{ "aboutHtml": "

Rychlá syntéza hovorových replik

Speech 2.8 Turbo kombinuje rychlé vytváření zvuku s přirozenou intonací. Výrobce představuje Turbo jako model pro plynulou konverzační řeč: krátké repliky, hlasové zpracování textu a hlasovou interakci. Tato karta přijímá text a vrací mluvený zvuk.

Smích, dýchání a citoslovce

Stejně jako varianta HD této generace podporuje Turbo zvukové značky Speech 2.8. Do textu lze zahrnout označení smíchu, zasmání, kašle, odkašlání, nádechu, výdechu, povzdechu a dalších krátkých zvuků. Taková řízená nepravidelnost přibližuje repliku rozhovoru: objevují se v ní dýchání a pauzy propojené s obsahem.

Zvuková značka se vztahuje na konkrétní místo v textu. Používají se k tomu označení stanovená modelem v kulatých závorkách, například (laughs) nebo (breath). Libovolný popis efektu není rovnocennou náhradou podporované značky.

Hlas a jazyk

Rodina Speech 2.8 podporuje 40 jazyků, včetně ruštiny, i práci s hotovými hlasy. Výrobce zdůrazňuje rozpoznatelnou texturu hlasu, vlastnosti dýchání a omezení digitálního zkreslení. Schopnost klonování patří k samostatné přípravě hlasu, který lze následně použít při syntéze.

MiniMax nabízí volbu hlasu a řízení tempa, hlasitosti a výšky. Rychlost se zadává v rozmezí 0,5–2, hlasitost nad 0 až do 10 a změna výšky od −12 do 12. Emoce lze ponechat na modelu podle smyslu textu nebo zadat ručně: radost, smutek, hněv, strach, odpor, překvapení nebo klid.

Výslovnost lze upřesňovat slovníkem náhrad a fonetickým zápisem; zahrnuty jsou mezinárodní fonetická abeceda, čínský pinyin a japonské varianty čtení. Pauzy se zadávají mezi vyslovovanými úseky v rozmezí 0,01–99,99 sekundy. Délka pauzy se zadává s přesností na dvě desetinná místa; značky se umisťují mezi vyslovované úseky a nesmějí následovat bezprostředně po sobě. Tato nastavení umožňují sladit znění jmen, zkratek a nejednoznačných slov se záměrem přednesu.

Postupný výstup a zvukový formát

Syntéza přijímá text kratší než 10 000 znaků. Pro dlouhý text nad 3000 znaků výrobce doporučuje streamovaný výstup; k dispozici je také získání celého hotového zvuku. Obecná nastavení syntézy zahrnují MP3, PCM, FLAC, WAV, Opus a varianty G.711 μ-law, mono nebo stereo; dostupnou sadu formátů konkrétního požadavku určují prostředky Ailoot.

Rychlost Turbo je vlastností varianty modelu, nikoli slibem pevné prodlevy hotové repliky. Číselná prodleva tohoto požadavku zde není stanovena. Uvedená rozšířená nastavení výrobce vyžadují podporu zvoleného způsobu volání prostřednictvím Ailoot.

Další nastavení zvuku zahrnují vzorkovací frekvence 8, 16, 22,05, 24, 32 a 44,1 kHz. Pro MP3 je k dispozici datový tok 32, 64, 128 nebo 256 kbit/s. Lze také měnit barvu hlasu a použít jeden efekt: prostorovou ozvěnu, ozvěnu sálu, telefonní zvuk nebo robotický hlas. Efekty změny hlasu jsou podporovány pro MP3, WAV a FLAC při získání celého zvuku a při streamovaném výstupu pouze pro MP3. Formáty G.711 μ-law používají frekvenci 8 kHz. Tyto schopnosti patří k nastavením syntézy MiniMax.

Výrobce nabízí synchronizaci řeči s textem: časové značky po větách, po slovech nebo po slovech při postupném výstupu. Takový výsledek pomáhá spojit přednes se zobrazením textu. Tato další schopnost vyžaduje podporu odpovídajícího formátu odpovědi.

", "aboutText": "### Rychlá syntéza hovorových replik\n\nSpeech 2.8 Turbo kombinuje rychlé vytváření zvuku s přirozenou intonací. Výrobce představuje Turbo jako model pro plynulou konverzační řeč: krátké repliky, hlasové zpracování textu a hlasovou interakci. Tato karta přijímá text a vrací mluvený zvuk.\n\n### Smích, dýchání a citoslovce\n\nStejně jako varianta HD této generace podporuje Turbo zvukové značky Speech 2.8. Do textu lze zahrnout označení smíchu, zasmání, kašle, odkašlání, nádechu, výdechu, povzdechu a dalších krátkých zvuků. Taková řízená nepravidelnost přibližuje repliku rozhovoru: objevují se v ní dýchání a pauzy propojené s obsahem.\n\nZvuková značka se vztahuje na konkrétní místo v textu. Používají se k tomu označení stanovená modelem v kulatých závorkách, například `(laughs)` nebo `(breath)`. Libovolný popis efektu není rovnocennou náhradou podporované značky.\n\n### Hlas a jazyk\n\nRodina Speech 2.8 podporuje **40 jazyků**, včetně ruštiny, i práci s hotovými hlasy. Výrobce zdůrazňuje rozpoznatelnou texturu hlasu, vlastnosti dýchání a omezení digitálního zkreslení. Schopnost klonování patří k samostatné přípravě hlasu, který lze následně použít při syntéze.\n\nMiniMax nabízí volbu hlasu a řízení tempa, hlasitosti a výšky. Rychlost se zadává v rozmezí **0,5–2**, hlasitost nad 0 až do **10** a změna výšky od **−12 do 12**. Emoce lze ponechat na modelu podle smyslu textu nebo zadat ručně: radost, smutek, hněv, strach, odpor, překvapení nebo klid.\n\nVýslovnost lze upřesňovat slovníkem náhrad a fonetickým zápisem; zahrnuty jsou mezinárodní fonetická abeceda, čínský pinyin a japonské varianty čtení. Pauzy se zadávají mezi vyslovovanými úseky v rozmezí **0,01–99,99 sekundy**. Délka pauzy se zadává s přesností na dvě desetinná místa; značky se umisťují mezi vyslovované úseky a nesmějí následovat bezprostředně po sobě. Tato nastavení umožňují sladit znění jmen, zkratek a nejednoznačných slov se záměrem přednesu.\n\n### Postupný výstup a zvukový formát\n\nSyntéza přijímá text kratší než **10 000 znaků**. Pro dlouhý text nad 3000 znaků výrobce doporučuje streamovaný výstup; k dispozici je také získání celého hotového zvuku. Obecná nastavení syntézy zahrnují MP3, PCM, FLAC, WAV, Opus a varianty G.711 μ-law, mono nebo stereo; dostupnou sadu formátů konkrétního požadavku určují prostředky Ailoot.\n\nRychlost Turbo je vlastností varianty modelu, nikoli slibem pevné prodlevy hotové repliky. Číselná prodleva tohoto požadavku zde není stanovena. Uvedená rozšířená nastavení výrobce vyžadují podporu zvoleného způsobu volání prostřednictvím Ailoot.\n\nDalší nastavení zvuku zahrnují vzorkovací frekvence **8, 16, 22,05, 24, 32 a 44,1 kHz**. Pro MP3 je k dispozici datový tok **32, 64, 128 nebo 256 kbit/s**. Lze také měnit barvu hlasu a použít jeden efekt: prostorovou ozvěnu, ozvěnu sálu, telefonní zvuk nebo robotický hlas. Efekty změny hlasu jsou podporovány pro MP3, WAV a FLAC při získání celého zvuku a při streamovaném výstupu pouze pro MP3. Formáty G.711 μ-law používají frekvenci 8 kHz. Tyto schopnosti patří k nastavením syntézy MiniMax.\n\nVýrobce nabízí synchronizaci řeči s textem: časové značky po větách, po slovech nebo po slovech při postupném výstupu. Takový výsledek pomáhá spojit přednes se zobrazením textu. Tato další schopnost vyžaduje podporu odpovídajícího formátu odpovědi.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "cbc530e43533ce33e9bbc1f3cd457eaa5bd4f28186797099f4c2a8865a976b0b", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "cs", "methods": [ { "html": "
MM

MiniMax: Speech 2.8 Turbo

MiniMax /minimax/speech-2.8-turbo

Úvod

Speech 2.8 Turbo nabízí rychlou syntézu přirozené řeči se zvukovými značkami a řízením výraznosti.

Přijímané vstupy
Text
Výsledky
Zvuk
O modelu

Tento popis zahrnuje schopnosti modelu. Vstupy, výstupy a možnosti dostupné v Ailoot jsou uvedeny níže pro vybranou metodu.

Rychlá syntéza hovorových replik

Speech 2.8 Turbo kombinuje rychlé vytváření zvuku s přirozenou intonací. Výrobce představuje Turbo jako model pro plynulou konverzační řeč: krátké repliky, hlasové zpracování textu a hlasovou interakci. Tato karta přijímá text a vrací mluvený zvuk.

Smích, dýchání a citoslovce

Stejně jako varianta HD této generace podporuje Turbo zvukové značky Speech 2.8. Do textu lze zahrnout označení smíchu, zasmání, kašle, odkašlání, nádechu, výdechu, povzdechu a dalších krátkých zvuků. Taková řízená nepravidelnost přibližuje repliku rozhovoru: objevují se v ní dýchání a pauzy propojené s obsahem.

Zvuková značka se vztahuje na konkrétní místo v textu. Používají se k tomu označení stanovená modelem v kulatých závorkách, například (laughs) nebo (breath). Libovolný popis efektu není rovnocennou náhradou podporované značky.

Hlas a jazyk

Rodina Speech 2.8 podporuje 40 jazyků, včetně ruštiny, i práci s hotovými hlasy. Výrobce zdůrazňuje rozpoznatelnou texturu hlasu, vlastnosti dýchání a omezení digitálního zkreslení. Schopnost klonování patří k samostatné přípravě hlasu, který lze následně použít při syntéze.

MiniMax nabízí volbu hlasu a řízení tempa, hlasitosti a výšky. Rychlost se zadává v rozmezí 0,5–2, hlasitost nad 0 až do 10 a změna výšky od −12 do 12. Emoce lze ponechat na modelu podle smyslu textu nebo zadat ručně: radost, smutek, hněv, strach, odpor, překvapení nebo klid.

Výslovnost lze upřesňovat slovníkem náhrad a fonetickým zápisem; zahrnuty jsou mezinárodní fonetická abeceda, čínský pinyin a japonské varianty čtení. Pauzy se zadávají mezi vyslovovanými úseky v rozmezí 0,01–99,99 sekundy. Délka pauzy se zadává s přesností na dvě desetinná místa; značky se umisťují mezi vyslovované úseky a nesmějí následovat bezprostředně po sobě. Tato nastavení umožňují sladit znění jmen, zkratek a nejednoznačných slov se záměrem přednesu.

Postupný výstup a zvukový formát

Syntéza přijímá text kratší než 10 000 znaků. Pro dlouhý text nad 3000 znaků výrobce doporučuje streamovaný výstup; k dispozici je také získání celého hotového zvuku. Obecná nastavení syntézy zahrnují MP3, PCM, FLAC, WAV, Opus a varianty G.711 μ-law, mono nebo stereo; dostupnou sadu formátů konkrétního požadavku určují prostředky Ailoot.

Rychlost Turbo je vlastností varianty modelu, nikoli slibem pevné prodlevy hotové repliky. Číselná prodleva tohoto požadavku zde není stanovena. Uvedená rozšířená nastavení výrobce vyžadují podporu zvoleného způsobu volání prostřednictvím Ailoot.

Další nastavení zvuku zahrnují vzorkovací frekvence 8, 16, 22,05, 24, 32 a 44,1 kHz. Pro MP3 je k dispozici datový tok 32, 64, 128 nebo 256 kbit/s. Lze také měnit barvu hlasu a použít jeden efekt: prostorovou ozvěnu, ozvěnu sálu, telefonní zvuk nebo robotický hlas. Efekty změny hlasu jsou podporovány pro MP3, WAV a FLAC při získání celého zvuku a při streamovaném výstupu pouze pro MP3. Formáty G.711 μ-law používají frekvenci 8 kHz. Tyto schopnosti patří k nastavením syntézy MiniMax.

Výrobce nabízí synchronizaci řeči s textem: časové značky po větách, po slovech nebo po slovech při postupném výstupu. Takový výsledek pomáhá spojit přednes se zobrazením textu. Tato další schopnost vyžaduje podporu odpovídajícího formátu odpovědi.

Dostupné v Ailoot · vstupy a metody

Ailoot Ultra · Převod na řeč POST /v1/audio/speech
Vstup
text
Výstup
audio
Výstupní formát
mp3
PoleTypPožadavekHodnoty a limityVýchozí
PolemodelTypstringPožadavekPovinnéHodnoty a limity
minimax/speech-2.8-turbo
Výchozí—
PoleinputTypstringPožadavekPovinnéHodnoty a limity
Minimální délka: 1
Jednotka: znaky Unicode
Výchozí—
PolevoiceTypstringPožadavekPovinnéHodnoty a limity
English_expressive_narrator, English_radiant_girl, English_magnetic_voiced_man, English_compelling_lady1, English_Aussie_Bloke, English_captivating_female1, English_Upbeat_Woman, English_Trustworth_Man, English_CalmWoman, English_UpsetGirl, English_Gentle-voiced_man, English_Whispering_girl, English_Diligent_Man, English_Graceful_Lady, English_ReservedYoungMan, English_PlayfulGirl, English_ManWithDeepVoice, English_MaturePartner, English_FriendlyPerson, English_MatureBoss, English_Debator, English_LovelyGirl, English_Steadymentor, English_Deep-VoicedGentleman, English_Wiselady, English_CaptivatingStoryteller, English_DecentYoungMan, English_SentimentalLady, English_ImposingManner, English_SadTeen, English_PassionateWarrior, English_WiseScholar, English_Soft-spokenGirl, English_SereneWoman, English_ConfidentWoman, English_PatientMan, English_Comedian, English_BossyLeader, English_Strong-WilledBoy, English_StressedLady, English_AssertiveQueen, English_AnimeCharacter, English_Jovialman, English_WhimsicalGirl, English_Kind-heartedGirl
Výchozí—
Poleresponse_formatTypstringPožadavekPovinnéHodnoty a limity
mp3
Výchozí—
Kombinace vstupních materiálů

text_to_speech · Povinné: input

Parametry a životní cyklus metody
ParametrKontrakt
Parametrcontent_typeKontraktapplication/json
ParametrrequiredKontraktmodel, input, voice, response_format
Parametrvoice_idsKontraktEnglish_expressive_narrator, English_radiant_girl, English_magnetic_voiced_man, English_compelling_lady1, English_Aussie_Bloke, English_captivating_female1, English_Upbeat_Woman, English_Trustworth_Man, English_CalmWoman, English_UpsetGirl, English_Gentle-voiced_man, English_Whispering_girl, English_Diligent_Man, English_Graceful_Lady, English_ReservedYoungMan, English_PlayfulGirl, English_ManWithDeepVoice, English_MaturePartner, English_FriendlyPerson, English_MatureBoss, English_Debator, English_LovelyGirl, English_Steadymentor, English_Deep-VoicedGentleman, English_Wiselady, English_CaptivatingStoryteller, English_DecentYoungMan, English_SentimentalLady, English_ImposingManner, English_SadTeen, English_PassionateWarrior, English_WiseScholar, English_Soft-spokenGirl, English_SereneWoman, English_ConfidentWoman, English_PatientMan, English_Comedian, English_BossyLeader, English_Strong-WilledBoy, English_StressedLady, English_AssertiveQueen, English_AnimeCharacter, English_Jovialman, English_WhimsicalGirl, English_Kind-heartedGirl
Parametrresponse_formatKontraktmp3
Parametrmax_input_charactersKontraktnull
Parametrother_optionsKontraktfalse
ParametrinputKontraktpřesný text UTF-8; počet znaků Unicode bez normalizace
Parametrmaterial_typesKontrakttext

Životní cyklus: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · skutečně vrácené task_id nebo záznam v knihovně médií

GET /v1/media/assets/{asset_id}/content

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Vyberte přesný hlas z tohoto profilu modelu.

Vstupní znaky a sekundy zvuku jsou různé měrné jednotky.

Tarify

Údaje o tarifech nepřidávají možnosti požadavku. Podporované parametry jsou uvedeny u vybrané metody.

Rychlý režim
Neuvedeno Při výběru rychlého režimu
Režim flex
Neuvedeno Při výběru režimu flex
Maximální intenzita uvažování
Neuvedeno Když se při maximální intenzitě uvažování použije výchozí úprava (default)

Sazby Ailoot

Ceny podle konfigurace

Přiřaďte každý poplatek k uvedeným podmínkám. Pro každou sadu alternativních konfigurací použijte jednu sazbu.

KonfiguraceTabulka sazebÚčtované množstvíÚčtovací jednotkaPoplatek
KonfiguraceZákladní sazby za tokenyTabulka sazebZákladní sazbaÚčtované množství—Účtovací jednotka—Poplatek
Vstup · Vstupní tokeny — / 1K tokenů
Výstup · Výstupní tokeny — / 1K tokenů
Vstup · Čtení z mezipaměti — / 1K tokenů
Vstup · Zápis do mezipaměti — / 1K tokenů
Vstup · Zápis do mezipaměti, 1 hodina — / 1K tokenů
KonfiguraceUltraTabulka sazeb—Účtované množstvíKaždý kódový bod Unicode se počítá jako jeden znak, včetně znaků Han.Účtovací jednotkaza 1K vstupních znakůPoplatek
Vstup · vstupní znak $0.12 za 1K vstupních znaků

Podrobnosti referenčního tarifu

Referenční tabulky modelu nemění výběr metody, cenové nabídky ani poplatky. Skutečné poplatky používají sazby vybrané metody Ailoot.

MiniMax: Speech 2.8 Turbo

Ceny podle konfigurace

KonfiguracePodmínky účtováníPoplatek
KonfiguraceMiniMax: Speech 2.8 Turbo · Výchozí konfiguracePodmínky účtováníVýchozí konfiguracePoplatek
Vstup · Vstupní znaky 0,00012 US$ za vstupní znak

Ailoot před požadavkem rezervuje odhadovanou částku. Po výsledku vyúčtuje konečný poplatek podle naměřeného využití. Při streamování se účtování řídí konečným záznamem využití. Jak funguje rezervace a vyúčtování →

Příklady požadavků

Ailoot Ultra · Převod na řeč

set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_VOICE_ID:?Choose an accepted voice ID from this exact model profile}"\nexport AILOOT_VOICE_ID\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "minimax/speech-2.8-turbo", "input": "Good afternoon! This is a short voice take."}')\nvoice=os.environ["AILOOT_VOICE_ID"]\nallowed=json.loads('["English_expressive_narrator", "English_radiant_girl", "English_magnetic_voiced_man", "English_compelling_lady1", "English_Aussie_Bloke", "English_captivating_female1", "English_Upbeat_Woman", "English_Trustworth_Man", "English_CalmWoman", "English_UpsetGirl", "English_Gentle-voiced_man", "English_Whispering_girl", "English_Diligent_Man", "English_Graceful_Lady", "English_ReservedYoungMan", "English_PlayfulGirl", "English_ManWithDeepVoice", "English_MaturePartner", "English_FriendlyPerson", "English_MatureBoss", "English_Debator", "English_LovelyGirl", "English_Steadymentor", "English_Deep-VoicedGentleman", "English_Wiselady", "English_CaptivatingStoryteller", "English_DecentYoungMan", "English_SentimentalLady", "English_ImposingManner", "English_SadTeen", "English_PassionateWarrior", "English_WiseScholar", "English_Soft-spokenGirl", "English_SereneWoman", "English_ConfidentWoman", "English_PatientMan", "English_Comedian", "English_BossyLeader", "English_Strong-WilledBoy", "English_StressedLady", "English_AssertiveQueen", "English_AnimeCharacter", "English_Jovialman", "English_WhimsicalGirl", "English_Kind-heartedGirl"]')\nif voice not in allowed: raise SystemExit("Choose an accepted voice ID from this exact model profile")\np["voice"]=voice\np["response_format"]="mp3"\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 speech.mp3\n

Přijímání a ukládání výsledků

Ailoot Ultra · Převod na řeč

mp3

Další načtení obsahu
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \\\n  -H "Authorization: Bearer $AILOOT_API_KEY" -o media-assets.json\n
Uchovejte všechny dokončené výsledky

Uchovejte každou úplnou vrácenou odpověď, soubor i část obsahu.

Uchovejte úplný binární výsledek a hlavičky. Pokud odpověď obsahuje JSON nebo více výstupů, uchovejte všechny datové položky a stáhněte každý soubor ze skutečně vrácené podepsané URL.

Pokud je nutné ověřit původní odpověď

Uchovejte původní operation_id/X-Client-Request-ID pro spárování záznamů bez opětovného odeslání; samostatná trasa pro dotazování na stav zvuku neexistuje.

Pole odpovědi
PoleTyp
Polebinary audioTypbytes
Poleresponse headersTypheaders
Chyby a další kroky
OdpověďPodmínkaDalší krok
Odpověď400 · invalid_request_errorPodmínkaNeplatná povinná pole, reprezentace podkladů nebo hodnota parametruDalší krokPřed novým požadavkem na vytvoření opravte uvedená pole.
Odpověďserver_errorPodmínkaVrácená odpověď uvádí, že operaci nebo výsledek je třeba zkontrolovatDalší krokUchovejte původní vrácené ID operace nebo úlohy, hlavičky požadavku a odpověď; pokračujte v podporovaném načítání údajů o této původní operaci. Požadavek na vytvoření znovu neodesílejte.

Aliasy

Aliasy modelu

Ailoot Ultra minimax/speech-2.8-turbo

Aliasy cest metod

Použijte cesty metod uvedené výše.

Související ID modelů

minimax/speech-2.8-turbo

", "method_identity": { "effective_request_model_id": "minimax/speech-2.8-turbo", "fmt": "speech", "http": "POST", "path": "/v1/audio/speech", "request_model_id": "minimax/speech-2.8-turbo", "route_label": "Ultra" }, "method_key": "Ultra|speech|/v1/audio/speech|minimax%2Fspeech-2.8-turbo", "ordinal": 0, "rawMethod": { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Keep the complete binary result and headers. If JSON/multiple outputs are returned, retain every data item and fetch each actual signed asset URL.", "errors": [ { "code": null, "condition": "Neplatná povinná pole, reprezentace podkladů nebo hodnota parametru", "http_status": 400, "recovery": "Před novým požadavkem na vytvoření opravte uvedená pole.", "type": "invalid_request_error" }, { "code": null, "condition": "Vrácená odpověď uvádí, že operaci nebo výsledek je třeba zkontrolovat", "http_status": null, "recovery": "Uchovejte původní vrácené ID operace nebo úlohy, hlavičky požadavku a odpověď; pokračujte v podporovaném načítání údajů o této původní operaci. Požadavek na vytvoření znovu neodesílejte.", "type": "server_error" } ], "hints": [], "ignored_fields": [], "lifecycle": { "all_results": "Follow everyactualreturnedoutputandownedasset; no result is discardedbecauseindex0orcontent_urlalreadyexists.", "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed URL; never construct token" } ], "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "status": [ { "http": "GET", "id_source": "actual returned task_id or media library record", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Uchovejte původní operation_id/X-Client-Request-ID pro spárování záznamů bez opětovného odeslání; samostatná trasa pro dotazování na stav zvuku neexistuje." }, "material_combinations": [ { "content_type": "application/json", "mode": "text_to_speech", "required": [ "input" ] } ], "media_library": { "asset": { "fields": [ { "description": null, "name": "asset_id", "type": "string" }, { "description": null, "name": "task_id", "type": "string" }, { "description": null, "name": "output_key", "type": "string" }, { "description": null, "name": "family", "type": "string" }, { "description": null, "name": "model", "type": "string" }, { "description": null, "name": "method", "type": "string" }, { "description": null, "name": "status", "type": "string" }, { "description": null, "name": "content_type", "type": "string" }, { "description": null, "name": "sha256", "type": "string" }, { "description": null, "name": "size_bytes", "type": "integer" }, { "description": null, "name": "content_url", "type": "string" } ], "http": "GET", "id_source": "actual returned asset_id", "path": "/v1/media/assets/{asset_id}" }, "content": { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "range_header_supported": true, "url_source": "Use exact returned signed content_url including its token; do not construct a token." }, "expired_link": { "code": "link_expired", "http_status": 404, "recovery": "Read the asset again to obtain its refreshed signed content_url, then fetch that URL. Do not regenerate." }, "list": { "all_pages": "Follow every returned next_cursor, then select records by their actual task_id/output_key.", "http": "GET", "output_fields": [ { "description": null, "name": "object", "type": "string" }, { "description": null, "name": "data", "type": "asset[]" }, { "description": null, "name": "next_cursor", "type": "string|null" } ], "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "family", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "cursor", "required": false, "type": "string" }, { "availability": "source_interface", "default": 20, "default_known": true, "enum": null, "enum_known": false, "maximum": 100, "minimum": 1, "name": "limit", "required": false, "type": "integer" } ], "path": "/v1/media/assets" }, "revoke": { "http": "DELETE", "meaning": "Revokes/deletes the existing owned file; this is not generation cancellation.", "path": "/v1/media/assets/{asset_id}", "pending_status": "revoking", "success_statuses": [ 202, 204 ] }, "task": { "http": "GET", "id_source": "actual returned task_id or media library record; operation_id is not task_id", "path": "/v1/media/tasks/{task_id}" } }, "operation_modes": [ "text_to_speech" ], "outputs": { "all_results": "Uchovejte úplný binární výsledek a hlavičky. Pokud odpověď obsahuje JSON nebo více výstupů, uchovejte všechny datové položky a stáhněte každý soubor ze skutečně vrácené podepsané URL.", "family": "audio", "fields": [ { "description": null, "name": "binary audio", "type": "bytes" }, { "description": null, "name": "response headers", "type": "headers" } ], "format": "mp3", "http_success": 200 }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "minimax/speech-2.8-turbo" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "limit_known": false, "maximum_length": null, "min_length": 1, "name": "input", "required": true, "type": "string", "unit": "znaky Unicode" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "English_expressive_narrator", "English_radiant_girl", "English_magnetic_voiced_man", "English_compelling_lady1", "English_Aussie_Bloke", "English_captivating_female1", "English_Upbeat_Woman", "English_Trustworth_Man", "English_CalmWoman", "English_UpsetGirl", "English_Gentle-voiced_man", "English_Whispering_girl", "English_Diligent_Man", "English_Graceful_Lady", "English_ReservedYoungMan", "English_PlayfulGirl", "English_ManWithDeepVoice", "English_MaturePartner", "English_FriendlyPerson", "English_MatureBoss", "English_Debator", "English_LovelyGirl", "English_Steadymentor", "English_Deep-VoicedGentleman", "English_Wiselady", "English_CaptivatingStoryteller", "English_DecentYoungMan", "English_SentimentalLady", "English_ImposingManner", "English_SadTeen", "English_PassionateWarrior", "English_WiseScholar", "English_Soft-spokenGirl", "English_SereneWoman", "English_ConfidentWoman", "English_PatientMan", "English_Comedian", "English_BossyLeader", "English_Strong-WilledBoy", "English_StressedLady", "English_AssertiveQueen", "English_AnimeCharacter", "English_Jovialman", "English_WhimsicalGirl", "English_Kind-heartedGirl" ], "enum_known": true, "name": "voice", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "mp3" ], "enum_known": true, "name": "response_format", "required": true, "type": "string" } ], "profile_binding": "Exact existing Ailoot model and method; interface constraints below do not assert provider qualification.", "unsupported": [ "every field outside exactmodel,input,voice,response_format", "stream/speed/reference speech options" ] }, "hints": [ "Vyberte přesný hlas z tohoto profilu modelu.", "Vstupní znaky a sekundy zvuku jsou různé měrné jednotky." ], "input": { "content_type": "application/json", "input": "přesný text UTF-8; počet znaků Unicode bez normalizace", "material_types": [ "text" ], "max_input_characters": null, "other_options": false, "required": [ "model", "input", "voice", "response_format" ], "response_format": [ "mp3" ], "voice_ids": [ "English_expressive_narrator", "English_radiant_girl", "English_magnetic_voiced_man", "English_compelling_lady1", "English_Aussie_Bloke", "English_captivating_female1", "English_Upbeat_Woman", "English_Trustworth_Man", "English_CalmWoman", "English_UpsetGirl", "English_Gentle-voiced_man", "English_Whispering_girl", "English_Diligent_Man", "English_Graceful_Lady", "English_ReservedYoungMan", "English_PlayfulGirl", "English_ManWithDeepVoice", "English_MaturePartner", "English_FriendlyPerson", "English_MatureBoss", "English_Debator", "English_LovelyGirl", "English_Steadymentor", "English_Deep-VoicedGentleman", "English_Wiselady", "English_CaptivatingStoryteller", "English_DecentYoungMan", "English_SentimentalLady", "English_ImposingManner", "English_SadTeen", "English_PassionateWarrior", "English_WiseScholar", "English_Soft-spokenGirl", "English_SereneWoman", "English_ConfidentWoman", "English_PatientMan", "English_Comedian", "English_BossyLeader", "English_Strong-WilledBoy", "English_StressedLady", "English_AssertiveQueen", "English_AnimeCharacter", "English_Jovialman", "English_WhimsicalGirl", "English_Kind-heartedGirl" ] }, "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed URL; never construct token" } ], "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "status": [ { "http": "GET", "id_source": "skutečně vrácené task_id nebo záznam v knihovně médií", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Retain original operation_id/X-Client-Request-ID for reconciliation without resubmission; no dedicated audio poll route." }, "manufacturer_capability": null, "method": { "http": "POST", "path": "/v1/audio/speech" }, "method_aliases": [], "operation_modes": [ "text_to_speech" ], "output": { "family": "audio", "format": "mp3", "http_success": 200, "response": "full binary MP3 plus response headers", "result": "complete playable owned MP3" } }, "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": { "quantity_meter": "utf8.RuneCountInString(validUTF8): one Han codepoint=1; no Han weighting", "quoted_unit": "per 1000 input character" }, "label": "Ultra", "units": [ { "amount": "0.12000", "amount_unit": "usd_per_1000_characters", "billing_input": true, "estimate_only": false, "key": "audio_input_character", "label": "input character", "native_amount_usd_per_unit": "0.00012", "native_quantity": 1, "public_unit_label": "per 1000 input character", "quantity": "1000", "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_character" } ] } ], "declared_tariff_references": [ { "client_selectable": false, "key": "192bd3b46436eee64517", "label": "MiniMax: Speech 2.8 Turbo", "profiles": [ { "basis": "", "dimensions": { "conditions": "Výchozí konfigurace" }, "label": "MiniMax: Speech 2.8 Turbo · Výchozí konfigurace", "units": [ { "amount": "0.00012", "amount_unit": "usd_per_exact_physical_unit", "billing_input": false, "key": "ac90c22c8807c6c8e538fd70", "label": "Input characters", "public_unit_label": "per input character", "quantity": "1", "rate_role": "declared_tariff_rate", "side": "in", "unit": "input_character" } ] } ] } ], "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_VOICE_ID:?Choose an accepted voice ID from this exact model profile}\"\nexport AILOOT_VOICE_ID\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"minimax/speech-2.8-turbo\", \"input\": \"Good afternoon! This is a short voice take.\"}')\nvoice=os.environ[\"AILOOT_VOICE_ID\"]\nallowed=json.loads('[\"English_expressive_narrator\", \"English_radiant_girl\", \"English_magnetic_voiced_man\", \"English_compelling_lady1\", \"English_Aussie_Bloke\", \"English_captivating_female1\", \"English_Upbeat_Woman\", \"English_Trustworth_Man\", \"English_CalmWoman\", \"English_UpsetGirl\", \"English_Gentle-voiced_man\", \"English_Whispering_girl\", \"English_Diligent_Man\", \"English_Graceful_Lady\", \"English_ReservedYoungMan\", \"English_PlayfulGirl\", \"English_ManWithDeepVoice\", \"English_MaturePartner\", \"English_FriendlyPerson\", \"English_MatureBoss\", \"English_Debator\", \"English_LovelyGirl\", \"English_Steadymentor\", \"English_Deep-VoicedGentleman\", \"English_Wiselady\", \"English_CaptivatingStoryteller\", \"English_DecentYoungMan\", \"English_SentimentalLady\", \"English_ImposingManner\", \"English_SadTeen\", \"English_PassionateWarrior\", \"English_WiseScholar\", \"English_Soft-spokenGirl\", \"English_SereneWoman\", \"English_ConfidentWoman\", \"English_PatientMan\", \"English_Comedian\", \"English_BossyLeader\", \"English_Strong-WilledBoy\", \"English_StressedLady\", \"English_AssertiveQueen\", \"English_AnimeCharacter\", \"English_Jovialman\", \"English_WhimsicalGirl\", \"English_Kind-heartedGirl\"]')\nif voice not in allowed: raise SystemExit(\"Choose an accepted voice ID from this exact model profile\")\np[\"voice\"]=voice\np[\"response_format\"]=\"mp3\"\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 $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o speech.mp3\n", "label": "curl", "language": "bash" }, { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -o media-assets.json\n", "label": "List actual media assets", "language": "bash" }, { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_MEDIA_TASK_ID:?Set the actual ID returned by the response or media-library metadata}\"\nexport AILOOT_MEDIA_TASK_ID\nresource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ[\"AILOOT_MEDIA_TASK_ID\"],safe=\"\"))')\ncurl --fail-with-body --silent --show-error \"https://api.ailoot.ai/v1/media/tasks/$resource_id\" \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -o media-task.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path(\"media-task.json\").read_text())))\nPY_RESULT\n", "label": "Read actual media task", "language": "bash" }, { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_ASSET_ID:?Set the actual ID returned by the response or media-library metadata}\"\nexport AILOOT_ASSET_ID\nresource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ[\"AILOOT_ASSET_ID\"],safe=\"\"))')\ncurl --fail-with-body --silent --show-error \"https://api.ailoot.ai/v1/media/assets/$resource_id\" \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -o media-asset.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path(\"media-asset.json\").read_text())))\nPY_RESULT\n", "label": "Read actual asset metadata", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "speech", "hints": [ "Select exact voice from this model profile.", "Input characters and audio seconds are different meters." ], "http": "POST", "in": null, "input": [ "text" ], "label": "Озвучка текста", "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", "image_input_price": null, "image_output_price": null, "per_request_price": null, "unit_prices": { "audio_input_character": 0.00012 } }, "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": { "quantity_meter": "utf8.RuneCountInString(validUTF8): one Han codepoint=1; no Han weighting", "quoted_unit": "per 1000 input character" }, "label": "Ultra", "units": [ { "amount": "0.12000", "amount_unit": "usd_per_1000_characters", "billing_input": true, "estimate_only": false, "key": "audio_input_character", "label": "input character", "native_amount_usd_per_unit": "0.00012", "native_quantity": 1, "public_unit_label": "per 1000 input character", "quantity": "1000", "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_character" } ] } ], "request_model_id": "minimax/speech-2.8-turbo", "route_label": "Ultra", "status_reads": [ "GET /v1/media/tasks/{task_id}", "GET /v1/media/assets/{asset_id}/content" ], "tiers": [], "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": "0.12000", "amount_unit": "usd_per_1000_characters", "billing_input": true, "estimate_only": false, "key": "audio_input_character", "label": "input character", "native_amount_usd_per_unit": "0.00012", "native_quantity": 1, "public_unit_label": "per 1000 input character", "quantity": "1000", "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_character" } ] } } ], "model_id": "minimax/speech-2.8-turbo", "nativeProvenance": { "input_facts_canonical_sha256": "24a2c72c1ecfd08cca1454be5dd0a23c365418f4a78dd21c9230abd69dc31508", "input_html_sha256": "c2134f5d7387d9152539675eaf730ec38cca1a340affa937bd7781e8d6202ce6", "private_audit_sha256": "bbb1a15c5d98f1083c26fe7736ae8c7beccfbb13bdf6d007ae06bb223f3930af", "role": "historical-normalized-input-audit-hashes", "schema": "ailoot-native-model-provenance-v2" }, "page": { "canonical": "https://ailoot.ai/models/cs/minimax-speech-2-8-turbo/", "description": "Speech 2.8 Turbo nabízí rychlou syntézu přirozené řeči se zvukovými značkami a řízením výraznosti.", "locale": "cs", "md_url": "https://ailoot.ai/models/cs/minimax-speech-2-8-turbo/index.md", "title": "MiniMax: Speech 2.8 Turbo — Ailoot", "url": "https://ailoot.ai/models/cs/minimax-speech-2-8-turbo/" }, "rawModel": { "about": "### Rychlá syntéza hovorových replik\n\nSpeech 2.8 Turbo kombinuje rychlé vytváření zvuku s přirozenou intonací. Výrobce představuje Turbo jako model pro plynulou konverzační řeč: krátké repliky, hlasové zpracování textu a hlasovou interakci. Tato karta přijímá text a vrací mluvený zvuk.\n\n### Smích, dýchání a citoslovce\n\nStejně jako varianta HD této generace podporuje Turbo zvukové značky Speech 2.8. Do textu lze zahrnout označení smíchu, zasmání, kašle, odkašlání, nádechu, výdechu, povzdechu a dalších krátkých zvuků. Taková řízená nepravidelnost přibližuje repliku rozhovoru: objevují se v ní dýchání a pauzy propojené s obsahem.\n\nZvuková značka se vztahuje na konkrétní místo v textu. Používají se k tomu označení stanovená modelem v kulatých závorkách, například `(laughs)` nebo `(breath)`. Libovolný popis efektu není rovnocennou náhradou podporované značky.\n\n### Hlas a jazyk\n\nRodina Speech 2.8 podporuje **40 jazyků**, včetně ruštiny, i práci s hotovými hlasy. Výrobce zdůrazňuje rozpoznatelnou texturu hlasu, vlastnosti dýchání a omezení digitálního zkreslení. Schopnost klonování patří k samostatné přípravě hlasu, který lze následně použít při syntéze.\n\nMiniMax nabízí volbu hlasu a řízení tempa, hlasitosti a výšky. Rychlost se zadává v rozmezí **0,5–2**, hlasitost nad 0 až do **10** a změna výšky od **−12 do 12**. Emoce lze ponechat na modelu podle smyslu textu nebo zadat ručně: radost, smutek, hněv, strach, odpor, překvapení nebo klid.\n\nVýslovnost lze upřesňovat slovníkem náhrad a fonetickým zápisem; zahrnuty jsou mezinárodní fonetická abeceda, čínský pinyin a japonské varianty čtení. Pauzy se zadávají mezi vyslovovanými úseky v rozmezí **0,01–99,99 sekundy**. Délka pauzy se zadává s přesností na dvě desetinná místa; značky se umisťují mezi vyslovované úseky a nesmějí následovat bezprostředně po sobě. Tato nastavení umožňují sladit znění jmen, zkratek a nejednoznačných slov se záměrem přednesu.\n\n### Postupný výstup a zvukový formát\n\nSyntéza přijímá text kratší než **10 000 znaků**. Pro dlouhý text nad 3000 znaků výrobce doporučuje streamovaný výstup; k dispozici je také získání celého hotového zvuku. Obecná nastavení syntézy zahrnují MP3, PCM, FLAC, WAV, Opus a varianty G.711 μ-law, mono nebo stereo; dostupnou sadu formátů konkrétního požadavku určují prostředky Ailoot.\n\nRychlost Turbo je vlastností varianty modelu, nikoli slibem pevné prodlevy hotové repliky. Číselná prodleva tohoto požadavku zde není stanovena. Uvedená rozšířená nastavení výrobce vyžadují podporu zvoleného způsobu volání prostřednictvím Ailoot.\n\nDalší nastavení zvuku zahrnují vzorkovací frekvence **8, 16, 22,05, 24, 32 a 44,1 kHz**. Pro MP3 je k dispozici datový tok **32, 64, 128 nebo 256 kbit/s**. Lze také měnit barvu hlasu a použít jeden efekt: prostorovou ozvěnu, ozvěnu sálu, telefonní zvuk nebo robotický hlas. Efekty změny hlasu jsou podporovány pro MP3, WAV a FLAC při získání celého zvuku a při streamovaném výstupu pouze pro MP3. Formáty G.711 μ-law používají frekvenci 8 kHz. Tyto schopnosti patří k nastavením syntézy MiniMax.\n\nVýrobce nabízí synchronizaci řeči s textem: časové značky po větách, po slovech nebo po slovech při postupném výstupu. Takový výsledek pomáhá spojit přednes se zobrazením textu. Tato další schopnost vyžaduje podporu odpovídajícího formátu odpovědi.", "alias_of": null, "aliases": [], "author": "MiniMax", "available": null, "canonical_model": "minimax/speech-2.8-turbo", "capabilities": { "context_length": 0, "manufacturer_input": [ "text" ], "manufacturer_output": [ "speech" ] }, "card_routes": [ { "label": "Ultra", "rates": [ { "amount": "0.12000", "amount_unit": "usd_per_1000_characters", "billing_input": true, "estimate_only": false, "key": "audio_input_character", "label": "input character", "native_amount_usd_per_unit": "0.00012", "native_quantity": 1, "public_unit_label": "per 1000 input character", "quantity": "1000", "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_character" } ], "summary": "Kompletní ceník konfigurace v podrobnostech." } ], "ctx": null, "entity_type": "model", "formats": [ "speech" ], "id": "minimax/speech-2.8-turbo", "input": [ "text" ], "kind": "speech", "max_out": null, "methods": [ { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Keep the complete binary result and headers. If JSON/multiple outputs are returned, retain every data item and fetch each actual signed asset URL.", "errors": [ { "code": null, "condition": "Neplatná povinná pole, reprezentace podkladů nebo hodnota parametru", "http_status": 400, "recovery": "Před novým požadavkem na vytvoření opravte uvedená pole.", "type": "invalid_request_error" }, { "code": null, "condition": "Vrácená odpověď uvádí, že operaci nebo výsledek je třeba zkontrolovat", "http_status": null, "recovery": "Uchovejte původní vrácené ID operace nebo úlohy, hlavičky požadavku a odpověď; pokračujte v podporovaném načítání údajů o této původní operaci. Požadavek na vytvoření znovu neodesílejte.", "type": "server_error" } ], "hints": [], "ignored_fields": [], "lifecycle": { "all_results": "Follow everyactualreturnedoutputandownedasset; no result is discardedbecauseindex0orcontent_urlalreadyexists.", "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed URL; never construct token" } ], "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "status": [ { "http": "GET", "id_source": "actual returned task_id or media library record", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Uchovejte původní operation_id/X-Client-Request-ID pro spárování záznamů bez opětovného odeslání; samostatná trasa pro dotazování na stav zvuku neexistuje." }, "material_combinations": [ { "content_type": "application/json", "mode": "text_to_speech", "required": [ "input" ] } ], "media_library": { "asset": { "fields": [ { "description": null, "name": "asset_id", "type": "string" }, { "description": null, "name": "task_id", "type": "string" }, { "description": null, "name": "output_key", "type": "string" }, { "description": null, "name": "family", "type": "string" }, { "description": null, "name": "model", "type": "string" }, { "description": null, "name": "method", "type": "string" }, { "description": null, "name": "status", "type": "string" }, { "description": null, "name": "content_type", "type": "string" }, { "description": null, "name": "sha256", "type": "string" }, { "description": null, "name": "size_bytes", "type": "integer" }, { "description": null, "name": "content_url", "type": "string" } ], "http": "GET", "id_source": "actual returned asset_id", "path": "/v1/media/assets/{asset_id}" }, "content": { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "range_header_supported": true, "url_source": "Use exact returned signed content_url including its token; do not construct a token." }, "expired_link": { "code": "link_expired", "http_status": 404, "recovery": "Read the asset again to obtain its refreshed signed content_url, then fetch that URL. Do not regenerate." }, "list": { "all_pages": "Follow every returned next_cursor, then select records by their actual task_id/output_key.", "http": "GET", "output_fields": [ { "description": null, "name": "object", "type": "string" }, { "description": null, "name": "data", "type": "asset[]" }, { "description": null, "name": "next_cursor", "type": "string|null" } ], "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "family", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "cursor", "required": false, "type": "string" }, { "availability": "source_interface", "default": 20, "default_known": true, "enum": null, "enum_known": false, "maximum": 100, "minimum": 1, "name": "limit", "required": false, "type": "integer" } ], "path": "/v1/media/assets" }, "revoke": { "http": "DELETE", "meaning": "Revokes/deletes the existing owned file; this is not generation cancellation.", "path": "/v1/media/assets/{asset_id}", "pending_status": "revoking", "success_statuses": [ 202, 204 ] }, "task": { "http": "GET", "id_source": "actual returned task_id or media library record; operation_id is not task_id", "path": "/v1/media/tasks/{task_id}" } }, "operation_modes": [ "text_to_speech" ], "outputs": { "all_results": "Uchovejte úplný binární výsledek a hlavičky. Pokud odpověď obsahuje JSON nebo více výstupů, uchovejte všechny datové položky a stáhněte každý soubor ze skutečně vrácené podepsané URL.", "family": "audio", "fields": [ { "description": null, "name": "binary audio", "type": "bytes" }, { "description": null, "name": "response headers", "type": "headers" } ], "format": "mp3", "http_success": 200 }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "minimax/speech-2.8-turbo" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "limit_known": false, "maximum_length": null, "min_length": 1, "name": "input", "required": true, "type": "string", "unit": "znaky Unicode" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "English_expressive_narrator", "English_radiant_girl", "English_magnetic_voiced_man", "English_compelling_lady1", "English_Aussie_Bloke", "English_captivating_female1", "English_Upbeat_Woman", "English_Trustworth_Man", "English_CalmWoman", "English_UpsetGirl", "English_Gentle-voiced_man", "English_Whispering_girl", "English_Diligent_Man", "English_Graceful_Lady", "English_ReservedYoungMan", "English_PlayfulGirl", "English_ManWithDeepVoice", "English_MaturePartner", "English_FriendlyPerson", "English_MatureBoss", "English_Debator", "English_LovelyGirl", "English_Steadymentor", "English_Deep-VoicedGentleman", "English_Wiselady", "English_CaptivatingStoryteller", "English_DecentYoungMan", "English_SentimentalLady", "English_ImposingManner", "English_SadTeen", "English_PassionateWarrior", "English_WiseScholar", "English_Soft-spokenGirl", "English_SereneWoman", "English_ConfidentWoman", "English_PatientMan", "English_Comedian", "English_BossyLeader", "English_Strong-WilledBoy", "English_StressedLady", "English_AssertiveQueen", "English_AnimeCharacter", "English_Jovialman", "English_WhimsicalGirl", "English_Kind-heartedGirl" ], "enum_known": true, "name": "voice", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "mp3" ], "enum_known": true, "name": "response_format", "required": true, "type": "string" } ], "profile_binding": "Exact existing Ailoot model and method; interface constraints below do not assert provider qualification.", "unsupported": [ "every field outside exactmodel,input,voice,response_format", "stream/speed/reference speech options" ] }, "hints": [ "Vyberte přesný hlas z tohoto profilu modelu.", "Vstupní znaky a sekundy zvuku jsou různé měrné jednotky." ], "input": { "content_type": "application/json", "input": "přesný text UTF-8; počet znaků Unicode bez normalizace", "material_types": [ "text" ], "max_input_characters": null, "other_options": false, "required": [ "model", "input", "voice", "response_format" ], "response_format": [ "mp3" ], "voice_ids": [ "English_expressive_narrator", "English_radiant_girl", "English_magnetic_voiced_man", "English_compelling_lady1", "English_Aussie_Bloke", "English_captivating_female1", "English_Upbeat_Woman", "English_Trustworth_Man", "English_CalmWoman", "English_UpsetGirl", "English_Gentle-voiced_man", "English_Whispering_girl", "English_Diligent_Man", "English_Graceful_Lady", "English_ReservedYoungMan", "English_PlayfulGirl", "English_ManWithDeepVoice", "English_MaturePartner", "English_FriendlyPerson", "English_MatureBoss", "English_Debator", "English_LovelyGirl", "English_Steadymentor", "English_Deep-VoicedGentleman", "English_Wiselady", "English_CaptivatingStoryteller", "English_DecentYoungMan", "English_SentimentalLady", "English_ImposingManner", "English_SadTeen", "English_PassionateWarrior", "English_WiseScholar", "English_Soft-spokenGirl", "English_SereneWoman", "English_ConfidentWoman", "English_PatientMan", "English_Comedian", "English_BossyLeader", "English_Strong-WilledBoy", "English_StressedLady", "English_AssertiveQueen", "English_AnimeCharacter", "English_Jovialman", "English_WhimsicalGirl", "English_Kind-heartedGirl" ] }, "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed URL; never construct token" } ], "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "status": [ { "http": "GET", "id_source": "skutečně vrácené task_id nebo záznam v knihovně médií", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Retain original operation_id/X-Client-Request-ID for reconciliation without resubmission; no dedicated audio poll route." }, "manufacturer_capability": null, "method": { "http": "POST", "path": "/v1/audio/speech" }, "method_aliases": [], "operation_modes": [ "text_to_speech" ], "output": { "family": "audio", "format": "mp3", "http_success": 200, "response": "full binary MP3 plus response headers", "result": "complete playable owned MP3" } }, "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": { "quantity_meter": "utf8.RuneCountInString(validUTF8): one Han codepoint=1; no Han weighting", "quoted_unit": "per 1000 input character" }, "label": "Ultra", "units": [ { "amount": "0.12000", "amount_unit": "usd_per_1000_characters", "billing_input": true, "estimate_only": false, "key": "audio_input_character", "label": "input character", "native_amount_usd_per_unit": "0.00012", "native_quantity": 1, "public_unit_label": "per 1000 input character", "quantity": "1000", "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_character" } ] } ], "declared_tariff_references": [ { "client_selectable": false, "key": "192bd3b46436eee64517", "label": "MiniMax: Speech 2.8 Turbo", "profiles": [ { "basis": "", "dimensions": { "conditions": "Výchozí konfigurace" }, "label": "MiniMax: Speech 2.8 Turbo · Výchozí konfigurace", "units": [ { "amount": "0.00012", "amount_unit": "usd_per_exact_physical_unit", "billing_input": false, "key": "ac90c22c8807c6c8e538fd70", "label": "Input characters", "public_unit_label": "per input character", "quantity": "1", "rate_role": "declared_tariff_rate", "side": "in", "unit": "input_character" } ] } ] } ], "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_VOICE_ID:?Choose an accepted voice ID from this exact model profile}\"\nexport AILOOT_VOICE_ID\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"minimax/speech-2.8-turbo\", \"input\": \"Good afternoon! This is a short voice take.\"}')\nvoice=os.environ[\"AILOOT_VOICE_ID\"]\nallowed=json.loads('[\"English_expressive_narrator\", \"English_radiant_girl\", \"English_magnetic_voiced_man\", \"English_compelling_lady1\", \"English_Aussie_Bloke\", \"English_captivating_female1\", \"English_Upbeat_Woman\", \"English_Trustworth_Man\", \"English_CalmWoman\", \"English_UpsetGirl\", \"English_Gentle-voiced_man\", \"English_Whispering_girl\", \"English_Diligent_Man\", \"English_Graceful_Lady\", \"English_ReservedYoungMan\", \"English_PlayfulGirl\", \"English_ManWithDeepVoice\", \"English_MaturePartner\", \"English_FriendlyPerson\", \"English_MatureBoss\", \"English_Debator\", \"English_LovelyGirl\", \"English_Steadymentor\", \"English_Deep-VoicedGentleman\", \"English_Wiselady\", \"English_CaptivatingStoryteller\", \"English_DecentYoungMan\", \"English_SentimentalLady\", \"English_ImposingManner\", \"English_SadTeen\", \"English_PassionateWarrior\", \"English_WiseScholar\", \"English_Soft-spokenGirl\", \"English_SereneWoman\", \"English_ConfidentWoman\", \"English_PatientMan\", \"English_Comedian\", \"English_BossyLeader\", \"English_Strong-WilledBoy\", \"English_StressedLady\", \"English_AssertiveQueen\", \"English_AnimeCharacter\", \"English_Jovialman\", \"English_WhimsicalGirl\", \"English_Kind-heartedGirl\"]')\nif voice not in allowed: raise SystemExit(\"Choose an accepted voice ID from this exact model profile\")\np[\"voice\"]=voice\np[\"response_format\"]=\"mp3\"\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 $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o speech.mp3\n", "label": "curl", "language": "bash" }, { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -o media-assets.json\n", "label": "List actual media assets", "language": "bash" }, { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_MEDIA_TASK_ID:?Set the actual ID returned by the response or media-library metadata}\"\nexport AILOOT_MEDIA_TASK_ID\nresource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ[\"AILOOT_MEDIA_TASK_ID\"],safe=\"\"))')\ncurl --fail-with-body --silent --show-error \"https://api.ailoot.ai/v1/media/tasks/$resource_id\" \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -o media-task.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path(\"media-task.json\").read_text())))\nPY_RESULT\n", "label": "Read actual media task", "language": "bash" }, { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_ASSET_ID:?Set the actual ID returned by the response or media-library metadata}\"\nexport AILOOT_ASSET_ID\nresource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ[\"AILOOT_ASSET_ID\"],safe=\"\"))')\ncurl --fail-with-body --silent --show-error \"https://api.ailoot.ai/v1/media/assets/$resource_id\" \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -o media-asset.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path(\"media-asset.json\").read_text())))\nPY_RESULT\n", "label": "Read actual asset metadata", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "speech", "hints": [ "Select exact voice from this model profile.", "Input characters and audio seconds are different meters." ], "http": "POST", "in": null, "input": [ "text" ], "label": "Озвучка текста", "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", "image_input_price": null, "image_output_price": null, "per_request_price": null, "unit_prices": { "audio_input_character": 0.00012 } }, "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": { "quantity_meter": "utf8.RuneCountInString(validUTF8): one Han codepoint=1; no Han weighting", "quoted_unit": "per 1000 input character" }, "label": "Ultra", "units": [ { "amount": "0.12000", "amount_unit": "usd_per_1000_characters", "billing_input": true, "estimate_only": false, "key": "audio_input_character", "label": "input character", "native_amount_usd_per_unit": "0.00012", "native_quantity": 1, "public_unit_label": "per 1000 input character", "quantity": "1000", "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_character" } ] } ], "request_model_id": "minimax/speech-2.8-turbo", "route_label": "Ultra", "status_reads": [ "GET /v1/media/tasks/{task_id}", "GET /v1/media/assets/{asset_id}/content" ], "tiers": [], "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": "0.12000", "amount_unit": "usd_per_1000_characters", "billing_input": true, "estimate_only": false, "key": "audio_input_character", "label": "input character", "native_amount_usd_per_unit": "0.00012", "native_quantity": 1, "public_unit_label": "per 1000 input character", "quantity": "1000", "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_character" } ] } ], "model_aliases": [ { "canonical_model_id": "minimax/speech-2.8-turbo", "request_model_id": "minimax/speech-2.8-turbo", "route_label": "Ultra" } ], "name": "MiniMax: Speech 2.8 Turbo", "price": { "in": null, "in_label": null, "out": null, "out_label": null, "sort_in": null, "sort_out": null, "varies": true }, "pricing_profiles": [ { "applicability": { "client_selectable": false, "native_profile_selection_pending": true, "scope": "manufacturer_reference" }, "dimensions": { "async_max_input_characters": null, "not_tokens": true, "quoted_denominator": "1000000_characters" }, "label": "Ultra", "units": [ { "amount": "0.00012", "amount_unit": "usd_per_input_character", "conditions": { "async_max_input_characters": null, "not_tokens": true, "quoted_denominator": "1000000_characters" }, "key": "base", "label": "base", "profile_index": 0, "quantity": "1", "rate_role": "binding_component_rate", "side": "in", "unit": "input_character" } ] }, { "applicability": { "client_selectable": false, "native_profile_selection_pending": true, "scope": "manufacturer_reference" }, "dimensions": { "async_max_input_characters": 1000000, "not_tokens": true, "quoted_denominator": "1000000_characters" }, "label": "Ultra", "units": [ { "amount": "0.00012", "amount_unit": "usd_per_input_character", "conditions": { "async_max_input_characters": 1000000, "not_tokens": true, "quoted_denominator": "1000000_characters" }, "key": "base", "label": "base", "profile_index": 1, "quantity": "1", "rate_role": "binding_component_rate", "side": "in", "unit": "input_character" } ] }, { "applicability": { "client_selectable": false, "native_profile_selection_pending": true, "scope": "manufacturer_reference" }, "dimensions": { "charge_at_design_or_clone_creation": false, "charge_at_first_synthesis": true, "charge_once_per_voice_across_synthesis_calls": true, "event": "designed_voice_first_synthesis", "plus_synthesis_characters": true }, "label": "Ultra", "units": [ { "amount": "6", "amount_unit": "usd_per_voice", "conditions": { "charge_at_design_or_clone_creation": false, "charge_at_first_synthesis": true, "charge_once_per_voice_across_synthesis_calls": true, "event": "designed_voice_first_synthesis", "plus_synthesis_characters": true }, "key": "designed_voice_first_synthesis", "label": "designed voice first synthesis", "profile_index": 2, "quantity": "1", "rate_role": "binding_component_rate", "side": "out", "unit": "voice" } ] }, { "applicability": { "client_selectable": false, "native_profile_selection_pending": true, "scope": "manufacturer_reference" }, "dimensions": { "charge_at_design_or_clone_creation": false, "charge_at_first_synthesis": true, "charge_once_per_voice_across_synthesis_calls": true, "event": "cloned_voice_first_synthesis", "plus_synthesis_characters": true }, "label": "Ultra", "units": [ { "amount": "3.0", "amount_unit": "usd_per_voice", "conditions": { "charge_at_design_or_clone_creation": false, "charge_at_first_synthesis": true, "charge_once_per_voice_across_synthesis_calls": true, "event": "cloned_voice_first_synthesis", "plus_synthesis_characters": true }, "key": "cloned_voice_first_synthesis", "label": "cloned voice first synthesis", "profile_index": 3, "quantity": "1", "rate_role": "binding_component_rate", "side": "out", "unit": "voice" } ] } ], "public_id": "minimax/speech-2.8-turbo", "short": "Speech 2.8 Turbo nabízí rychlou syntézu přirozené řeči se zvukovými značkami a řízením výraznosti." }, "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 2.8 Turbo nabízí rychlou syntézu přirozené řeči se zvukovými značkami a řízením výraznosti.", "source": { "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1", "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036", "raw_model_json_sha256": "0162f81f236e744ef6502da499e40686494cf4d0809e6503284d56a1e7dd26f1", "renderer_sha256": "41721c81890b87836cd3fd41ef732d3276f5969e30822ba09962305294953718" }, "sourceRevision": "310a5686f92915414f2d50637a070d88b8c9f11272e182aae07959416cbdedba" }