MiniMax: Speech 2.6 HD
Speech 2.6 HD نموذج من MiniMax لتحويل النص إلى كلام، ويحوّل نصًا مكتملًا إلى صوت. تتيح نسخة minimax/speech-2.6-hd عناصر تحكم في الصوت والأداء وصيغة الصوت، مع استجابة JSON كاملة وخيار إخراج الصوت عبر URL أو بالتمثيل السداسي العشري. استخدمه لتحويل سرد مقدّم أو مقطع تعليمي أو شرح عملي لمنتج إلى كلام.
عن النموذج
يغطي هذا الوصف قدرات النموذج. وترد أدناه المدخلات والمخرجات والخيارات المتاحة في Ailoot للطريقة المحددة.
Speech 2.6 HD هو إصدار الكلام المحدد من MiniMax الذي يُختار عبر model: "minimax/speech-2.6-hd". استخدم POST /v1/audio/speech مع جسم application/json يتضمن model وtext المراد نطقه. مدخله نص مكتوب ونتيجته صوت مركّب. ولمقطع تعليمي، أعدّ الشرح والأمثلة الدقيقة التي ستُقرأ بصوت عالٍ. ولشرح عملي لمنتج، اكتب التسلسل المنطوق بالترتيب نفسه للخطوات المرئية. يمكن أن يتضمن النص السردي جملًا كاملة وترقيمًا مقصودًا؛ أبقِ التعليمات التحريرية التي ينبغي ألا تُنطق خارج text.
يجب ألا يكون حقل text فارغًا، وأن يحتوي على أقل من 10,000 محرف Unicode. أرسل النص المنطوق كاملًا مع stream:false، أو احذف stream. قسّم المادة الأطول إلى مقاطع نصية منفصلة ومكتملة قبل إرسال كل مقطع. يمكن استخدام مستند بقراءة محتوياته الفعلية ووضع المقطع ذي الصلة في text؛ فـ URL المستند ليس بديلًا عن النص المراد نطقه.
اختر صوتًا عبر voice_setting.voice_id. تتضمن فئات الأصوات الموثّقة أصوات النظام وأصواتًا مستنسخة أو مصممة بالنص أُنشئت بالفعل؛ استخدم معرّف صوت صالحًا للفئة المختارة. صوت المثال هو audiobook_male_1. ويتحكم الكائن نفسه في speed من 0.5 إلى 2، وvol فوق 0 وحتى 10، وpitch كعدد صحيح من -12 إلى 12. قيمها الافتراضية هي 1 و1 و0. تضبط هذه العناصر جوانب مختلفة من الأداء المنطوق، لذا اخترها بصورة منفصلة بدل وضع أسمائها في النص.
يقبل voice_setting.emotion القيم happy وsad وangry وfearful وdisgusted وsurprised وcalm وfluent. تصف الوثائق أيضًا المطابقة التلقائية للانفعال انطلاقًا من النص. وللنصوص الكثيفة بالأرقام، يفعّل voice_setting.text_normalization تسوية النص بالصينية والإنجليزية وقيمته الافتراضية false. يتحكم voice_setting.latex_read في قراءة تعبيرات LaTeX، وقيمته الافتراضية أيضًا false. pronunciation_dict.tone مصفوفة من سلاسل قواعد النطق. المثال المنشور هو ["草地/(cao3)(di1)"]؛ حافظ على الكلمة والشرطة المائلة وبنية النطق بين الأقواس عند تقديم قاعدة.
يقبل audio_setting.format القيم mp3 وpcm وflac وwav، مع mp3 كقيمة افتراضية. يقبل sample_rate القيم 8000 و16000 و22050 و24000 و32000 و44100 Hz؛ وقيمته الافتراضية 32000. يكون channel هو 1 للصوت الأحادي أو 2 لقناتين، وقيمته الافتراضية 1. قيم bitrate هي 32000 و64000 و128000 و256000 بت في الثانية، وقيمته الافتراضية 128000، وتنطبق على mp3. اختر الترميز الذي يحتاج إليه المشغّل أو أداة التحرير التي ستستخدم النتيجة.
language_boost سلسلة اختيارية وقيمتها الافتراضية null. قيمها المسموح بها هي Chinese وChinese,Yue وEnglish وArabic وRussian وSpanish وFrench وPortuguese وGerman وTurkish وDutch وUkrainian وVietnamese وIndonesian وJapanese وItalian وKorean وThai وPolish وRomanian وGreek وCzech وFinnish وHindi وBulgarian وDanish وHebrew وMalay وPersian وSlovak وSwedish وCroatian وFilipino وHungarian وNorwegian وSlovenian وCatalan وNynorsk وTamil وAfrikaans وauto. "Chinese,Yue" قيمة واحدة. وهو عنصر تحكم منفصل عن النص ومعرّف الصوت. يتيح المخطط أيضًا timber_weights لقائمة من أزواج voice_id وweight الصحيح، بحيث يتراوح كل وزن من 1 إلى 100. حافظ على تهجئة المعامل timber_weights عند إعداد الطلب. voice_modify.sound_effects سلسلة اختيارية بقيم spacious_echo وauditorium_echo وlofi_telephone وrobotic.
القيمة الافتراضية لـ stream هي false. ولاستجابة كاملة، يختار output_format القيمة url أو hex، وقيمته الافتراضية hex. في نتيجة JSON الموثّقة، يحمل data.audio التمثيل المختار: نزّل URL الموقّع الكامل من Ailoot، بما فيه سلسلة الاستعلام، أو فك ترميز الصوت السداسي العشري كاملًا إلى بايتات. احتفظ بالنتيجة الأصلية مع data.status وbase_resp وtrace_id وextra_info، الذي يتضمن صيغة الصوت الفعلية ومعدل العينات وعدد القنوات والحجم وusage_characters.
subtitle_enable قيمة منطقية افتراضيًا false وتنطبق على المخرجات غير المتدفقة. aigc_watermark قيمة منطقية افتراضيًا false وتتحكم في علامة إيقاع مسموعة في نهاية الصوت المولّد. احتفظ بكل نتيجة صوت أو ترجمة مُعادة، وافحص النطق والأرقام والملف المكتمل قبل وضعه في التطبيق. إذا كان التسليم غير مؤكد، فاحتفظ بمعرّف الطلب الأصلي والاستجابة لفحص المحاولة الموجودة. يحفظ Ailoot أيضًا الصوت المكتمل في مكتبة الوسائط الخاصة بك. مع output_format:"url"، يحتوي data.audio على رابط موقّع لذلك الأصل المحفوظ؛ ويظهر معرّف الأصل في مسار /v1/media/assets/{asset_id}/content الخاص به. تدوم روابط ملفات Ailoot الموقّعة 24 ساعة من إصدارها. استخدم مفتاح API نفسه لإرسال GET /v1/media/assets?family=audio وتابع كل next_cursor للعثور على سجلات الأصول الصوتية. اقرأ GET /v1/media/assets/{asset_id} لكل سجل مختار ونزّل content_url الدقيق الخاص به، بما فيه سلسلة الاستعلام. إذا أعاد طلب ملف 404 مع الرمز link_expired، فاقرأ الأصل نفسه مجددًا للحصول على content_url محدّث. حدّث النتيجة المحفوظة بدل توليد الصوت مجددًا لاستبدال رابط منتهي الصلاحية.
Ailoot Ultra · Speech POST /v1/audio/speech minimax/speech-2.6-hd
minimax/speech-2.6-hdالبداية
Speech 2.6 HD نموذج من MiniMax لتحويل النص إلى كلام، ويحوّل نصًا مكتملًا إلى صوت. تتيح نسخة minimax/speech-2.6-hd عناصر تحكم في الصوت والأداء وصيغة الصوت، مع استجابة JSON كاملة وخيار إخراج الصوت عبر URL أو بالتمثيل السداسي العشري. استخدمه لتحويل سرد مقدّم أو مقطع تعليمي أو شرح عملي لمنتج إلى كلام.
- 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-2.6-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-2.6-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-2.6-hd
الأسماء البديلة لمسارات الطرائق
استخدم مسارات الطرائق المعروضة أعلاه.
معرّفات النماذج ذات الصلة IDs
FAQ · MiniMax: Speech 2.6 HD
- ما المدخلات والنتائج المتاحة؟
POST /v1/audio/speech·minimax/speech-2.6-hd:text→audio- ما الحقول التي يستخدمها الطلب؟
POST /v1/audio/speech·minimax/speech-2.6-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-2.6-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