{ "aboutHtml": "

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.

", "aboutText": "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.\n\nيجب 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.\n\nاختر 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.\n\nيقبل 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.\n\nيقبل 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.\n\nlanguage_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.\n\nالقيمة 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.\n\nsubtitle_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.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "b6383cfae8ef073a56012a04094e56a3e60e21576b98a4a74cf17151ee2f0993", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "ar", "methods": [ { "html": "

MM

MiniMax: Speech 2.6 HD

MiniMax /minimax/speech-2.6-hd

البداية

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

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.

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
الحقل`model`	النوع`string`	المتطلبمطلوب	القيم والحدود minimax/speech-2.6-hd	القيمة الافتراضية—
الحقل`text`	النوع`string`	المتطلبمطلوب	القيم والحدود	القيمة الافتراضية—
الحقل`stream`	النوع`boolean`	المتطلباختياري	القيم والحدود false	القيمة الافتراضيةfalse
الحقل`voice_setting`	النوع`object`	المتطلباختياري	القيم والحدود	القيمة الافتراضية—
الحقل`voice_setting.voice_id`	النوع`string`	المتطلباختياري	القيم والحدود	القيمة الافتراضية—
الحقل`voice_setting.speed`	النوع`number`	المتطلباختياري	القيم والحدود الحد الأدنى: ⁦0.5⁩ الحد الأقصى: ⁦2⁩	القيمة الافتراضية⁦1⁩
الحقل`voice_setting.vol`	النوع`number`	المتطلباختياري	القيم والحدود الحد الأدنى: ⁦0⁩ الحد الأقصى: ⁦10⁩	القيمة الافتراضية⁦1⁩
الحقل`voice_setting.pitch`	النوع`integer`	المتطلباختياري	القيم والحدود الحد الأدنى: ⁦‎-12⁩ الحد الأقصى: ⁦12⁩	القيمة الافتراضية⁦0⁩
الحقل`voice_setting.emotion`	النوع`string`	المتطلباختياري	القيم والحدود happy, sad, angry, fearful, disgusted, surprised, calm, fluent	القيمة الافتراضية—
الحقل`voice_setting.text_normalization`	النوع`boolean`	المتطلباختياري	القيم والحدود	القيمة الافتراضيةfalse
الحقل`voice_setting.latex_read`	النوع`boolean`	المتطلباختياري	القيم والحدود	القيمة الافتراضيةfalse
الحقل`audio_setting`	النوع`object`	المتطلباختياري	القيم والحدود	القيمة الافتراضية—
الحقل`audio_setting.sample_rate`	النوع`integer`	المتطلباختياري	القيم والحدود ⁦8,000⁩, ⁦16,000⁩, ⁦22,050⁩, ⁦24,000⁩, ⁦32,000⁩, ⁦44,100⁩	القيمة الافتراضية⁦32,000⁩
الحقل`audio_setting.bitrate`	النوع`integer`	المتطلباختياري	القيم والحدود ⁦32,000⁩, ⁦64,000⁩, ⁦128,000⁩, ⁦256,000⁩	القيمة الافتراضية⁦128,000⁩
الحقل`audio_setting.format`	النوع`string`	المتطلباختياري	القيم والحدود mp3, pcm, flac, wav	القيمة الافتراضيةmp3
الحقل`audio_setting.channel`	النوع`integer`	المتطلباختياري	القيم والحدود ⁦1⁩, ⁦2⁩	القيمة الافتراضية⁦1⁩
الحقل`audio_setting.force_cbr`	النوع`boolean`	المتطلباختياري	القيم والحدود	القيمة الافتراضيةfalse
الحقل`pronunciation_dict`	النوع`object`	المتطلباختياري	القيم والحدود	القيمة الافتراضية—
الحقل`pronunciation_dict.tone`	النوع`array`	المتطلباختياري	القيم والحدود	القيمة الافتراضية—
الحقل`timber_weights`	النوع`array`	المتطلباختياري	القيم والحدود	القيمة الافتراضية—
الحقل`language_boost`	النوع`string`	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—
الحقل`voice_modify`	النوع`object`	المتطلباختياري	القيم والحدود	القيمة الافتراضية—
الحقل`voice_modify.pitch`	النوع`integer`	المتطلباختياري	القيم والحدود ⁦‎-100⁩, ⁦100⁩	القيمة الافتراضية—
الحقل`voice_modify.intensity`	النوع`integer`	المتطلباختياري	القيم والحدود ⁦‎-100⁩, ⁦100⁩	القيمة الافتراضية—
الحقل`voice_modify.timbre`	النوع`integer`	المتطلباختياري	القيم والحدود ⁦‎-100⁩, ⁦100⁩	القيمة الافتراضية—
الحقل`voice_modify.sound_effects`	النوع`string`	المتطلباختياري	القيم والحدود spacious_echo, auditorium_echo, lofi_telephone, robotic	القيمة الافتراضية—
الحقل`subtitle_enable`	النوع`boolean`	المتطلباختياري	القيم والحدود	القيمة الافتراضيةfalse
الحقل`output_format`	النوع`string`	المتطلباختياري	القيم والحدود url, hex	القيمة الافتراضيةhex
الحقل`aigc_watermark`	النوع`boolean`	المتطلباختياري	القيم والحدود	القيمة الافتراضيةfalse

معلمات الطريقة ودورة حياتها

المعلمة	المواصفات
المعلمة`content_type`	المواصفاتapplication/json
المعلمة`required`	المواصفاتmodel, text
المعلمة`optional`	المواصفاتstream, voice_setting, audio_setting, pronunciation_dict, timber_weights, language_boost, voice_modify, subtitle_enable, output_format, aigc_watermark
المعلمة`material_types`	المواصفاتtext
المعلمة`conditions`	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\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=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}}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/speech \\\n  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n  --data-binary @request.json -D response-headers.txt -o result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\n

استلام النتائج وحفظها

Ailoot Ultra · Speech

mp3,pcm,flac,wav

GET /v1/media/assets
GET /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
الحقل`data.audio`	النوعstring
الحقل`extra_info`	النوعobject
الحقل`trace_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

minimax/speech-2.6-hd

", "method_identity": { "effective_request_model_id": "minimax/speech-2.6-hd", "fmt": "speech", "http": "POST", "path": "/v1/audio/speech", "request_model_id": "minimax/speech-2.6-hd", "route_label": "Ultra" }, "method_key": "Ultra|speech|/v1/audio/speech|minimax%2Fspeech-2.6-hd", "ordinal": 0, "rawMethod": { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Retain the complete response, all actual results, original identifiers, usage and response headers.", "authentication": { "api_key_source": "AILOOT_API_KEY", "header": "Authorization: Bearer" }, "example_body": { "audio_setting": { "channel": 1, "format": "mp3", "sample_rate": 32000 }, "model": "minimax/speech-2.6-hd", "output_format": "hex", "stream": false, "text": "Hello, this is a short speech example." }, "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets", "query": { "cursor": "actual returned next_cursor, when present", "family": "audio" } }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "cancel_endpoint": null, "create": { "http": "POST", "path": "/v1/audio/speech" }, "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "owned_content": { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "Use the exact returned content_url. Refresh an expired link by reading the same existing asset." }, "status": [], "unknown": "Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.", "unknown_no_replay": true }, "outputs": { "all_results": "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.", "family": "audio", "fields": [ { "name": "data.audio", "type": "string" }, { "name": "extra_info", "type": "object" }, { "name": "trace_id", "type": "string" } ], "format": [ "mp3", "pcm", "flac", "wav" ] }, "parameters": [ { "default_known": false, "enum": [ "minimax/speech-2.6-hd" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "default_known": false, "enum_known": false, "maxLength": 9999, "minLength": 1, "name": "text", "required": true, "type": "string" }, { "default": false, "default_known": true, "enum": [ false ], "enum_known": true, "name": "stream", "required": false, "type": "boolean" }, { "default_known": false, "enum_known": false, "name": "voice_setting", "properties": { "emotion": { "enum": [ "happy", "sad", "angry", "fearful", "disgusted", "surprised", "calm", "fluent" ], "type": "string" }, "latex_read": { "default": false, "type": "boolean" }, "pitch": { "default": 0, "maximum": 12, "minimum": -12, "type": "integer" }, "speed": { "default": 1, "maximum": 2, "minimum": 0.5, "type": "number" }, "text_normalization": { "default": false, "type": "boolean" }, "voice_id": { "type": "string" }, "vol": { "default": 1, "exclusiveMinimum": true, "maximum": 10, "minimum": 0, "type": "number" } }, "required": false, "type": "object" }, { "default_known": false, "enum_known": false, "name": "voice_setting.voice_id", "required": false, "type": "string" }, { "default": 1, "default_known": true, "enum_known": false, "maximum": 2, "minimum": 0.5, "name": "voice_setting.speed", "required": false, "type": "number" }, { "default": 1, "default_known": true, "enum_known": false, "exclusiveMinimum": true, "maximum": 10, "minimum": 0, "name": "voice_setting.vol", "required": false, "type": "number" }, { "default": 0, "default_known": true, "enum_known": false, "maximum": 12, "minimum": -12, "name": "voice_setting.pitch", "required": false, "type": "integer" }, { "default_known": false, "enum": [ "happy", "sad", "angry", "fearful", "disgusted", "surprised", "calm", "fluent" ], "enum_known": true, "name": "voice_setting.emotion", "required": false, "type": "string" }, { "default": false, "default_known": true, "enum_known": false, "name": "voice_setting.text_normalization", "required": false, "type": "boolean" }, { "default": false, "default_known": true, "enum_known": false, "name": "voice_setting.latex_read", "required": false, "type": "boolean" }, { "default_known": false, "enum_known": false, "name": "audio_setting", "properties": { "bitrate": { "default": 128000, "enum": [ 32000, 64000, 128000, 256000 ], "type": "integer" }, "channel": { "default": 1, "enum": [ 1, 2 ], "type": "integer" }, "force_cbr": { "default": false, "type": "boolean" }, "format": { "default": "mp3", "enum": [ "mp3", "pcm", "flac", "wav" ], "type": "string" }, "sample_rate": { "default": 32000, "enum": [ 8000, 16000, 22050, 24000, 32000, 44100 ], "type": "integer" } }, "required": false, "type": "object" }, { "default": 32000, "default_known": true, "enum": [ 8000, 16000, 22050, 24000, 32000, 44100 ], "enum_known": true, "name": "audio_setting.sample_rate", "required": false, "type": "integer" }, { "default": 128000, "default_known": true, "enum": [ 32000, 64000, 128000, 256000 ], "enum_known": true, "name": "audio_setting.bitrate", "required": false, "type": "integer" }, { "default": "mp3", "default_known": true, "enum": [ "mp3", "pcm", "flac", "wav" ], "enum_known": true, "name": "audio_setting.format", "required": false, "type": "string" }, { "default": 1, "default_known": true, "enum": [ 1, 2 ], "enum_known": true, "name": "audio_setting.channel", "required": false, "type": "integer" }, { "default": false, "default_known": true, "enum_known": false, "name": "audio_setting.force_cbr", "required": false, "type": "boolean" }, { "default_known": false, "enum_known": false, "name": "pronunciation_dict", "properties": { "tone": { "items": { "type": "string" }, "type": "array" } }, "required": false, "type": "object" }, { "default_known": false, "enum_known": false, "items": { "type": "string" }, "name": "pronunciation_dict.tone", "required": false, "type": "array" }, { "default_known": false, "enum_known": false, "items": { "properties": { "voice_id": { "type": "string" }, "weight": { "type": "integer" } }, "type": "object" }, "name": "timber_weights", "required": false, "type": "array" }, { "default_known": false, "enum": [ "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" ], "enum_known": true, "name": "language_boost", "required": false, "type": "string" }, { "default_known": false, "enum_known": false, "name": "voice_modify", "properties": { "intensity": { "enum": [ -100, 100 ], "type": "integer" }, "pitch": { "enum": [ -100, 100 ], "type": "integer" }, "sound_effects": { "enum": [ "spacious_echo", "auditorium_echo", "lofi_telephone", "robotic" ], "type": "string" }, "timbre": { "enum": [ -100, 100 ], "type": "integer" } }, "required": false, "type": "object" }, { "default_known": false, "enum": [ -100, 100 ], "enum_known": true, "name": "voice_modify.pitch", "required": false, "type": "integer" }, { "default_known": false, "enum": [ -100, 100 ], "enum_known": true, "name": "voice_modify.intensity", "required": false, "type": "integer" }, { "default_known": false, "enum": [ -100, 100 ], "enum_known": true, "name": "voice_modify.timbre", "required": false, "type": "integer" }, { "default_known": false, "enum": [ "spacious_echo", "auditorium_echo", "lofi_telephone", "robotic" ], "enum_known": true, "name": "voice_modify.sound_effects", "required": false, "type": "string" }, { "default": false, "default_known": true, "enum_known": false, "name": "subtitle_enable", "required": false, "type": "boolean" }, { "default": "hex", "default_known": true, "enum": [ "url", "hex" ], "enum_known": true, "name": "output_format", "required": false, "type": "string" }, { "default": false, "default_known": true, "enum_known": false, "name": "aigc_watermark", "required": false, "type": "boolean" } ], "request_schema": { "properties": { "aigc_watermark": { "default": false, "type": "boolean" }, "audio_setting": { "properties": { "bitrate": { "default": 128000, "enum": [ 32000, 64000, 128000, 256000 ], "type": "integer" }, "channel": { "default": 1, "enum": [ 1, 2 ], "type": "integer" }, "force_cbr": { "default": false, "type": "boolean" }, "format": { "default": "mp3", "enum": [ "mp3", "pcm", "flac", "wav" ], "type": "string" }, "sample_rate": { "default": 32000, "enum": [ 8000, 16000, 22050, 24000, 32000, 44100 ], "type": "integer" } }, "type": "object" }, "language_boost": { "enum": [ "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" ], "type": "string" }, "model": { "enum": [ "minimax/speech-2.6-hd" ], "type": "string" }, "output_format": { "default": "hex", "enum": [ "url", "hex" ], "type": "string" }, "pronunciation_dict": { "properties": { "tone": { "items": { "type": "string" }, "type": "array" } }, "type": "object" }, "stream": { "default": false, "enum": [ false ], "type": "boolean" }, "subtitle_enable": { "default": false, "type": "boolean" }, "text": { "maxLength": 9999, "minLength": 1, "type": "string" }, "timber_weights": { "items": { "properties": { "voice_id": { "type": "string" }, "weight": { "type": "integer" } }, "type": "object" }, "type": "array" }, "voice_modify": { "properties": { "intensity": { "enum": [ -100, 100 ], "type": "integer" }, "pitch": { "enum": [ -100, 100 ], "type": "integer" }, "sound_effects": { "enum": [ "spacious_echo", "auditorium_echo", "lofi_telephone", "robotic" ], "type": "string" }, "timbre": { "enum": [ -100, 100 ], "type": "integer" } }, "type": "object" }, "voice_setting": { "properties": { "emotion": { "enum": [ "happy", "sad", "angry", "fearful", "disgusted", "surprised", "calm", "fluent" ], "type": "string" }, "latex_read": { "default": false, "type": "boolean" }, "pitch": { "default": 0, "maximum": 12, "minimum": -12, "type": "integer" }, "speed": { "default": 1, "maximum": 2, "minimum": 0.5, "type": "number" }, "text_normalization": { "default": false, "type": "boolean" }, "voice_id": { "type": "string" }, "vol": { "default": 1, "exclusiveMinimum": true, "maximum": 10, "minimum": 0, "type": "number" } }, "type": "object" } }, "required": [ "model", "text" ], "type": "object" }, "schema_template": { "body": { "audio_setting": { "channel": 1, "format": "mp3", "sample_rate": 32000 }, "model": "minimax/speech-2.6-hd", "output_format": "hex", "stream": false, "text": "Hello, this is a short speech example." }, "content_type": "application/json" } }, "input": { "conditions": [ "Use 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." ], "content_type": "application/json", "material_types": [ "text" ], "optional": [ "stream", "voice_setting", "audio_setting", "pronunciation_dict", "timber_weights", "language_boost", "voice_modify", "subtitle_enable", "output_format", "aigc_watermark" ], "required": [ "model", "text" ] }, "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets", "query": { "cursor": "actual returned next_cursor, when present", "family": "audio" } }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "cancel_endpoint": null, "create": { "http": "POST", "path": "/v1/audio/speech" }, "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "owned_content": { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "Use the exact returned content_url. Refresh an expired link by reading the same existing asset." }, "status": [], "unknown": "Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.", "unknown_no_replay": true }, "method": { "http": "POST", "path": "/v1/audio/speech" }, "method_aliases": [], "output": { "all_results": "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.", "family": "audio", "fields": [ { "name": "data.audio", "type": "string" }, { "name": "extra_info", "type": "object" }, { "name": "trace_id", "type": "string" } ], "format": [ "mp3", "pcm", "flac", "wav" ] } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "per input character" }, "label": "input character", "units": [ { "amount": "0.0002", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_character", "label": "input character", "native_amount_usd_per_unit": "0.0002", "native_quantity": 1, "public_unit_label": "per input character", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_character" } ] } ], "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=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}}')\n\nPath(\"request.json\").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/speech \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\n", "label": "curl · create once and retain the complete result", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "speech", "http": "POST", "img_in": null, "img_out": null, "in": null, "input": [ "text" ], "label": "Speech", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "out": null, "output": [ "audio" ], "path": "/v1/audio/speech", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "per_request", "cache_read_price": null, "cache_write_1h_price": null, "cache_write_price": null, "fast_multiplier": null, "flex_multiplier": null, "image_input_price": null, "image_output_price": null, "input_price": null, "intervals": null, "max_reasoning_effort_multiplier": null, "output_price": null, "per_request_price": null, "unit_prices": { "audio_input_character": "0.0002" } }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "per input character" }, "label": "input character", "units": [ { "amount": "0.0002", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_character", "label": "input character", "native_amount_usd_per_unit": "0.0002", "native_quantity": 1, "public_unit_label": "per input character", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_character" } ] } ], "request_model_id": "minimax/speech-2.6-hd", "route_label": "Ultra", "status_reads": [], "tiers": [], "unit": "per_request", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" }, { "amount": "0.0002", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_character", "label": "input character", "native_amount_usd_per_unit": "0.0002", "native_quantity": 1, "public_unit_label": "per input character", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_character" } ] } } ], "model_id": "minimax/speech-2.6-hd", "nativeProvenance": { "input_facts_canonical_sha256": "42a10f07e41a1085348676b065dea6440fe7d51f324d47bf1af06b7b28b487bd", "input_html_sha256": "5580a3af8975da2ff40d8ea0660947f575a9f6d9b225fa608f1c28c5150eecad", "private_audit_sha256": "7a7aa4f59916314f3db3c4adcf32bfc1f1c1723b1fac9205426368a1222dba9a", "role": "historical-normalized-input-audit-hashes", "schema": "ailoot-native-model-provenance-v2" }, "page": { "canonical": "https://ailoot.ai/models/ar/minimax-speech-2-6-hd/", "description": "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.", "locale": "ar", "md_url": "https://ailoot.ai/models/ar/minimax-speech-2-6-hd/index.md", "title": "MiniMax: Speech 2.6 HD — Ailoot", "url": "https://ailoot.ai/models/ar/minimax-speech-2-6-hd/" }, "rawModel": { "about": "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.\n\nيجب 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.\n\nاختر 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.\n\nيقبل 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.\n\nيقبل 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.\n\nlanguage_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.\n\nالقيمة 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.\n\nsubtitle_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.", "alias_of": null, "aliases": [], "author": "MiniMax", "ctx": null, "formats": [ "speech" ], "id": "minimax/speech-2.6-hd", "input": [ "text" ], "kind": "speech", "max_out": null, "methods": [ { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Retain the complete response, all actual results, original identifiers, usage and response headers.", "authentication": { "api_key_source": "AILOOT_API_KEY", "header": "Authorization: Bearer" }, "example_body": { "audio_setting": { "channel": 1, "format": "mp3", "sample_rate": 32000 }, "model": "minimax/speech-2.6-hd", "output_format": "hex", "stream": false, "text": "Hello, this is a short speech example." }, "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets", "query": { "cursor": "actual returned next_cursor, when present", "family": "audio" } }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "cancel_endpoint": null, "create": { "http": "POST", "path": "/v1/audio/speech" }, "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "owned_content": { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "Use the exact returned content_url. Refresh an expired link by reading the same existing asset." }, "status": [], "unknown": "Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.", "unknown_no_replay": true }, "outputs": { "all_results": "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.", "family": "audio", "fields": [ { "name": "data.audio", "type": "string" }, { "name": "extra_info", "type": "object" }, { "name": "trace_id", "type": "string" } ], "format": [ "mp3", "pcm", "flac", "wav" ] }, "parameters": [ { "default_known": false, "enum": [ "minimax/speech-2.6-hd" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "default_known": false, "enum_known": false, "maxLength": 9999, "minLength": 1, "name": "text", "required": true, "type": "string" }, { "default": false, "default_known": true, "enum": [ false ], "enum_known": true, "name": "stream", "required": false, "type": "boolean" }, { "default_known": false, "enum_known": false, "name": "voice_setting", "properties": { "emotion": { "enum": [ "happy", "sad", "angry", "fearful", "disgusted", "surprised", "calm", "fluent" ], "type": "string" }, "latex_read": { "default": false, "type": "boolean" }, "pitch": { "default": 0, "maximum": 12, "minimum": -12, "type": "integer" }, "speed": { "default": 1, "maximum": 2, "minimum": 0.5, "type": "number" }, "text_normalization": { "default": false, "type": "boolean" }, "voice_id": { "type": "string" }, "vol": { "default": 1, "exclusiveMinimum": true, "maximum": 10, "minimum": 0, "type": "number" } }, "required": false, "type": "object" }, { "default_known": false, "enum_known": false, "name": "voice_setting.voice_id", "required": false, "type": "string" }, { "default": 1, "default_known": true, "enum_known": false, "maximum": 2, "minimum": 0.5, "name": "voice_setting.speed", "required": false, "type": "number" }, { "default": 1, "default_known": true, "enum_known": false, "exclusiveMinimum": true, "maximum": 10, "minimum": 0, "name": "voice_setting.vol", "required": false, "type": "number" }, { "default": 0, "default_known": true, "enum_known": false, "maximum": 12, "minimum": -12, "name": "voice_setting.pitch", "required": false, "type": "integer" }, { "default_known": false, "enum": [ "happy", "sad", "angry", "fearful", "disgusted", "surprised", "calm", "fluent" ], "enum_known": true, "name": "voice_setting.emotion", "required": false, "type": "string" }, { "default": false, "default_known": true, "enum_known": false, "name": "voice_setting.text_normalization", "required": false, "type": "boolean" }, { "default": false, "default_known": true, "enum_known": false, "name": "voice_setting.latex_read", "required": false, "type": "boolean" }, { "default_known": false, "enum_known": false, "name": "audio_setting", "properties": { "bitrate": { "default": 128000, "enum": [ 32000, 64000, 128000, 256000 ], "type": "integer" }, "channel": { "default": 1, "enum": [ 1, 2 ], "type": "integer" }, "force_cbr": { "default": false, "type": "boolean" }, "format": { "default": "mp3", "enum": [ "mp3", "pcm", "flac", "wav" ], "type": "string" }, "sample_rate": { "default": 32000, "enum": [ 8000, 16000, 22050, 24000, 32000, 44100 ], "type": "integer" } }, "required": false, "type": "object" }, { "default": 32000, "default_known": true, "enum": [ 8000, 16000, 22050, 24000, 32000, 44100 ], "enum_known": true, "name": "audio_setting.sample_rate", "required": false, "type": "integer" }, { "default": 128000, "default_known": true, "enum": [ 32000, 64000, 128000, 256000 ], "enum_known": true, "name": "audio_setting.bitrate", "required": false, "type": "integer" }, { "default": "mp3", "default_known": true, "enum": [ "mp3", "pcm", "flac", "wav" ], "enum_known": true, "name": "audio_setting.format", "required": false, "type": "string" }, { "default": 1, "default_known": true, "enum": [ 1, 2 ], "enum_known": true, "name": "audio_setting.channel", "required": false, "type": "integer" }, { "default": false, "default_known": true, "enum_known": false, "name": "audio_setting.force_cbr", "required": false, "type": "boolean" }, { "default_known": false, "enum_known": false, "name": "pronunciation_dict", "properties": { "tone": { "items": { "type": "string" }, "type": "array" } }, "required": false, "type": "object" }, { "default_known": false, "enum_known": false, "items": { "type": "string" }, "name": "pronunciation_dict.tone", "required": false, "type": "array" }, { "default_known": false, "enum_known": false, "items": { "properties": { "voice_id": { "type": "string" }, "weight": { "type": "integer" } }, "type": "object" }, "name": "timber_weights", "required": false, "type": "array" }, { "default_known": false, "enum": [ "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" ], "enum_known": true, "name": "language_boost", "required": false, "type": "string" }, { "default_known": false, "enum_known": false, "name": "voice_modify", "properties": { "intensity": { "enum": [ -100, 100 ], "type": "integer" }, "pitch": { "enum": [ -100, 100 ], "type": "integer" }, "sound_effects": { "enum": [ "spacious_echo", "auditorium_echo", "lofi_telephone", "robotic" ], "type": "string" }, "timbre": { "enum": [ -100, 100 ], "type": "integer" } }, "required": false, "type": "object" }, { "default_known": false, "enum": [ -100, 100 ], "enum_known": true, "name": "voice_modify.pitch", "required": false, "type": "integer" }, { "default_known": false, "enum": [ -100, 100 ], "enum_known": true, "name": "voice_modify.intensity", "required": false, "type": "integer" }, { "default_known": false, "enum": [ -100, 100 ], "enum_known": true, "name": "voice_modify.timbre", "required": false, "type": "integer" }, { "default_known": false, "enum": [ "spacious_echo", "auditorium_echo", "lofi_telephone", "robotic" ], "enum_known": true, "name": "voice_modify.sound_effects", "required": false, "type": "string" }, { "default": false, "default_known": true, "enum_known": false, "name": "subtitle_enable", "required": false, "type": "boolean" }, { "default": "hex", "default_known": true, "enum": [ "url", "hex" ], "enum_known": true, "name": "output_format", "required": false, "type": "string" }, { "default": false, "default_known": true, "enum_known": false, "name": "aigc_watermark", "required": false, "type": "boolean" } ], "request_schema": { "properties": { "aigc_watermark": { "default": false, "type": "boolean" }, "audio_setting": { "properties": { "bitrate": { "default": 128000, "enum": [ 32000, 64000, 128000, 256000 ], "type": "integer" }, "channel": { "default": 1, "enum": [ 1, 2 ], "type": "integer" }, "force_cbr": { "default": false, "type": "boolean" }, "format": { "default": "mp3", "enum": [ "mp3", "pcm", "flac", "wav" ], "type": "string" }, "sample_rate": { "default": 32000, "enum": [ 8000, 16000, 22050, 24000, 32000, 44100 ], "type": "integer" } }, "type": "object" }, "language_boost": { "enum": [ "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" ], "type": "string" }, "model": { "enum": [ "minimax/speech-2.6-hd" ], "type": "string" }, "output_format": { "default": "hex", "enum": [ "url", "hex" ], "type": "string" }, "pronunciation_dict": { "properties": { "tone": { "items": { "type": "string" }, "type": "array" } }, "type": "object" }, "stream": { "default": false, "enum": [ false ], "type": "boolean" }, "subtitle_enable": { "default": false, "type": "boolean" }, "text": { "maxLength": 9999, "minLength": 1, "type": "string" }, "timber_weights": { "items": { "properties": { "voice_id": { "type": "string" }, "weight": { "type": "integer" } }, "type": "object" }, "type": "array" }, "voice_modify": { "properties": { "intensity": { "enum": [ -100, 100 ], "type": "integer" }, "pitch": { "enum": [ -100, 100 ], "type": "integer" }, "sound_effects": { "enum": [ "spacious_echo", "auditorium_echo", "lofi_telephone", "robotic" ], "type": "string" }, "timbre": { "enum": [ -100, 100 ], "type": "integer" } }, "type": "object" }, "voice_setting": { "properties": { "emotion": { "enum": [ "happy", "sad", "angry", "fearful", "disgusted", "surprised", "calm", "fluent" ], "type": "string" }, "latex_read": { "default": false, "type": "boolean" }, "pitch": { "default": 0, "maximum": 12, "minimum": -12, "type": "integer" }, "speed": { "default": 1, "maximum": 2, "minimum": 0.5, "type": "number" }, "text_normalization": { "default": false, "type": "boolean" }, "voice_id": { "type": "string" }, "vol": { "default": 1, "exclusiveMinimum": true, "maximum": 10, "minimum": 0, "type": "number" } }, "type": "object" } }, "required": [ "model", "text" ], "type": "object" }, "schema_template": { "body": { "audio_setting": { "channel": 1, "format": "mp3", "sample_rate": 32000 }, "model": "minimax/speech-2.6-hd", "output_format": "hex", "stream": false, "text": "Hello, this is a short speech example." }, "content_type": "application/json" } }, "input": { "conditions": [ "Use 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." ], "content_type": "application/json", "material_types": [ "text" ], "optional": [ "stream", "voice_setting", "audio_setting", "pronunciation_dict", "timber_weights", "language_boost", "voice_modify", "subtitle_enable", "output_format", "aigc_watermark" ], "required": [ "model", "text" ] }, "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets", "query": { "cursor": "actual returned next_cursor, when present", "family": "audio" } }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "cancel_endpoint": null, "create": { "http": "POST", "path": "/v1/audio/speech" }, "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "owned_content": { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "Use the exact returned content_url. Refresh an expired link by reading the same existing asset." }, "status": [], "unknown": "Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.", "unknown_no_replay": true }, "method": { "http": "POST", "path": "/v1/audio/speech" }, "method_aliases": [], "output": { "all_results": "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.", "family": "audio", "fields": [ { "name": "data.audio", "type": "string" }, { "name": "extra_info", "type": "object" }, { "name": "trace_id", "type": "string" } ], "format": [ "mp3", "pcm", "flac", "wav" ] } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "per input character" }, "label": "input character", "units": [ { "amount": "0.0002", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_character", "label": "input character", "native_amount_usd_per_unit": "0.0002", "native_quantity": 1, "public_unit_label": "per input character", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_character" } ] } ], "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=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}}')\n\nPath(\"request.json\").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/speech \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\n", "label": "curl · create once and retain the complete result", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "speech", "http": "POST", "img_in": null, "img_out": null, "in": null, "input": [ "text" ], "label": "Speech", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "out": null, "output": [ "audio" ], "path": "/v1/audio/speech", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "per_request", "cache_read_price": null, "cache_write_1h_price": null, "cache_write_price": null, "fast_multiplier": null, "flex_multiplier": null, "image_input_price": null, "image_output_price": null, "input_price": null, "intervals": null, "max_reasoning_effort_multiplier": null, "output_price": null, "per_request_price": null, "unit_prices": { "audio_input_character": "0.0002" } }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "per input character" }, "label": "input character", "units": [ { "amount": "0.0002", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_character", "label": "input character", "native_amount_usd_per_unit": "0.0002", "native_quantity": 1, "public_unit_label": "per input character", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_character" } ] } ], "request_model_id": "minimax/speech-2.6-hd", "route_label": "Ultra", "status_reads": [], "tiers": [], "unit": "per_request", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" }, { "amount": "0.0002", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_character", "label": "input character", "native_amount_usd_per_unit": "0.0002", "native_quantity": 1, "public_unit_label": "per input character", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_character" } ] } ], "model_aliases": [ { "canonical_model_id": "minimax/speech-2.6-hd", "request_model_id": "minimax/speech-2.6-hd", "route_label": "Ultra" } ], "name": "MiniMax: Speech 2.6 HD", "price": { "in": "0.0002", "in_label": "per input character", "out": null, "out_label": null, "sort_in": null, "sort_out": null, "varies": false }, "short": "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." }, "renderer_schema": { "method_order": "Original DTO methods order; every exact route/format/path/caller survives.", "prices": "Original public DTO fields and original native display HTML; no flattened or normalized offers." }, "representation": "exact-public-dto-and-native-renderer-html", "representationNotes": { "current_reference": { "about_json_pointer": "/aboutHtml", "methods": [ { "contract_json_pointer": "/methods/0/rawMethod/contract", "html_json_pointer": "/methods/0/html", "method_ordinal": 0 } ], "role": "current-semantic-reference" }, "raw_input": { "examples_role": "historical-input-not-current-ready-examples", "json_pointers": [ "/rawModel", "/methods/0/rawMethod" ], "role": "historical-owner-input" }, "schema": "ailoot-native-model-representations-v1" }, "schema": "ailoot-static-model-facts-v1", "schema_version": 1, "shortText": "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.", "source": { "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1", "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036", "raw_model_json_sha256": "cbce7099efe0b1d0cf3578d3c021c7af0b134852e8888ba06f4e44a33f65f0c5", "renderer_sha256": "081ee0fd5b6b1b60564b02c52d62547e01e922c8c0a16e91a0d055073e76a10e" }, "sourceRevision": "8ca62c12e6908b42c3e3bc153964c6bbf9498ec0457f810da6f3059ae4863efe" }