MiniMax: Speech 2.8 Turbo

Speech 2.8 Turbo bietet schnelle Synthese natürlicher Sprache mit Audiomarkierungen und steuerbarem Ausdruck.

Ailoot Ultra · Sprachausgabe POST /v1/audio/speech minimax/speech-2.8-turbo

Über das Modell

Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.

Schnelle Synthese gesprochener Beiträge

Speech 2.8 Turbo verbindet schnelle Audioerstellung mit natürlicher Stimmbewegung. Der Hersteller positioniert Turbo für flüssigen Gesprächsklang: kurze Beiträge, Textvertonung und Sprachinteraktion. Diese Karte akzeptiert Text und gibt gesprochenes Audio zurück.

Lachen, Atmen und Ausrufe

Wie die HD-Version dieser Generation unterstützt Turbo die Audiomarkierungen von Speech 2.8. In den Text lassen sich Bezeichnungen für Lachen, Kichern, Husten, Räuspern, Einatmen, Ausatmen, Seufzen und andere kurze Laute einfügen. Diese steuerbare Unregelmäßigkeit lässt einen Beitrag wie ein Gespräch klingen: Atmung und Pausen erscheinen passend zum Inhalt.

Eine Audiomarkierung bezieht sich auf eine konkrete Textstelle. Dafür werden vom Modell vorgesehene Bezeichnungen in runden Klammern verwendet, beispielsweise (laughs) oder (breath). Eine beliebige Effektbeschreibung ist kein gleichwertiger Ersatz für eine unterstützte Markierung.

Stimme und Sprache

Die Speech-2.8-Familie unterstützt 40 Sprachen, darunter Russisch, sowie die Arbeit mit vorhandenen Stimmen. Der Hersteller hebt wiedererkennbare Stimmtextur, Atmungseigenschaften und geringere digitale Verzerrungen hervor. Stimmenklonen gehört zu einer separaten Vorbereitung; die vorbereitete Stimme kann anschließend für die Synthese verwendet werden.

MiniMax sieht Stimmenauswahl und die Steuerung von Tempo, Lautstärke und Tonhöhe vor. Die Geschwindigkeit liegt im Bereich 0,5–2, die Lautstärke über 0 und bis 10, die Tonhöhenänderung bei −12 bis 12. Die Emotion kann anhand der Textbedeutung dem Modell überlassen oder manuell angegeben werden: Freude, Trauer, Wut, Angst, Ekel, Überraschung oder Ruhe.

Die Aussprache lässt sich mit einem Ersetzungswörterbuch und phonetischer Notation präzisieren; vorgesehen sind das internationale phonetische Alphabet, chinesisches Pinyin und japanische Lesevarianten. Pausen werden zwischen gesprochenen Abschnitten im Bereich 0,01–99,99 Sekunden angegeben. Die Pausendauer wird mit zwei Nachkommastellen festgelegt; Markierungen stehen zwischen gesprochenen Abschnitten und nicht unmittelbar hintereinander. Diese Einstellungen erlauben es, Namen, Abkürzungen und mehrdeutige Wörter auf die Vertonungsidee abzustimmen.

Schrittweise Ausgabe und Audioformat

Die Synthese akzeptiert Text mit weniger als 10 000 Zeichen. Für lange Texte mit mehr als 3000 Zeichen empfiehlt der Hersteller Streaming-Ausgabe; vollständiger Audioempfang ist ebenfalls vorgesehen. Allgemeine Syntheseeinstellungen umfassen MP3, PCM, FLAC, WAV, Opus und G.711 μ-law-Varianten sowie Mono oder Stereo; welche Formate eine konkrete Anfrage bietet, wird durch die Mittel von Ailoot bestimmt.

Die Turbo-Geschwindigkeit ist eine Eigenschaft der Modellvariante, kein Versprechen einer festen Latenz des fertigen Beitrags. Eine numerische Latenz dieser Anfrage wird hier nicht festgelegt. Die genannten erweiterten Herstellereinstellungen erfordern Unterstützung durch den gewählten Ailoot-Zugriffsweg.

Zusätzliche Audioeinstellungen umfassen Abtastraten von 8, 16, 22,05, 24, 32 und 44,1 kHz. Für MP3 sind Bitraten von 32, 64, 128 oder 256 kbit/s vorgesehen. Außerdem kann die Stimmfärbung geändert und ein einzelner Effekt angewendet werden: weiträumiges Echo, Hallenecho, Telefonklang oder Roboterstimme. Stimmveränderungseffekte werden bei vollständigem Audioempfang für MP3, WAV und FLAC unterstützt, bei Streaming-Ausgabe nur für MP3. G.711 μ-law-Formate verwenden 8 kHz. Diese Fähigkeiten gehören zu den MiniMax-Syntheseeinstellungen.

Der Hersteller sieht die Synchronisierung von Sprache und Text vor: Zeitstempel auf Satzebene, auf Wortebene oder für Wörter bei schrittweiser Ausgabe. Ein solches Ergebnis hilft, Aussprache und Textanzeige zu verbinden. Diese Zusatzfunktion erfordert Unterstützung des entsprechenden Antwortformats.

Ailoot Ultra · Sprachausgabe POST /v1/audio/speech minimax/speech-2.8-turbo

minimax/speech-2.8-turbo

MiniMax /minimax/speech-2.8-turbo

Start

Speech 2.8 Turbo bietet schnelle Synthese natürlicher Sprache mit Audiomarkierungen und steuerbarem Ausdruck.

Zulässige Eingaben: Text
Ergebnisse: Audio

In Ailoot verfügbar · Eingaben und Methoden

Ailoot Ultra · Sprachausgabe POST /v1/audio/speech

Eingabetypen: text
Ausgabetypen: audio
Ausgabeformat: mp3

Feld	Typ	Anforderung	Werte und Limits	Standard
Feld`model`	Typ`string`	AnforderungErforderlich	Werte und Limits minimax/speech-2.8-turbo	Standard—
Feld`input`	Typ`string`	AnforderungErforderlich	Werte und Limits Mindestlänge: 1 Einheit: Unicode-Zeichen	Standard—
Feld`voice`	Typ`string`	AnforderungErforderlich	Werte und Limits 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	Standard—
Feld`response_format`	Typ`string`	AnforderungErforderlich	Werte und Limits mp3	Standard—

Kombinationen von Eingabematerialien

text_to_speech · Erforderlich: input

Methodenparameter und Lebenszyklus

Parameter	Vertrag
Parameter`content_type`	Vertragapplication/json
Parameter`required`	Vertragmodel, input, voice, response_format
Parameter`voice_ids`	VertragEnglish_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
Parameter`response_format`	Vertragmp3
Parameter`max_input_characters`	Vertragnull
Parameter`other_options`	Vertragfalse
Parameter`input`	VertragExakter UTF-8-Text; Anzahl der Unicode-Zeichen ohne Normalisierung
Parameter`material_types`	Vertragtext

Lebenszyklus: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · die tatsächlich zurückgegebene task_id oder ein Eintrag in der Medienbibliothek

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Wählen Sie die genaue Stimme aus diesem Modellprofil.

Eingabezeichen und Audiosekunden sind unterschiedliche Abrechnungseinheiten.

Tarife

Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.

Schnellmodus: Nicht angegeben Wenn der Schnellmodus ausgewählt ist
Flex-Modus: Nicht angegeben Wenn der Modus flex ausgewählt ist
Maximaler Denkaufwand: Nicht angegeben Wenn beim maximalen Denkaufwand die Standardanpassung (default) verwendet wird

Ailoot-Tarife

Preise nach Konfiguration

Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.

Konfiguration	Tarifstaffel	Abrechenbare Menge	Abrechnungseinheit	Gebühr
KonfigurationBasistarife für Token	TarifstaffelGrundtarif	Abrechenbare Menge—	Abrechnungseinheit—	Gebühr Eingabe · Eingabetoken — / 1K Token Ausgabe · Ausgabetoken — / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token
KonfigurationUltra	Tarifstaffel—	Abrechenbare MengeJeder Unicode-Codepunkt zählt als ein Zeichen, einschließlich Han-Zeichen.	Abrechnungseinheitpro 1K Eingabezeichen	Gebühr Eingabe · Eingabezeichen $0.12 pro 1K Eingabezeichen

Details zum Referenztarif

Referenztarifstaffeln auf Modellebene ändern weder Methodenauswahl noch Kostenvoranschläge oder Gebühren. Für die aktive Abrechnung gelten die Tarife der ausgewählten Ailoot-Methode.

MiniMax: Speech 2.8 Turbo

Preise nach Konfiguration

Konfiguration	Abrechnungsbedingungen	Gebühr
KonfigurationMiniMax: Speech 2.8 Turbo · Standardkonfiguration	AbrechnungsbedingungenStandardkonfiguration	Gebühr Eingabe · Eingabezeichen 0,00012 $ pro Eingabezeichen

Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →

Beispielanfragen

Ailoot Ultra · Sprachausgabe

curl

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_VOICE_ID:?Choose an accepted voice ID from this exact model profile}"
export AILOOT_VOICE_ID
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "minimax/speech-2.8-turbo", "input": "Good afternoon! This is a short voice take."}')
voice=os.environ["AILOOT_VOICE_ID"]
allowed=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"]')
if voice not in allowed: raise SystemExit("Choose an accepted voice ID from this exact model profile")
p["voice"]=voice
p["response_format"]="mp3"
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

Ergebnisse abrufen und speichern

Ailoot Ultra · Sprachausgabe

mp3

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

Abrufe anderer Inhalte

MedienbibliothekAufgabenstatusDateidetails

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o media-assets.json

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_MEDIA_TASK_ID:?Set the actual ID returned by the response or media-library metadata}"
export AILOOT_MEDIA_TASK_ID
resource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_MEDIA_TASK_ID"],safe=""))')
curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/tasks/$resource_id" \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o media-task.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path("media-task.json").read_text())))
PY_RESULT

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_ASSET_ID:?Set the actual ID returned by the response or media-library metadata}"
export AILOOT_ASSET_ID
resource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_ASSET_ID"],safe=""))')
curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/assets/$resource_id" \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o media-asset.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path("media-asset.json").read_text())))
PY_RESULT

Alle fertiggestellten Ergebnisse aufbewahren

Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.

Das vollständige Binärergebnis und die Header aufbewahren. Wenn JSON oder mehrere Ausgaben zurückgegeben werden, jedes Datenelement aufbewahren und jede tatsächlich zurückgegebene signierte Asset-URL abrufen.

Wenn die ursprüngliche Antwort geprüft werden muss

Die ursprüngliche operation_id/X-Client-Request-ID für den Abgleich ohne erneute Einreichung aufbewahren; es gibt keine eigene Route zur Abfrage des Audiostatus.

Antwortfelder

Feld	Typ
Feld`binary audio`	Typbytes
Feld`response headers`	Typheaders

Fehler und nächste Schritte

Antwort	Bedingung	Nächster Schritt
Antwort400 · `invalid_request_error`	BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig	Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren.
Antwort`server_error`	BedingungDie zurückgegebene Antwort gibt an, dass der Vorgang oder das Ergebnis eine Prüfung erfordert	Nächster SchrittDie ursprünglich zurückgegebene Vorgangs-/Aufgaben-ID, die Anfrageheader und die Antwort aufbewahren; mit unterstützten Leseaufrufen für diesen ursprünglichen Vorgang fortfahren. Die Erstellungsanfrage nicht erneut senden.

Aliasnamen

Modellaliasnamen

Ailoot Ultra minimax/speech-2.8-turbo

Aliasnamen für Methodenpfade

Verwenden Sie die oben angezeigten Methodenpfade.

Zugehörige Aufrufer-IDs

minimax/speech-2.8-turbo

FAQ · MiniMax: Speech 2.8 Turbo

Welche Eingaben und Ergebnisse sind verfügbar?: POST /v1/audio/speech · minimax/speech-2.8-turbo: text → audio
Welche Felder verwendet die Anfrage?: POST /v1/audio/speech · minimax/speech-2.8-turbo: model, input, voice, response_format

MiniMax: Speech 2.8 Turbo