MiniMax: Speech 02 HD
يقرأ MiniMax Speech 02 HD النص المقدّم بصوت مولّد عبر طلب audio_speech متزامن. يقبل نصًا أقصر من 10,000 محرف، ويوفّر إعدادات للصوت والوتيرة وطبقة الصوت مع مخرج MP3 أو PCM أو FLAC أو WAV.
عن النموذج
يغطي هذا الوصف قدرات النموذج. وترد أدناه المدخلات والمخرجات والخيارات المتاحة في Ailoot للطريقة المحددة.
يحوّل MiniMax Speech 02 HD النص المقدّم إلى صوت منطوق. معرّف نموذجه الدقيق في Ailoot هو minimax/speech-02-hd، ومحدِّد التركيب الموثّق له هو speech-02-hd. استخدم طريقة audio_speech لتعليق صوتي أو درس منطوق أو شرح منتج أو مسودة سرد تتوفر صياغتها لديك بالفعل. المدخل هو المقطع المراد قراءته، والنتيجة كلام مركّب بصيغة الصوت المختارة.
أعدّ النص بوصفه كلمات مقصودة للنطق، مع علامات ترقيم تعكس تقسيم العبارات. ولمسودة سرد، قدّم الترتيب النهائي للجمل وطريقة كتابة الأسماء قبل اختيار إعدادات الصوت. أبقِ إرشادات الأداء منفصلة عن المقطع المنطوق ما لم تكن تلك الكلمات جزءًا من التسجيل. استمع إلى الأسماء والأرقام والانتقالات المهمة في النتيجة وقارنها بالنص المصدر.
يجب أن يقل النص عن 10,000 محرف. يتطلب عقد التركيب المنشور model وtext. وللمادة الأطول، أعدّ مقاطع ضمن هذا الحد واحتفظ بترتيبها للتحرير. يستخدم الملف المتزامن استجابة كاملة، مع stream=false كقيمة افتراضية موثّقة. تصف الواجهة العامة أيضًا خيارات البث، لكن الطريقة المختارة لهذه البطاقة هي مسار الكلام المتزامن.
يختار voice_setting قيمة voice_id متاحة ويتحكم في speed وvol وpitch. نطاق speed الموثّق هو 0.5–2، مع 1 كقيمة افتراضية. يجب أن تكون vol أكبر من 0 وألا تتجاوز 10، مع 1 كقيمة افتراضية؛ أما pitch فهو عدد صحيح من -12 إلى 12، مع 0 كقيمة افتراضية. اجعل كل إعداد يخدم المقطع: قارن وتيرة القراءة ووضوح سماع التسجيل الفعلي بدل افتراض أن تغييرًا رقميًا يخلق أداءً معينًا.
قيم emotion الموثّقة هي happy وsad وangry وfearful وdisgusted وsurprised وcalm وfluent. يمكن للنص أيضًا أن يوجّه انفعال النموذج. text_normalization عنصر تحكم منطقي منفصل لتهيئة قراءة الأرقام بالصينية والإنجليزية، ويتحكم latex_read في قراءة صيغ LaTeX؛ والقيمة الافتراضية لكليهما false. يمكن أن يحمل pronunciation_dict.tone قواعد استبدال نطق موثّقة. افحص اسمًا أو تعبيرًا متخصصًا في الصوت الناتج قبل استخدامه في سرد أطول.
يقبل audio_setting.format القيم mp3 أو pcm أو flac أو wav، مع mp3 كقيمة افتراضية. يقبل sample_rate القيم 8000 أو 16000 أو 22050 أو 24000 أو 32000 أو 44100، وقيمته الافتراضية 32000. يقبل bitrate القيم 32000 أو 64000 أو 128000 أو 256000، وقيمته الافتراضية 128000 وينطبق على MP3. يختار channel القيمة 1 للصوت الأحادي أو 2 للستيريو، مع 1 كقيمة افتراضية. احتفظ بهذه الخيارات مع المقطع المصدر حتى يمكن فحص الملف المُعاد وفق وجهة التحرير أو التشغيل المقصودة.
تتضمن عناصر التحكم الإضافية الموثّقة language_boost، وتشمل خياراته ذات الأسماء الدقيقة English وRussian وChinese وChinese,Yue؛ اختر قيمة مدرجة فعلًا للمقطع. يمكن لـ timber_weights دمج قيم voice_id موجودة بأوزان صحيحة من 1 إلى 100. قيم sound_effects المنشورة هي spacious_echo وauditorium_echo وlofi_telephone وrobotic. هذه عناصر تحكم اختيارية لتشكيل صوت مختار؛ سجّل إعداداتها الفعلية عند مقارنة القراءات.
تتضمن النتيجة المتزامنة الكلام المولّد. يختار output_format القيمة url أو hex، وقيمته الافتراضية hex في مخطط التركيب. نزّل الملف الذي تشير إليه نتيجة URL، أو فك ترميز نتيجة hex إلى بايتات صوت قبل التشغيل. احتفظ بالبيانات الوصفية الصوتية المُعادة، بما فيها الصيغة ومعدل العينات وعدد القنوات والحجم، مع التسجيل. القيمة الافتراضية لـ subtitle_enable هي false، ولا ينطبق عند تفعيله إلا على المخرجات غير المتدفقة؛ ولا يحدد المصدر صيغة ملف ترجمة لهذا الملف.
احفظ المقطع المصدر ومعرّف النموذج الدقيق واختيار الصوت والتسجيل المكتمل معًا. راجع القراءة كلها للتحقق من الصياغة المقصودة والوقفات وإعدادات الأداء المختارة قبل وضعها في فيديو أو درس أو دليل منطوق. إذا كانت الاستجابة ناقصة، فاحتفظ بهوية طلبها الأصلي والمعلومات المُعادة لتسوية النتيجة قبل طلب تسجيل آخر. يمكن لمراجعة لاحقة أن تغيّر عبارة معينة أو إعداد صوت مع الحفاظ على بقية النص لمقارنة واضحة.
Ailoot Ultra · Speech POST /v1/audio/speech minimax/speech-02-hd
minimax/speech-02-hdالبداية
يقرأ MiniMax Speech 02 HD النص المقدّم بصوت مولّد عبر طلب audio_speech متزامن. يقبل نصًا أقصر من 10,000 محرف، ويوفّر إعدادات للصوت والوتيرة وطبقة الصوت مع مخرج MP3 أو PCM أو FLAC أو WAV.
- المدخلات المقبولة
- النص
- النتائج
- الصوت
متاح في Ailoot · المدخلات والطرائق
Ailoot Ultra · Speech POST /v1/audio/speech
- الإدخال
text- الإخراج
audio- صيغة الإخراج
- mp3,pcm,flac,wav
| الحقل | النوع | المتطلب | القيم والحدود | القيمة الافتراضية |
|---|---|---|---|---|
الحقلmodel | النوعstring | المتطلبمطلوب | القيم والحدود minimax/speech-02-hd | القيمة الافتراضية— |
الحقلtext | النوعstring | المتطلبمطلوب | القيم والحدود | القيمة الافتراضية— |
الحقلstream | النوعboolean | المتطلباختياري | القيم والحدود false | القيمة الافتراضيةfalse |
الحقلvoice_setting | النوعobject | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلvoice_setting.voice_id | النوعstring | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلvoice_setting.speed | النوعnumber | المتطلباختياري | القيم والحدود الحد الأدنى: 0.5 الحد الأقصى: 2 | القيمة الافتراضية1 |
الحقلvoice_setting.vol | النوعnumber | المتطلباختياري | القيم والحدود الحد الأدنى: 0 الحد الأقصى: 10 | القيمة الافتراضية1 |
الحقلvoice_setting.pitch | النوعinteger | المتطلباختياري | القيم والحدود الحد الأدنى: -12 الحد الأقصى: 12 | القيمة الافتراضية0 |
الحقلvoice_setting.emotion | النوعstring | المتطلباختياري | القيم والحدود happy, sad, angry, fearful, disgusted, surprised, calm, fluent | القيمة الافتراضية— |
الحقلvoice_setting.text_normalization | النوعboolean | المتطلباختياري | القيم والحدود | القيمة الافتراضيةfalse |
الحقلvoice_setting.latex_read | النوعboolean | المتطلباختياري | القيم والحدود | القيمة الافتراضيةfalse |
الحقلaudio_setting | النوعobject | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلaudio_setting.sample_rate | النوعinteger | المتطلباختياري | القيم والحدود 8,000, 16,000, 22,050, 24,000, 32,000, 44,100 | القيمة الافتراضية32,000 |
الحقلaudio_setting.bitrate | النوعinteger | المتطلباختياري | القيم والحدود 32,000, 64,000, 128,000, 256,000 | القيمة الافتراضية128,000 |
الحقلaudio_setting.format | النوعstring | المتطلباختياري | القيم والحدود mp3, pcm, flac, wav | القيمة الافتراضيةmp3 |
الحقلaudio_setting.channel | النوعinteger | المتطلباختياري | القيم والحدود 1, 2 | القيمة الافتراضية1 |
الحقلaudio_setting.force_cbr | النوعboolean | المتطلباختياري | القيم والحدود | القيمة الافتراضيةfalse |
الحقلpronunciation_dict | النوعobject | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلpronunciation_dict.tone | النوعarray | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلtimber_weights | النوعarray | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلlanguage_boost | النوعstring | المتطلباختياري | القيم والحدود Chinese, Chinese,Yue, English, Arabic, Russian, Spanish, French, Portuguese, German, Turkish, Dutch, Ukrainian, Vietnamese, Indonesian, Japanese, Italian, Korean, Thai, Polish, Romanian, Greek, Czech, Finnish, Hindi, Bulgarian, Danish, Hebrew, Malay, Persian, Slovak, Swedish, Croatian, Filipino, Hungarian, Norwegian, Slovenian, Catalan, Nynorsk, Tamil, Afrikaans, auto | القيمة الافتراضية— |
الحقلvoice_modify | النوعobject | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلvoice_modify.pitch | النوعinteger | المتطلباختياري | القيم والحدود -100, 100 | القيمة الافتراضية— |
الحقلvoice_modify.intensity | النوعinteger | المتطلباختياري | القيم والحدود -100, 100 | القيمة الافتراضية— |
الحقلvoice_modify.timbre | النوعinteger | المتطلباختياري | القيم والحدود -100, 100 | القيمة الافتراضية— |
الحقلvoice_modify.sound_effects | النوعstring | المتطلباختياري | القيم والحدود spacious_echo, auditorium_echo, lofi_telephone, robotic | القيمة الافتراضية— |
الحقلsubtitle_enable | النوعboolean | المتطلباختياري | القيم والحدود | القيمة الافتراضيةfalse |
الحقلoutput_format | النوعstring | المتطلباختياري | القيم والحدود url, hex | القيمة الافتراضيةhex |
الحقلaigc_watermark | النوعboolean | المتطلباختياري | القيم والحدود | القيمة الافتراضيةfalse |
معلمات الطريقة ودورة حياتها
| المعلمة | المواصفات |
|---|---|
المعلمةcontent_type | المواصفاتapplication/json |
المعلمةrequired | المواصفاتmodel, text |
المعلمةoptional | المواصفاتstream, voice_setting, audio_setting, pronunciation_dict, timber_weights, language_boost, voice_modify, subtitle_enable, output_format, aigc_watermark |
المعلمةmaterial_types | المواصفاتtext |
المعلمةconditions | المواصفاتUse text, not input or contents. Fewer than 10000 Unicode characters; stream is false or omitted., PCM is raw audio with its returned sample geometry; do not invent a WAV header or bit depth. |
دورة الحياة: synchronous_result_then_owned_library
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
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 | وحدة الفوترة | الرسوم |
|---|---|---|---|
| الإعداداتالتعرفات الأساسية للرموز | جدول التعرفةالتعرفة الأساسية | 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 |
| الإعداداتمحرف إدخال | جدول التعرفة— | وحدة الفوترةلكل حرف مُدخل | الرسوم الإدخال · محرف إدخال $0.0002 لكل حرف مُدخل |
تحجز Ailoot مبلغًا تقديريًا قبل الطلب. وبعد ظهور النتيجة، تُسوّي الرسوم النهائية بناءً على الاستخدام المقاس. وتستخدم تسوية البث سجل الاستخدام النهائي. كيفية عمل حجز المبلغ وتسوية الرسوم →
أمثلة للطلبات
Ailoot Ultra · Speech
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
export AILOOT_API_KEY
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "minimax/speech-02-hd", "text": "Hello, this is a short speech example.", "stream": false, "output_format": "hex", "audio_setting": {"format": "mp3", "sample_rate": 32000, "channel": 1}}')
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 result.json
# Submit once. Retain the complete result, original identifiers and every response header.
استلام النتائج وحفظها
Ailoot Ultra · Speech
mp3,pcm,flac,wav
GET /v1/media/assetsGET /v1/media/assets/{asset_id}
الاحتفاظ بكل النتائج المكتملة
احتفظ بكل استجابة كاملة وكل ملف وجزء محتوى تم إرجاعه.
Retain the full JSON. Decode every hex audio byte or use the returned owned URL. Keep the actual format, sample rate, channel count and usage_characters.
عند الحاجة إلى التحقق من الاستجابة الأصلية
Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.
حقول الاستجابة
| الحقل | النوع |
|---|---|
الحقلdata.audio | النوعstring |
الحقلextra_info | النوعobject |
الحقلtrace_id | النوعstring |
الأسماء البديلة
الأسماء البديلة للنموذج
Ailoot Ultra minimax/speech-02-hd
الأسماء البديلة لمسارات الطرائق
استخدم مسارات الطرائق المعروضة أعلاه.
معرّفات النماذج ذات الصلة IDs
FAQ · MiniMax: Speech 02 HD
- ما المدخلات والنتائج المتاحة؟
POST /v1/audio/speech·minimax/speech-02-hd:text→audio- ما الحقول التي يستخدمها الطلب؟
POST /v1/audio/speech·minimax/speech-02-hd:model,text,stream,voice_setting,audio_setting,pronunciation_dict,timber_weights,language_boost,voice_modify,subtitle_enable,output_format,aigc_watermark- ما الحدود المطبقة؟
POST /v1/audio/speech·minimax/speech-02-hd:voice_setting.speed.minimum:0.5;voice_setting.speed.maximum:2;voice_setting.vol.minimum:0;voice_setting.vol.maximum:10;voice_setting.pitch.minimum:-12;voice_setting.pitch.maximum:12