிய பைட்டுகளுடன் பொருந்துகிறது, எதுவாக இருந்தாலும் விற்பனையாளர் அனுப்பும் உள்ளடக்க வகை. கமொய்-குரல் ஏற்கனவே பிசிஎம் கேட்கிறது மற்றும் AIService இன் அறிவிக்கப்பட்ட உள்ளடக்க-வகையைப் படிக்கிறது அதன் சொந்த கோரிக்கையை நம்புவதற்குப் பதிலாக, அதனால் அங்கு எந்த மாற்றமும் தேவையில்லை: அது பெறுகிறது உண்மையான, பொருந்தும் விகித பிசிஎம் இப்போது ஒரு டிகோட்-மற்றும்-மாதிரியான mp3 பதிலாக. சோதனைகள் (SpeechVendorFamilesTest, சிவப்பு பின்னர் பச்சை எதிராக ஒரு போலி XIENLabs சேவையகம்): ஒவ்வொரு பதில் _ வடிவம் வரைபடங்கள் வலது வெளியீடு _ வடிவம், wav ரேப்பர் என்பது தொடப்படாத PCM பைட்டுகளைச் சுற்றி செல்லுபடியாகும் 44-பைட் RIFF/WAVE தலைப்பு, எந்த HTTP அழைப்புக்கும் முன் ஒரு ஆதரிக்கப்படாத வடிவம் நிராகரிக்கப்படுகிறது, மேலும் mp3 மாறாமல் உள்ளது.