Microsoft AI: MAI-Voice-2

ينتج MAI-Voice-2 من Microsoft AI كلامًا تعبيريًا متعدد اللغات للسرد والحوار والتطبيقات المنطوقة. ويدعم اتساق المحتوى المطوّل وتعدد المتحدثين والتحكّم في العاطفة على مستوى الدور الكتب الصوتية والدروس وأصوات الشخصيات.

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

عن النموذج

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

MAI-Voice-2 هو نموذج Microsoft AI لتحويل النص إلى كلام بالتوجيه من أجل محتوى منطوق طبيعي وتعبيري. تركز الشركة المصنّعة على دقة الصوت واتساق المتحدث والمدى العاطفي. تشمل المهام الموثّقة المساعدين والكتب الصوتية والبودكاست والمحاضرات والشخصيات التعليمية والسرد الداعم لإمكانية الوصول. يتحول نص التفريغ إلى صوت بصوت مختار؛ ولصيغة Voice-2-Flash وصف خاص للتفاعلات التي تكون فيها الاستجابة الفورية أولوية.

اللغة والمتحدث

يصف إصدار Voice-2 من Microsoft خمس عشرة لغة، تشمل الإنجليزية والفرنسية والألمانية والإيطالية والإسبانية والبرتغالية والهندية والكورية والصينية المبسطة والتركية والروسية والتايلاندية والهولندية والرومانية والمجرية. لبعض اللغات صيغ إقليمية منفصلة. ويصف الإصدار أيضًا التبديل بين الهندية والإنجليزية وبين الإسبانية والإنجليزية، بحيث تستطيع مقاطع مختلطة محددة الاحتفاظ بطريقة تناوب المتحدث الطبيعية بين اللغات.

أعدّ الكلمات الفعلية المطلوب نطقها وحافظ على لغتها المقصودة. يمكن لمقطع تعليمي ثنائي اللغة تقديم مصطلح بلغة وشرحه بأخرى، مع الحفاظ على الأسماء والاقتباسات. وينبغي التحقق من النتيجة المنطوقة وفق اللكنة والجمهور المطلوبين للعمل بدل اعتبار كل الصيغ المحلية قابلة للاستبدال.

توفر بطاقة النموذج مكتبة أصوات منتقاة ومسارًا منفصلًا للتوجيه بصوت مرجعي. يزوّد الكلام المرجعي هوية المتحدث المطلوبة دون ضبط دقيق. توصي Microsoft بإلقاء حواري طبيعي وطاقة معتدلة، لأن التسجيل يؤثر في الوتيرة والإلقاء. استخدم تسجيلًا ممثلًا بموافقة صاحبه عندما تتطلب المهمة صوتًا مخصصًا.

السرد الأطول والحوار

توثّق بطاقة النموذج التوليد المطوّل بالتقسيم إلى أجزاء مع نقل السياق. يدعم ذلك سردًا مترابطًا مثل فصل أو درس أو سلسلة مقاطع بودكاست. قسّم النص عند حدود أقسام ذات معنى وحافظ على مصطلحاته واختيار متحدثه. ويستفيد الشرح الطويل من انتقالات منطوقة تخبر المستمع بموعد تغير الموضوع.

يتيح دعم تعدد المتحدثين أدوارًا متميزة في حوار مُعدّ. أسند السؤال والرد إلى المتحدثين المقصودين واحتفظ بتلك الإسنادات عند عودة الدور. ينبغي أن يتضمن المدخل العبارات النهائية وتعليمات الأداء ذات الصلة، لا طلبًا مفتوحًا إلى مولّد الكلام لاختراع المحادثة.

النبرة والإلقاء العاطفي

توثّق Microsoft تحكّمًا دقيقًا في النبرة والإلقاء والعاطفة على مستوى الدور. وتعرض أمثلة إصدارها أدوارًا منطوقة تعبيرية ومقاطع عاطفية. للسرد، حدّد الجملة الواقعية أو التأملية أو المتحمسة، ثم طبّق إلقاءً يتبع ذلك المعنى. ومن أمثلة العبارة العملية: «اتضح أن أهدأ جزء من التجربة كان الأكثر كشفًا. ففيه ظهر النمط واضحًا للمرة الأولى.» تمنح الصياغة الأداء تغيرًا مقصودًا في التشديد.

للتعليق الصوتي الإرشادي، حافظ على وضوح الإجراء واجعل الشرح في جملة منفصلة. وللحوار، ميّز كلمات الشخصية المنطوقة عن ملاحظات المشهد. استمع إلى الأسماء المتكررة والانتقالات بين المقاطع ليظل التسلسل النهائي مترابطًا.

استخدم الصوت

المخرج كلام مولّد حديثًا للنص المقدّم. وصورته المفيدة سرد أو حوار أو رد تطبيق منطوق يتبع صوته وإلقاؤه النص. احتفظ بارتباط النص والمتحدث وترتيب الأقسام بالتسجيل حتى يصحح التعديل المقطع المقصود دون فقد بقية الأداء.

يركّز MAI-Voice-2 على الطبيعية والتعبير في تجربة استماع ممتدة. ولا تعني قدرته على المحتوى المطوّل مدخلًا غير محدود أو أقصى مدة تسجيل مضمونة. ويظل وصف Voice-2 المحدد منفصلًا عن كتالوج اللغات الموسع وإعدادات الصوت في إصدارات Voice-2.1 اللاحقة.

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

microsoft/mai-voice-2

Microsoft AI /microsoft/mai-voice-2

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	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 $0.044 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

الأسعار حسب الإعدادات

الإعدادات	شروط الفوترة	الرسوم
الإعداداتMicrosoft AI: MAI-Voice-2 · الإعداد الافتراضي	شروط الفوترةالإعداد الافتراضي	الرسوم الإدخال · أحرف الإدخال ⁦‏0.000044 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", "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

الأسماء البديلة لمسارات الطرائق

استخدم مسارات الطرائق المعروضة أعلاه.

معرّفات النماذج ذات الصلة IDs

microsoft/mai-voice-2

FAQ · Microsoft AI: MAI-Voice-2

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

Microsoft AI: MAI-Voice-2