speech-02-hd
Speech-02 HD هو نموذج لتوليد الكلام يركز على جودة الصوت وتشابه الصوت.
عن النموذج
يغطي هذا الوصف قدرات النموذج. وترد أدناه المدخلات والمخرجات والخيارات المتاحة في Ailoot للطريقة المحددة.
صوت للأداء والقراءة الطويلة
ينشئ Speech 02 HD كلامًا مع التركيز على الجودة والإيقاع وثبات الصوت. يبرز المصنّع قراءة المواد والكتب الصوتية، حيث يجب أن يحتفظ الصوت بطابعه عبر نص طويل. هذا نموذج توليد: يقبل النص ويحوله إلى صوت كلام.
الجمع بين النص وجرس الصوت
تستند عائلة Speech 02 إلى بنية Transformer ذاتية الانحدار ومشفّر متحدث قابل للتعلم. دُرّب استخراج جرس الصوت وتوليد الكلام معًا لمواءمة خصائص الصوت بالمحتوى. تشمل قدرات العائلة استخدام أصوات مستنسخة مُعدة والجمع بين اللغة واللكنة وطريقة النطق.
المشاعر والقراءة متعددة اللغات
قد تُحدد المشاعر من معنى النص أو يدويًا. تتوفر السعادة والحزن والغضب والخوف والاشمئزاز والدهشة والهدوء. يعمل النموذج بالروسية والإنجليزية ولغات أخرى؛ ويصف المصنّع لكنات إنجليزية مختلفة والصينية والكانتونية واليابانية والكورية ولغات أوروبية وغيرها.
يستثني وصف Speech 02 الحالي الفارسية والفلبينية والتاميلية بصورة منفصلة. لا ينبغي نقل القائمة اللغوية العامة للأجيال الأحدث من Speech تلقائيًا إلى هذا الإصدار.
إعداد الصوت
يتيح التوليد اختيار الصوت وتغيير السرعة 0,5–2 ومستوى الصوت فوق 0 وحتى 10 وطبقة الصوت من −12 إلى 12. يمكن لقاموس النطق استبدال الكتابة بالقراءة المطلوبة؛ وتُدعم الرموز الصوتية وطرق النطق اليابانية. يساعد ذلك على التحكم بنطق الأسماء والكلمات الملتبسة.
التوقفات والصوت النهائي
يتيح المصنّع توقفات بين الأجزاء المنطوقة مدتها 0,01–99,99 ثانية. تُحدد المدة بدقة منزلتين عشريتين؛ وتوضع العلامات بين الأجزاء المنطوقة ولا تُكرر متتابعةً. يجب أن يحتوي نص الطلب المتزامن الواحد على أقل من 10 000 حرف. يمكن الحصول على الصوت كاملًا أو تدريجيًا؛ ويُنصح بالإخراج المتدفق للنصوص فوق 3000 حرف.
من صيغ النموذج MP3 وWAV وFLAC وPCM؛ وتصف إعدادات التوليد العامة أيضًا Opus ونسخ G.711 μ-law. يمكن استخدام صوت أحادي أو ستيريو. تتوفر في هذه البطاقة قراءة النص، وتُطبق إعدادات الصوت الموسعة والتحضير المنفصل للصوت ضمن طريقة الاستدعاء المدعومة عبر Ailoot فقط.
تشمل إعدادات الصوت الإضافية ترددات أخذ العينات 8 و16 و22,05 و24 و32 و44,1 كيلوهرتز. تتوفر لـMP3 معدلات بت 32 أو64 أو128 أو256 كيلوبت/ثانية. يمكن أيضًا تغيير طابع الصوت وتطبيق تأثير واحد: صدى واسع أو صدى قاعة أو صوت هاتفي أو آلي. تُدعم تأثيرات تغيير الصوت لـMP3 وWAV وFLAC عند تلقي الصوت كاملًا، ولـMP3 فقط في الإخراج المتدفق. تستخدم صيغ G.711 μ-law تردد 8 كيلوهرتز. تخص هذه الإمكانات إعدادات التوليد من MiniMax.
يتيح المصنّع مزامنة الكلام بالنص: طوابع زمنية للجمل أو الكلمات أو الكلمات في الإخراج التدريجي. تساعد هذه النتيجة على مطابقة النطق بعرض النص. تحتاج الإمكانية الإضافية دعم صيغة الإجابة المعنية.
Ailoot · توليد الكلام POST /v1/audio/speech speech-02-hd
speech-02-hdالبداية
Speech-02 HD هو نموذج لتوليد الكلام يركز على جودة الصوت وتشابه الصوت.
- المدخلات المقبولة
- النص
- النتائج
- speech
متاح في Ailoot · المدخلات والطرائق
Ailoot · توليد الكلام POST /v1/audio/speech
- الإدخال
text- الإخراج
speech- صيغة الإخراج
- mp3
| الحقل | النوع | المتطلب | القيم والحدود | القيمة الافتراضية |
|---|---|---|---|---|
الحقلmodel | النوعstring | المتطلبمطلوب | القيم والحدود speech-02-hd | القيمة الافتراضية— |
الحقلinput | النوعstring | المتطلبمطلوب | القيم والحدود الحد الأدنى للطول: 1 الحد الأقصى للطول (غير شامل): 10,000 الوحدة: محارف Unicode | القيمة الافتراضية— |
الحقلvoice | النوعstring | المتطلبمطلوب | القيم والحدود النمط: ^[A-Za-z0-9_-]{1,128}$ | القيمة الافتراضية— |
الحقلresponse_format | النوعstring | المتطلباختياري | القيم والحدود mp3 | القيمة الافتراضية— |
تركيبات مواد الإدخال
text_to_speech · مطلوب: input
معلمات الطريقة ودورة حياتها
| المعلمة | المواصفات |
|---|---|
المعلمةmaterial_types | المواصفاتtext |
المعلمةrequired | المواصفاتnull |
المعلمةoptional_controls | المواصفاتnull |
دورة الحياة: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · قيمة task_id الفعلية المُعادة أو سجل مكتبة الوسائط
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
بُنى الطرق ومعرّفاتها دقيقة؛ قدرة المورد منفصلة عن السماح بالطلب.
الباقات
تعرفات طرائق Ailoot
POST /v1/audio/speech- الإدخال
- 100.00 US$ لكل 1 مليون حرف
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 · توليد الكلام
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 narration script}"
export AILOOT_TEXT_FILE
: "${AILOOT_VOICE_ID:?Set the actual accepted voice ID for this model}"
export AILOOT_VOICE_ID
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "speech-02-hd", "input": ""}')
f=Path(os.environ["AILOOT_TEXT_FILE"])
if not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")
text=f.read_text(encoding="utf-8")
if not text.strip():raise SystemExit("Source material must contain text")
p["input"]=text
import re
voice=os.environ["AILOOT_VOICE_ID"]
if not re.fullmatch(r"[A-Za-z0-9_-]{1,128}",voice):raise SystemExit("Set an actual accepted voice ID")
p["voice"]=voice
Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/speech \
-H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o speech.mp3
استلام النتائج وحفظها
Ailoot · توليد الكلام
mp3
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
الاحتفاظ بكل النتائج المكتملة
احتفظ بكل استجابة كاملة وكل ملف وجزء محتوى تم إرجاعه.
احتفظ بالنتيجة الثنائية كاملة وبجميع الترويسات. إذا أُعيدت بيانات JSON أو مخرجات متعددة، فاحتفظ بكل عنصر بيانات واجلب محتوى كل عنوان URL فعلي موقّع لأصل من أصول الوسائط.
عند الحاجة إلى التحقق من الاستجابة الأصلية
احتفظ بقيمة operation_id/X-Client-Request-ID الأصلية للمطابقة دون إعادة الإرسال؛ لا يوجد مسار مخصص للاستعلام الدوري عن الصوت.
حقول الاستجابة
| الحقل | النوع |
|---|---|
الحقلbinary audio | النوعbytes |
الحقلresponse headers | النوعheaders |
الأخطاء والخطوات التالية
| الاستجابة | الشرط | الخطوة التالية |
|---|---|---|
الاستجابة400 · invalid_request_error | الشرطحقول مطلوبة أو تمثيل مادة أو قيمة معلمة غير صحيحة | الخطوة التاليةصحّح الحقول المحددة قبل طلب إنشاء جديد. |
الاستجابةserver_error | الشرطتشير الاستجابة المُعادة إلى أن العملية أو النتيجة تتطلب التحقق | الخطوة التاليةاحتفظ بمعرّف العملية أو المهمة الأصلي المُعاد، وبترويسات الطلب وبالاستجابة؛ وواصل عمليات القراءة المدعومة لتلك العملية الأصلية. لا تُعِد إرسال طلب الإنشاء. |
الأسماء البديلة
الأسماء البديلة للنموذج
Ailoot speech-02-hd
الأسماء البديلة لمسارات الطرائق
استخدم مسارات الطرائق المعروضة أعلاه.
معرّفات النماذج ذات الصلة IDs
FAQ · speech-02-hd
- ما المدخلات والنتائج المتاحة؟
POST /v1/audio/speech·speech-02-hd:text→speech- ما الحقول التي يستخدمها الطلب؟
POST /v1/audio/speech·speech-02-hd:model,input,voice,response_format