Puede usar los resultados generados con fines comerciales. Todos los derechos sobre el contenido creado le pertenecen. La única restricción: asegúrese de que la solicitud no incluya material de terceros protegido por derechos de autor. El usuario es responsable de respetar los derechos sobre los datos de entrada.

Es un modelo de conversión de voz: toma su grabación de audio y la dobla con otra voz, conservando el ritmo, la entonación y las emociones del original. Es adecuada para doblaje, locución, localización de videos y reemplazo de voz cuando es importante una entrega natural, no una síntesis desde cero.

No escribe texto; el resultado es audio. Los datos indican un contexto y un límite de salida de 10 000 tokens, pero para este modelo es una restricción sobre la longitud del fragmento de voz procesado, no sobre el volumen de texto. Es más conveniente enviar las grabaciones largas por partes.

No. Aquí no hay un paso de razonamiento: el modelo no piensa la respuesta, sino que convierte la voz proporcionada a la voz seleccionada. En nuestros datos no se indica capacidad de razonamiento antes de responder, y para tareas de conversión de voz no es necesaria.

No. La llamada a funciones y la salida estructurada en JSON no están indicadas en nuestros datos, y por su naturaleza no corresponden a este modelo: el resultado de su trabajo es un archivo de audio, no una estructura de texto. Para escenarios con JSON y funciones, se necesita un modelo de texto.

La entrada es audio; es el único formato indicado en los datos. El modelo no acepta imágenes ni videos porque trabaja con sonido. Procese las imágenes y los clips por separado, y envíe solo la pista de audio aquí.

El modelo es multilingüe, pero no tenemos datos de evaluación de calidad específicos para el ruso, por lo que no podemos prometer una pronunciación perfecta. Un consejo práctico: procese un fragmento corto de su grabación y escuche el resultado; el timbre y la entonación se conservan, pero es mejor verificar la pronunciación de oído.