Microsoft AI: MAI-Voice-2-Flash

يولّد MAI-Voice-2-Flash من Microsoft AI كلامًا تعبيريًا عبر 15 لغة للمساعدين ودعم العملاء والقوائم المنطوقة. يجمع بين الإلقاء سريع الاستجابة ومكتبة أصوات منتقاة والتوجيه بصوت مرجعي والتحكّم في النبرة على مستوى الدور.

Ailoot Ultra · توليد الكلام POST /v1/audio/speech microsoft/mai-voice-2-flash

عن النموذج

يغطي هذا الوصف قدرات النموذج. وترد أدناه المدخلات والمخرجات والخيارات المتاحة في Ailoot للطريقة المحددة.

MAI-Voice-2-Flash هو نموذج Microsoft AI لتحويل النص إلى كلام، مصمم لتجارب صوتية سريعة الاستجابة وكثيفة الاستخدام. تصف الشركة المصنّعة التنغيم الطبيعي والصوت الواضح والإلقاء التعبيري، وتذكر المساعدين ووكلاء دعم العملاء وقوائم الهاتف ضمن مهامه الأساسية. يتحول النص المكتوب إلى صوت منطوق بالصوت المختار. وFlash صيغة محددة من MAI-Voice-2، منفصلة عن عائلة MAI-Voice-2.1 اللاحقة.

اختيار اللغة والصوت

توثّق بطاقة النموذج المحدد خمس عشرة لغة وثماني عشرة صيغة محلية. تشمل الإنجليزية والإيطالية والإسبانية والهندية والفرنسية والألمانية والبرتغالية والكورية والصينية المبسطة والتركية والروسية والتايلاندية والهولندية والرومانية والمجرية، مع صيغ إقليمية منفصلة لبعض اللغات. اختر اللغة المقصودة وأعدّ الصياغة الفعلية التي ينبغي أن يسمعها المستمع. وقد يكون اختلاف الصيغة المحلية مهمًا لتحية أو اسم منتج أو نطق مألوف للجمهور.

توثّق Microsoft مسارين لاختيار الصوت: مكتبة منتقاة والتوجيه الصوتي من تسجيل قصير. توفر المكتبة متحدثًا موجودًا لسرد أو تفاعل. ويحدد التسجيل المرجعي هوية متحدث مختلفة عبر سير عمل الصوت المخصص لدى الشركة المصنّعة. حافظ على اختيار المتحدث نفسه عبر الرسائل المترابطة حتى تبدو الرسالة الافتتاحية والشرح والمتابعة أجزاء من تجربة واحدة.

نبرة الكلام التفاعلي

يدعم النموذج التحكّم في النبرة والإلقاء والعاطفة على مستوى الدور. وللمساعد المنطوق، اكتب تعليمة أولى موجزة ثم التفاصيل التي يحتاجها المستمع. ومن أمثلة العبارة العملية: «اختر المستند الذي تريد فتحه. إذا لم تكن متأكدًا من عنوانه، فأخبرني عن موضوعه.» يمنح النص المستمع إجراءً واضحًا مع إتاحة مجال لسؤال متابعة.

في تبادل تعليمي، افصل الشرح عن السؤال الذي ينبغي أن يجيب عنه المتعلّم. وللقائمة، اجعل أسماء الخيارات قصيرة واستخدم صياغة تظل واضحة عند سماعها مرة واحدة. يجب أن تتبع النبرة غرض المقطع: فقد يحتاج التطمين والتوجيه والسؤال إلى إلقاءات مختلفة مع الحفاظ على الصوت نفسه.

إعداد الصوت المرجعي

تحدد الشركة المصنّعة تسجيلًا من خمس إلى ستين ثانية للتوجيه الصوتي، وتصف مطابقة المتحدث الموافق دون تدريب إضافي. وتوصي بإلقاء حواري طبيعي وطاقة معتدلة، لأن للمرجع أثرًا كبيرًا في النتيجة. أعدّ تسجيلًا يمثل الصوت الذي تريد استخدامه بدل أداء يتضمن تطرفًا غير ذي صلة في مستوى الصوت أو التعبير.

هذا الوضع موثّق لصوت مصرح باستخدامه بموافقة صاحبه. وسير عمل الشركة المصنّعة ومكتبة الأصوات المعدّة مسبقًا مساران منفصلان للإعداد. ويظل المخرج كلامًا مولّدًا حديثًا من النص المقدّم؛ فالتسجيل يزوّد هوية المتحدث المطلوبة.

العمل بالنتيجة المنطوقة

استخدم Flash لتفاعل يجب فيه تقديم الرد بسرعة مع بقائه سهل الفهم. تضع الشركة المصنّعة هذه الصيغة في إطار سرعة الاستجابة مع الحفاظ على تنغيم وجودة صوت سلسلة MAI-Voice-2. اربط كل دور منطوق بنصه ومتحدثه حتى يمكن مراجعة الأسماء والأوامر والتحولات العاطفية المهمة في سياقها.

النتيجة المفيدة رسالة أو رد منطوق واضح باللغة والصوت المطلوبين. استمع إلى الصياغة كما سيسمعها الجمهور، خصوصًا ضمن تسلسل من الرسائل. مواصفات هذا النموذج ذات الخمس عشرة لغة والثماني عشرة صيغة محلية تخص إصدار Voice-2-Flash بعينه؛ أما كتالوج اللغات الموسع وتفاصيل الأصوات المُدارة للإصدارات اللاحقة فتخص أوصافها الخاصة.

Ailoot Ultra · توليد الكلام POST /v1/audio/speech microsoft/mai-voice-2-flash

microsoft/mai-voice-2-flash

Microsoft AI /microsoft/mai-voice-2-flash

البداية

المدخلات المقبولة: النص
النتائج: الصوت

متاح في Ailoot · المدخلات والطرائق

Ailoot Ultra · توليد الكلام POST /v1/audio/speech

الإدخال: text
الإخراج: audio
صيغة الإخراج: mp3

الحقل	النوع	المتطلب	القيم والحدود	القيمة الافتراضية
الحقل`model`	النوع`string`	المتطلبمطلوب	القيم والحدود microsoft/mai-voice-2-flash	القيمة الافتراضية—
الحقل`input`	النوع`string`	المتطلبمطلوب	القيم والحدود الحد الأدنى للطول: ⁦1⁩ الوحدة: محارف Unicode	القيمة الافتراضية—
الحقل`voice`	النوع`string`	المتطلبمطلوب	القيم والحدود en-US-Harper:MAI-Voice-2, es-MX-Valeria:MAI-Voice-2, fr-FR-Soleil:MAI-Voice-2, de-DE-Klaus:MAI-Voice-2	القيمة الافتراضية—
الحقل`response_format`	النوع`string`	المتطلبمطلوب	القيم والحدود mp3	القيمة الافتراضية—

تركيبات مواد الإدخال

text_to_speech · مطلوب: input

معلمات الطريقة ودورة حياتها

المعلمة	المواصفات
المعلمة`content_type`	المواصفاتapplication/json
المعلمة`required`	المواصفاتmodel, input, voice, response_format
المعلمة`voice_ids`	المواصفاتen-US-Harper:MAI-Voice-2, es-MX-Valeria:MAI-Voice-2, fr-FR-Soleil:MAI-Voice-2, de-DE-Klaus:MAI-Voice-2
المعلمة`response_format`	المواصفاتmp3
المعلمة`max_input_characters`	المواصفاتnull
المعلمة`other_options`	المواصفاتfalse
المعلمة`input`	المواصفاتنص UTF-8 الدقيق؛ يُحصى عدد محارف Unicode دون تطبيع
المعلمة`material_types`	المواصفاتtext

دورة الحياة: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · قيمة task_id الفعلية المُعادة أو سجل مكتبة الوسائط

GET /v1/media/assets/{asset_id}/content

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

اختر الصوت المحدد من ملف إعداد هذا النموذج.

أحرف الإدخال وثواني الصوت مقياسان مختلفان للاستخدام.

الباقات

مراجع التسعير لا تضيف خيارات للطلب. المعلمات المدعومة مذكورة للطريقة المحددة.

الوضع السريع: غير محدد عند اختيار الوضع السريع
الوضع المرن: غير محدد عند اختيار وضع flex
أقصى جهد للاستدلال: غير محدد عندما يُطبَّق الضبط الافتراضي default مع أقصى جهد للاستدلال

تعرفات Ailoot

الأسعار حسب الإعدادات

طابق كل رسم مع الشروط المعروضة. طبّق تعرفة واحدة لكل مجموعة من الإعدادات البديلة.

الإعدادات	جدول التعرفة	الكمية القابلة للفوترة	وحدة الفوترة	الرسوم
الإعداداتالتعرفات الأساسية للرموز	جدول التعرفةالتعرفة الأساسية	الكمية القابلة للفوترة—	وحدة الفوترة—	الرسوم الإدخال · رموز الإدخال — / 1K من الرموز الإخراج · رموز الإخراج — / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز
الإعداداتUltra	جدول التعرفة—	الكمية القابلة للفوترةتُحتسب كل نقطة ترميز Unicode حرفًا واحدًا، بما في ذلك محارف هان.	وحدة الفوترةلكل 1K حرف مُدخل	الرسوم الإدخال · محرف إدخال $0.03 لكل 1K حرف مُدخل

تفاصيل التعرفة المرجعية

لا تغيّر جداول التعرفة المرجعية على مستوى النموذج اختيار الطريقة أو عروض الأسعار أو الرسوم. وتستخدم الرسوم الفعلية تعرفات طريقة Ailoot المحددة.

Microsoft AI: MAI-Voice-2-Flash

الأسعار حسب الإعدادات

الإعدادات	شروط الفوترة	الرسوم
الإعداداتMicrosoft AI: MAI-Voice-2-Flash · الإعداد الافتراضي	شروط الفوترةالإعداد الافتراضي	الرسوم الإدخال · أحرف الإدخال ⁦‏0.00003 US$⁩ لكل حرف مُدخل

تحجز Ailoot مبلغًا تقديريًا قبل الطلب. وبعد ظهور النتيجة، تُسوّي الرسوم النهائية بناءً على الاستخدام المقاس. وتستخدم تسوية البث سجل الاستخدام النهائي. كيفية عمل حجز المبلغ وتسوية الرسوم →

أمثلة للطلبات

Ailoot Ultra · توليد الكلام

curl

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_VOICE_ID:?Choose an accepted voice ID from this exact model profile}"
export AILOOT_VOICE_ID
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "microsoft/mai-voice-2-flash", "input": "Good afternoon! This is a short voice take."}')
voice=os.environ["AILOOT_VOICE_ID"]
allowed=json.loads('["en-US-Harper:MAI-Voice-2", "es-MX-Valeria:MAI-Voice-2", "fr-FR-Soleil:MAI-Voice-2", "de-DE-Klaus:MAI-Voice-2"]')
if voice not in allowed: raise SystemExit("Choose an accepted voice ID from this exact model profile")
p["voice"]=voice
p["response_format"]="mp3"
Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/speech \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o speech.mp3

استلام النتائج وحفظها

Ailoot Ultra · توليد الكلام

mp3

GET /v1/media/tasks/{task_id}
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}

عمليات أخرى لقراءة المحتوى

مكتبة الوسائطحالة المهمةتفاصيل الأصل

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o media-assets.json

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_MEDIA_TASK_ID:?Set the actual ID returned by the response or media-library metadata}"
export AILOOT_MEDIA_TASK_ID
resource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_MEDIA_TASK_ID"],safe=""))')
curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/tasks/$resource_id" \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o media-task.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path("media-task.json").read_text())))
PY_RESULT

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_ASSET_ID:?Set the actual ID returned by the response or media-library metadata}"
export AILOOT_ASSET_ID
resource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_ASSET_ID"],safe=""))')
curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/assets/$resource_id" \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o media-asset.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path("media-asset.json").read_text())))
PY_RESULT

الاحتفاظ بكل النتائج المكتملة

احتفظ بكل استجابة كاملة وكل ملف وجزء محتوى تم إرجاعه.

احتفظ بالنتيجة الثنائية كاملة وبجميع الترويسات. إذا أُعيدت بيانات JSON أو مخرجات متعددة، فاحتفظ بكل عنصر بيانات واجلب محتوى كل عنوان URL فعلي موقّع لأصل من أصول الوسائط.

عند الحاجة إلى التحقق من الاستجابة الأصلية

احتفظ بقيمة operation_id/X-Client-Request-ID الأصلية للمطابقة دون إعادة الإرسال؛ لا يوجد مسار مخصص للاستعلام الدوري عن الصوت.

حقول الاستجابة

الحقل	النوع
الحقل`binary audio`	النوعbytes
الحقل`response headers`	النوعheaders

الأخطاء والخطوات التالية

الاستجابة	الشرط	الخطوة التالية
الاستجابة⁦400⁩ · `invalid_request_error`	الشرطحقول مطلوبة أو تمثيل مادة أو قيمة معلمة غير صحيحة	الخطوة التاليةصحّح الحقول المحددة قبل طلب إنشاء جديد.
الاستجابة`server_error`	الشرطتشير الاستجابة المُعادة إلى أن العملية أو النتيجة تتطلب التحقق	الخطوة التاليةاحتفظ بمعرّف العملية أو المهمة الأصلي المُعاد، وبترويسات الطلب وبالاستجابة؛ وواصل عمليات القراءة المدعومة لتلك العملية الأصلية. لا تُعِد إرسال طلب الإنشاء.

الأسماء البديلة

الأسماء البديلة للنموذج

Ailoot Ultra microsoft/mai-voice-2-flash

الأسماء البديلة لمسارات الطرائق

استخدم مسارات الطرائق المعروضة أعلاه.

معرّفات النماذج ذات الصلة IDs

microsoft/mai-voice-2-flash

FAQ · Microsoft AI: MAI-Voice-2-Flash

ما المدخلات والنتائج المتاحة؟: POST /v1/audio/speech · microsoft/mai-voice-2-flash: text → audio
ما الحقول التي يستخدمها الطلب؟: POST /v1/audio/speech · microsoft/mai-voice-2-flash: model, input, voice, response_format

Microsoft AI: MAI-Voice-2-Flash