speech-2.6-hd
Speech 2.6 HD هو نموذج لتوليد كلام عالي الجودة مع التركيز على طبيعية الصوت وتشابه الصوت.
عن النموذج
يغطي هذا الوصف قدرات النموذج. وترد أدناه المدخلات والمخرجات والخيارات المتاحة في Ailoot للطريقة المحددة.
صوت طبيعي للتفاعل
صُمم Speech 2.6 HD لتوليد كلام طبيعي وللسيناريوهات التي تحتاج بدء الإجابة بسرعة. يهتم المصنّع بالتنغيم وسلاسة الكلام ومعالجة النص قبل النطق. يركز إصدار HD على جودة الصوت؛ وإدخال هذه البطاقة نص وإخراجها صوت كلام.
قراءة الصيغ غير المعتادة
يعالج جيل Speech 2.6 صيغًا متكررة في رسائل العمل: عناوين الصفحات والبريد الإلكتروني وأرقام الهاتف والتواريخ والمبالغ المالية. يحولها النموذج إلى صيغة منطوقة ليبقى الرد مفهومًا سمعيًا. يصف المصنّع هذه المهام بلغات متعددة.
كلام سلس مع الحفاظ على الجرس
يتوفر في Speech 2.6 وضع تحسين السلاسة Fluent LoRA. صُمم للتوليد بصوت مُجهز: يساعد على الحفاظ على الجرس وإنتاج كلام أكثر ترابطًا حتى إذا كانت العينة الأصلية غير منتظمة أو ذات لكنة. تحضير الصوت المستنسخ واستخدامه في القراءة إجراءان مختلفان.
تُدعم 40 لغة، منها الروسية. إلى جانب سبع حالات عاطفية أساسية، يتوفر في Speech 2.6 كلام سلس fluent وهمس whisper. إذا لم تُحدد المشاعر يختارها النموذج من معنى النص.
إعدادات النطق
يتيح MiniMax اختيار الصوت والتحكم في السرعة ومستوى الصوت وطبقة النغمة. تُحدد السرعة في النطاق 0,5–2، ومستوى الصوت فوق 0 وحتى 10، وتغيير الطبقة من −12 إلى 12. يمكن ترك المشاعر للنموذج وفق معنى النص أو تحديدها يدويًا: السعادة أو الحزن أو الغضب أو الخوف أو الاشمئزاز أو الدهشة أو الهدوء.
يمكن توضيح النطق بقاموس استبدالات ورموز صوتية؛ وتتوفر فيه الأبجدية الصوتية الدولية والبينيين الصيني وطرق القراءة اليابانية. تُحدد التوقفات بين الأجزاء المنطوقة في النطاق 0,01–99,99 ثانية. تُحدد المدة بدقة منزلتين عشريتين؛ وتوضع العلامات بين الأجزاء المنطوقة ولا تُكرر متتابعةً. تتيح هذه الإعدادات مواءمة نطق الأسماء والاختصارات والكلمات الملتبسة مع هدف الأداء الصوتي.
طول النص والصوت
يقبل التوليد نصًا أقل من 10 000 حرف. ينصح المصنّع بالإخراج المتدفق للنص الطويل فوق 3000 حرف؛ ويتوفر أيضًا تلقي الصوت النهائي كاملًا. تشمل إعدادات التوليد العامة MP3 وPCM وFLAC وWAV وOpus ونسخ G.711 μ-law، بصوت أحادي أو ستيريو؛ وتتحدد الصيغ المتاحة للطلب المعين بوسائل Ailoot.
بحسب بيانات MiniMax، يركز الجيل على تأخر منخفض في السيناريوهات الصوتية. هذا وصف للنموذج؛ ويعتمد زمن الإجابة والإعدادات الموسعة المتاحة على طريقة الاستدعاء المختارة في Ailoot.
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-2.6-hd
speech-2.6-hdالبداية
Speech 2.6 HD هو نموذج لتوليد كلام عالي الجودة مع التركيز على طبيعية 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-2.6-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-2.6-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-2.6-hd
الأسماء البديلة لمسارات الطرائق
استخدم مسارات الطرائق المعروضة أعلاه.
معرّفات النماذج ذات الصلة IDs
FAQ · speech-2.6-hd
- ما المدخلات والنتائج المتاحة؟
POST /v1/audio/speech·speech-2.6-hd:text→speech- ما الحقول التي يستخدمها الطلب؟
POST /v1/audio/speech·speech-2.6-hd:model,input,voice,response_format