speech-2.6-turbo
Speech 2.6 Turbo sintetiza voz multilingüe y está orientado a una latencia de respuesta reducida.
Sobre el modelo
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Intervenciones para un proceso de voz
Speech 2.6 Turbo es la variante de síntesis orientada a velocidad. El fabricante la describe para asistentes de voz e interacción que convierte texto en respuesta progresivamente. Mantiene las entonaciones naturales de Speech 2.6 y procesa expresiones especiales.
Texto que debe pronunciarse correctamente
Está diseñado para leer fechas, teléfonos, importes, direcciones web y correo sin reescribir manualmente cada expresión. Es útil en mensajes dinámicos que combinan cifras y denominaciones con palabras normales. El fabricante describe su procesamiento en varios idiomas.
Fluidez y emoción
Speech 2.6 admite Fluent LoRA para conservar un timbre reconocible con pronunciación más fluida. Se aplica a voces ya preparadas; preparar un clon por separado no forma parte de una solicitud de texto normal. La familia incluye 40 idiomas, entre ellos ruso.
Turbo contempla siete emociones básicas y fluent y whisper. Puede elegir la emoción según el contenido o utilizar la definida. La profundidad y el ritmo de la voz pueden modificarse independientemente del texto.
Voz, pausas y pronunciación
MiniMax contempla elegir voz y controlar ritmo, volumen y tono. La velocidad va de 0,5–2, el volumen es superior a 0 y hasta 10, y el cambio de tono va de −12 a 12. La emoción puede elegirse automáticamente según el texto o definirse: alegría, tristeza, ira, miedo, asco, sorpresa o calma.
La pronunciación puede precisarse con un diccionario de sustituciones y anotación fonética, incluidos el alfabeto fonético internacional, pinyin chino y variantes japonesas. Las pausas entre fragmentos van de 0,01–99,99 segundos y se definen con dos decimales; los marcadores se colocan entre fragmentos y no consecutivamente. Permite adaptar nombres, abreviaturas y palabras ambiguas a la locución deseada.
Recepción del audio
La síntesis recibe menos de 10 000 caracteres de texto. Para más de 3000, el fabricante recomienda streaming; también contempla recibir todo el audio terminado. Los ajustes generales incluyen MP3, PCM, FLAC, WAV, Opus y G.711 μ-law, mono o estéreo; las opciones de Ailoot determinan los formatos disponibles de cada solicitud.
Esta ficha de Ailoot convierte texto en audio hablado. Turbo se orienta a velocidad de síntesis, pero no promete un tiempo fijo de respuesta; los ajustes describen capacidades del fabricante y se aplican dentro del método disponible.
Otros ajustes incluyen frecuencias de 8, 16, 22,05, 24, 32 y 44,1 kHz. Para MP3 se contempla un bitrate de 32, 64, 128 o 256 kbit/s. También se puede modificar el carácter de la voz y aplicar un efecto: eco espacioso, eco de sala, sonido telefónico o voz robótica. Los efectos se admiten para MP3, WAV y FLAC al obtener audio completo, y solo para MP3 en streaming. G.711 μ-law utiliza 8 kHz. Estas capacidades pertenecen a los ajustes de síntesis de MiniMax.
El fabricante contempla sincronizar voz y texto con marcas de tiempo por frase, palabra o palabra en salida progresiva. Permite coordinar la locución y la visualización del texto. La capacidad adicional requiere un formato de respuesta compatible.
Ailoot · Síntesis de voz POST /v1/audio/speech speech-2.6-turbo
speech-2.6-turboInicio
Speech 2.6 Turbo sintetiza voz multilingüe y está orientado a una latencia de respuesta reducida.
- Entradas aceptadas
- Texto
- Resultados
- speech
Disponible en Ailoot · entradas y métodos
Ailoot · Síntesis de voz POST /v1/audio/speech
- Entrada
text- Salida
speech- Formato de salida
- mp3
| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites speech-2.6-turbo | Predeterminado— |
Campoinput | Tipostring | RequisitoObligatorio | Valores y límites Longitud mínima: 1 Longitud máxima (exclusiva): 10,000 Unidad: caracteres Unicode | Predeterminado— |
Campovoice | Tipostring | RequisitoObligatorio | Valores y límites Patrón: ^[A-Za-z0-9_-]{1,128}$ | Predeterminado— |
Camporesponse_format | Tipostring | RequisitoOpcional | Valores y límites mp3 | Predeterminado— |
Combinaciones de materiales de entrada
text_to_speech · Obligatorio: input
Parámetros del método y ciclo de vida
| Parámetro | Contrato |
|---|---|
Parámetromaterial_types | Contratotext |
Parámetrorequired | Contratonull |
Parámetrooptional_controls | Contratonull |
Ciclo de vida: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · El task_id real devuelto o el registro de la biblioteca multimedia
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Las estructuras e ID de los métodos son exactos; la capacidad del proveedor y la admisión son conceptos distintos.
Tarifas
Tarifas de métodos Ailoot
POST /v1/audio/speech- Entrada
- USD 60.00 por 1 millón de caracteres
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
Solicitudes de ejemplo
Ailoot · Síntesis de voz
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 narration script}"
export AILOOT_TEXT_FILE
: "${AILOOT_VOICE_ID:?Set the actual accepted voice ID for this model}"
export AILOOT_VOICE_ID
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "speech-2.6-turbo", "input": ""}')
f=Path(os.environ["AILOOT_TEXT_FILE"])
if not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")
text=f.read_text(encoding="utf-8")
if not text.strip():raise SystemExit("Source material must contain text")
p["input"]=text
import re
voice=os.environ["AILOOT_VOICE_ID"]
if not re.fullmatch(r"[A-Za-z0-9_-]{1,128}",voice):raise SystemExit("Set an actual accepted voice ID")
p["voice"]=voice
Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/speech \
-H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o speech.mp3
Recibir y guardar resultados
Ailoot · Síntesis de voz
mp3
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Conserva todos los resultados completados
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva el resultado binario completo y los encabezados. Si se devuelve JSON o varias salidas, conserva cada elemento de data y descarga cada recurso desde su URL firmada real.
Si es necesario revisar la respuesta original
Conserva el operation_id/X-Client-Request-ID original para la conciliación sin volver a enviar la solicitud; no hay una ruta específica para consultar el estado del audio.
Campos de respuesta
| Campo | Tipo |
|---|---|
Campobinary audio | Tipobytes |
Camporesponse headers | Tipoheaders |
Errores y siguientes pasos
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Respuestaserver_error | CondiciónLa respuesta devuelta indica que la operación o el resultado requiere una revisión | Siguiente pasoConserva el ID original de operación o tarea devuelto, los encabezados de la solicitud y la respuesta; continúa con las consultas admitidas de esa operación original. No vuelvas a enviar la solicitud de creación. |
Alias
Alias del modelo
Ailoot speech-2.6-turbo
Alias de rutas de métodos
Usa las rutas de método indicadas arriba.
ID de modelo relacionados
FAQ · speech-2.6-turbo
- ¿Qué entradas y resultados están disponibles?
POST /v1/audio/speech·speech-2.6-turbo:text→speech- ¿Qué campos utiliza la solicitud?
POST /v1/audio/speech·speech-2.6-turbo:model,input,voice,response_format