MiniMax: Speech 2.8 HD
Το Speech 2.8 HD συνθέτει εκφραστική ομιλία με έλεγχο συναισθήματος και ηχητικές λεπτομέρειες, όπως αναπνοές και γέλιο.
Σχετικά με το μοντέλο
Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.
Ζωντανή ομιλία με μικρές ηχητικές λεπτομέρειες
Το Speech 2.8 HD εστιάζει στον φυσικό και καθαρό ήχο. Βασικό γνώρισμα της γενιάς είναι οι ηχητικοί δείκτες που επιτρέπουν να ενσωματώνονται λεπτομέρειες καθημερινού λόγου: γέλιο, ελαφρύ γελάκι, αναπνοή, εισπνοή, εκπνοή, αναστεναγμός, βήχας, καθάρισμα λαιμού και άλλοι σύντομοι ήχοι. Βοηθούν να αποδίδονται ο ρυθμός και οι παύσεις μιας ζωντανής φράσης, χωρίς κάθε πρόταση να ακούγεται σαν ομοιόμορφη εκφώνηση αφηγητή.
Οι δείκτες εισάγονται στο κείμενο με τη μορφή που ορίζεται για το μοντέλο: για παράδειγμα, τα (chuckle), (breath) και (sighs) αντιστοιχούν στις συγκεκριμένες ηχητικές ενέργειες. Η δυνατότητα ηχητικών δεικτών αφορά ειδικά το Speech 2.8. Πρόκειται για φωνητικές λεπτομέρειες μέσα στη σύνθεση ομιλίας και όχι για παραγωγή χωριστής μουσικής ή ηχητικής σύνθεσης.
Χροιά και καθαρότητα
Ο κατασκευαστής επισημαίνει την απόδοση ιδιαίτερων χαρακτηριστικών της φωνής: υφής, αναπνοής και τρόπου εκφώνησης. Οι δυνατότητες της οικογένειας περιλαμβάνουν σύνθεση με ήδη προετοιμασμένη κλωνοποιημένη φωνή· η δημιουργία της είναι χωριστή διαδικασία. Στο Speech 2.8 έχει επίσης αναθεωρηθεί η επεξεργασία για μείωση θορύβου υποβάθρου και ψηφιακών παραμορφώσεων.
Γλώσσες και εκφραστικότητα
Το Speech 2.8 υποστηρίζει 40 γλώσσες, συμπεριλαμβανομένων των ρωσικών. Ο κατασκευαστής περιγράφει ειδικά τη βελτίωση της διαγλωσσικής προφοράς σε συνδυασμό κινεζικών και ιαπωνικών. Αυτό αφορά τη διατήρηση φυσικού ήχου κατά τη χρήση διαφορετικών γλωσσών και όχι την αυτόματη μετάφραση του κειμένου.
Η MiniMax προβλέπει επιλογή φωνής και έλεγχο ταχύτητας, έντασης και τονικού ύψους. Η ταχύτητα ορίζεται στο εύρος 0,5–2, η ένταση πάνω από 0 και έως 10, και η μεταβολή του τονικού ύψους από −12 έως 12. Το συναίσθημα μπορεί να επιλέγεται από το μοντέλο βάσει του νοήματος του κειμένου ή να ορίζεται χειροκίνητα: χαρά, λύπη, θυμός, φόβος, αποστροφή, έκπληξη ή ηρεμία.
Η προφορά μπορεί να διευκρινίζεται με λεξικό αντικαταστάσεων και φωνητική γραφή· προβλέπονται το Διεθνές Φωνητικό Αλφάβητο, το κινεζικό πινγίν και ιαπωνικές παραλλαγές ανάγνωσης. Οι παύσεις τοποθετούνται μεταξύ εκφωνούμενων τμημάτων στο εύρος 0,01–99,99 δευτερολέπτων. Η διάρκειά τους ορίζεται με ακρίβεια δύο δεκαδικών ψηφίων· οι δείκτες τοποθετούνται μεταξύ εκφωνούμενων τμημάτων και όχι διαδοχικά. Αυτές οι ρυθμίσεις βοηθούν να προσαρμόζεται η εκφώνηση ονομάτων, συντομογραφιών και αμφίσημων λέξεων στον σκοπό της αφήγησης.
Αποτέλεσμα ήχου
Η σύνθεση δέχεται κείμενο με λιγότερους από 10 000 χαρακτήρες. Για μεγάλα κείμενα πάνω από 3000 χαρακτήρες, ο κατασκευαστής συνιστά έξοδο σε ροή· προβλέπεται επίσης λήψη του ολοκληρωμένου ήχου ως συνόλου. Οι γενικές ρυθμίσεις σύνθεσης περιλαμβάνουν MP3, PCM, FLAC, WAV, Opus και παραλλαγές G.711 μ-law, μονοφωνικό ή στερεοφωνικό ήχο· οι διαθέσιμες μορφές ενός συγκεκριμένου αιτήματος καθορίζονται από τις δυνατότητες της Ailoot.
Αυτή η κάρτα μετατρέπει κείμενο σε ήχο ομιλίας. Οι ρυθμίσεις φωνής περιγράφουν το μοντέλο της MiniMax· η δημιουργία κλώνου φωνής, οι χωριστοί υπότιτλοι και οι ειδικοί τρόποι σύνδεσης δεν περιλαμβάνονται αυτόματα στο αίτημα εκφώνησης.
Οι πρόσθετες ρυθμίσεις ήχου περιλαμβάνουν συχνότητες δειγματοληψίας 8, 16, 22,05, 24, 32 και 44,1 kHz. Για MP3 προβλέπεται ρυθμός μετάδοσης 32, 64, 128 ή 256 kbit/s. Μπορεί επίσης να αλλάζει η χροιά της φωνής και να εφαρμόζεται ένα εφέ: ηχώ μεγάλου χώρου, ηχώ αίθουσας, τηλεφωνικός ήχος ή ρομποτική φωνή. Τα εφέ μεταβολής φωνής υποστηρίζονται για MP3, WAV και FLAC όταν ο ήχος λαμβάνεται ολόκληρος, ενώ σε έξοδο σε ροή μόνο για MP3. Οι μορφές G.711 μ-law χρησιμοποιούν συχνότητα 8 kHz. Αυτές οι δυνατότητες ανήκουν στις ρυθμίσεις σύνθεσης της MiniMax.
Ο κατασκευαστής προβλέπει συγχρονισμό ομιλίας και κειμένου: χρονικές σημάνσεις ανά πρόταση, ανά λέξη ή ανά λέξη κατά τη σταδιακή έξοδο. Αυτό βοηθά να συνδυάζεται η εκφώνηση με την εμφάνιση του κειμένου. Η πρόσθετη δυνατότητα απαιτεί υποστήριξη της αντίστοιχης μορφής απάντησης.
Ailoot Ultra · Σύνθεση ομιλίας POST /v1/audio/speech minimax/speech-2.8-hd
minimax/speech-2.8-hdΕισαγωγή
Το Speech 2.8 HD συνθέτει εκφραστική ομιλία με έλεγχο συναισθήματος και ηχητικές λεπτομέρειες, όπως αναπνοές και γέλιο.
- Αποδεκτές είσοδοι
- Κείμενο
- Αποτελέσματα
- Ήχος
Διαθέσιμα στο Ailoot · είσοδοι και μέθοδοι
Ailoot Ultra · Σύνθεση ομιλίας POST /v1/audio/speech
- Είσοδος
text- Έξοδος
audio- Μορφή εξόδου
- mp3
| Πεδίο | Τύπος | Απαίτηση | Τιμές και όρια | Προεπιλογή |
|---|---|---|---|---|
Πεδίοmodel | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια minimax/speech-2.8-hd | Προεπιλογή— |
Πεδίοinput | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Ελάχιστο μήκος: 1 Μονάδα: χαρακτήρες Unicode | Προεπιλογή— |
Πεδίοvoice | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια 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 | Προεπιλογή— |
Πεδίοresponse_format | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια mp3 | Προεπιλογή— |
Συνδυασμοί υλικών εισόδου
text_to_speech · Υποχρεωτικό: input
Παράμετροι και κύκλος ζωής μεθόδου
| Παράμετρος | Σύμβαση |
|---|---|
Παράμετροςcontent_type | Σύμβασηapplication/json |
Παράμετροςrequired | Σύμβασηmodel, input, voice, response_format |
Παράμετροςvoice_ids | ΣύμβασηEnglish_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 |
Παράμετροςresponse_format | Σύμβασηmp3 |
Παράμετροςmax_input_characters | Σύμβασηnull |
Παράμετροςother_options | Σύμβασηfalse |
Παράμετροςinput | Σύμβασηακριβές κείμενο UTF-8· πλήθος χαρακτήρων Unicode χωρίς κανονικοποίηση |
Παράμετροςmaterial_types | Σύμβασηtext |
Κύκλος ζωής: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · Το πραγματικό task_id που επιστράφηκε ή μια εγγραφή στη βιβλιοθήκη πολυμέσων
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Επιλέξτε την ακριβή φωνή από αυτό το προφίλ μοντέλου.
Οι χαρακτήρες εισόδου και τα δευτερόλεπτα ήχου αποτελούν διαφορετικές μονάδες μέτρησης.
Τιμολόγηση
Οι τιμολογιακές αναφορές δεν προσθέτουν επιλογές αιτήματος. Οι υποστηριζόμενες παράμετροι αναφέρονται στην επιλεγμένη μέθοδο.
- Γρήγορη λειτουργία
- Δεν έχει οριστεί Όταν επιλέγεται η γρήγορη λειτουργία
- Λειτουργία flex
- Δεν έχει οριστεί Όταν επιλέγεται η λειτουργία flex
- Μέγιστη προσπάθεια συλλογισμού
- Δεν έχει οριστεί Όταν η μέγιστη προσπάθεια συλλογισμού χρησιμοποιεί την προσαρμογή default
Χρεώσεις Ailoot
Τιμές ανά διαμόρφωση
Αντιστοιχίστε κάθε χρέωση στις συνθήκες που εμφανίζονται. Χρησιμοποιήστε μία χρέωση ανά σύνολο εναλλακτικών διαμορφώσεων.
| Διαμόρφωση | Πίνακας χρεώσεων | Χρεώσιμη ποσότητα | Μονάδα τιμολόγησης | Χρέωση |
|---|---|---|---|---|
| ΔιαμόρφωσηΒασικές χρεώσεις token | Πίνακας χρεώσεωνΒασική χρέωση | Χρεώσιμη ποσότητα— | Μονάδα τιμολόγησης— | Χρέωση Είσοδος · Token εισόδου — / 1K token Έξοδος · Token εξόδου — / 1K token Είσοδος · Ανάγνωση από την κρυφή μνήμη — / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη — / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη, 1 ώρα — / 1K token |
| ΔιαμόρφωσηUltra | Πίνακας χρεώσεων— | Χρεώσιμη ποσότηταΚάθε σημείο κώδικα Unicode μετρά ως ένας χαρακτήρας, συμπεριλαμβανομένων των χαρακτήρων Han. | Μονάδα τιμολόγησηςανά 1K χαρακτήρες εισόδου | Χρέωση Είσοδος · χαρακτήρας εισόδου $0.2 ανά 1K χαρακτήρες εισόδου |
Στοιχεία τιμοκαταλόγου αναφοράς
Οι πίνακες αναφοράς του μοντέλου δεν αλλάζουν την επιλογή μεθόδου, τις εκτιμήσεις τιμής ή τις χρεώσεις. Οι εφαρμοζόμενες χρεώσεις χρησιμοποιούν τις τιμές της επιλεγμένης μεθόδου Ailoot.
MiniMax: Speech 2.8 HD
Τιμές ανά διαμόρφωση
| Διαμόρφωση | Συνθήκες χρέωσης | Χρέωση |
|---|---|---|
| ΔιαμόρφωσηMiniMax: Speech 2.8 HD · Προεπιλεγμένη διαμόρφωση | Συνθήκες χρέωσηςΠροεπιλεγμένη διαμόρφωση | Χρέωση Είσοδος · Χαρακτήρες εισόδου 0,0002 $ ανά χαρακτήρα εισόδου |
Το Ailoot δεσμεύει ένα εκτιμώμενο ποσό πριν από το αίτημα. Μετά το αποτέλεσμα, εκκαθαρίζει την τελική χρέωση βάσει της μετρημένης χρήσης. Η εκκαθάριση ροής χρησιμοποιεί την τελική καταγραφή χρήσης. Πώς λειτουργούν η δέσμευση και η εκκαθάριση →
Παραδείγματα αιτημάτων
Ailoot Ultra · Σύνθεση ομιλίας
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-hd", "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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o speech.mp3
Λήψη και αποθήκευση αποτελεσμάτων
Ailoot Ultra · Σύνθεση ομιλίας
mp3
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Άλλες ανακτήσεις περιεχομένου
set -eu
: "${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
Διατηρήστε όλα τα ολοκληρωμένα αποτελέσματα
Διατηρήστε κάθε πλήρη απάντηση, αρχείο και τμήμα περιεχομένου που επιστρέφεται.
Διατηρήστε ολόκληρο το δυαδικό αποτέλεσμα και τις κεφαλίδες. Αν επιστραφεί JSON ή επιστραφούν πολλαπλές έξοδοι, διατηρήστε κάθε στοιχείο δεδομένων και ανακτήστε κάθε πραγματικό υπογεγραμμένο URL πόρου.
Αν χρειάζεται έλεγχος της αρχικής απάντησης
Διατηρήστε το αρχικό operation_id/X-Client-Request-ID για τη συμφωνία των εγγραφών χωρίς νέα υποβολή· δεν υπάρχει ειδική διαδρομή περιοδικού ελέγχου για τον ήχο.
Πεδία απάντησης
| Πεδίο | Τύπος |
|---|---|
Πεδίοbinary audio | Τύποςbytes |
Πεδίοresponse headers | Τύποςheaders |
Σφάλματα και επόμενα βήματα
| Απάντηση | Συνθήκη | Επόμενο βήμα |
|---|---|---|
Απάντηση400 · invalid_request_error | ΣυνθήκηΜη έγκυρα υποχρεωτικά πεδία, μη έγκυρη αναπαράσταση υλικού ή μη έγκυρη τιμή παραμέτρου | Επόμενο βήμαΔιορθώστε τα υποδεικνυόμενα πεδία πριν από νέο αίτημα δημιουργίας. |
Απάντησηserver_error | ΣυνθήκηΗ απόκριση που επιστράφηκε αναφέρει ότι η λειτουργία ή το αποτέλεσμα χρειάζεται έλεγχο | Επόμενο βήμαΔιατηρήστε το αρχικό ID της λειτουργίας/εργασίας που επιστράφηκε, τις κεφαλίδες του αιτήματος και την απόκριση· συνεχίστε με τις υποστηριζόμενες αναγνώσεις αυτής της αρχικής λειτουργίας. Μην υποβάλετε ξανά το αίτημα δημιουργίας. |
Εναλλακτικά ονόματα
Εναλλακτικά ονόματα μοντέλου
Ailoot Ultra minimax/speech-2.8-hd
Εναλλακτικές διαδρομές μεθόδων
Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.
Σχετικά ID μοντέλων
FAQ · MiniMax: Speech 2.8 HD
- Ποιες είσοδοι και αποτελέσματα διατίθενται;
POST /v1/audio/speech·minimax/speech-2.8-hd:text→audio- Ποια πεδία χρησιμοποιεί το αίτημα;
POST /v1/audio/speech·minimax/speech-2.8-hd:model,input,voice,response_format