Andere Modelle (Image, Audio etc.)

Speech-to-Text

Wir hosten aktuell das Whisper-3-large Modell von openAI.

Text-to-Speech

Wir hosten aktuell das xTTS-v2 Modell.

Das xTTS Modell kennt derzeit alle bei openAI verfügbaren Stimmen:

• alloy
• echo
• fable
• onyx
• nova
• shimmer

Wobei es sich um ähnlich klingende, nachgeahmte Stimmen handelt.

OCR

Wir hosten das Nanonets OCR2 3B für OCR-Anwendungen.

Image Generation - Flux.1-dev

Wir hosten aktuell das Flux.1 Modell in der dev Variante. Zusätzlich kann mittels LoRa ein Flux.1-schnell genutzt werden. Dafür einen weitern Parameter lora_settings mitgeben:

{
    "prompt": "A cat wearing a superhero costume, edge detected style",
    "lora_settings": [
        {
            "name": "flux-schnell",
            "weight": 1.0
        }
    ]
}

Das Model kann mit den Endpunkten

• v1/images/generations
• v1/images/edits
• v1/images/variations
• v1/images/data

angesprochen werden.

Das Flux.1-dev Modell kennt derzeit folgende Konfigurationen für den quality Parameter:

Image Editing - Flux.1-Kontext-dev

Das Model kann mit den Endpunkten

• v1/images/edits
• v1/images/variations
• v1/images/data

angesprochen werden.

Das Flux.1-dev Modell kennt derzeit folgende Konfigurationen für den quality Parameter: