Microsoft AI: MAI-Voice-2-Flash

Microsoft AI:n MAI-Voice-2-Flash generoi ilmaisullista puhetta 15 kielellä avustajille, asiakastukeen ja puhuttuihin valikoihin. Se yhdistää nopean esityksen kuratoituun äänikirjastoon, viiteääneen perustuvaan kehotukseen ja vuorokohtaiseen sävyn ohjaukseen.

Ailoot Ultra · Puhesynteesi POST /v1/audio/speech microsoft/mai-voice-2-flash

Tietoa mallista

Tämä kuvaus kattaa mallin ominaisuudet. Ailootissa saatavilla olevat syötteet, tulosteet ja asetukset luetellaan alla valitulle menetelmälle.

MAI-Voice-2-Flash on Microsoft AI:n tekstistä puheeksi -malli nopeasti reagoiviin ja suuren volyymin äänikokemuksiin. Valmistaja kuvaa luontevaa prosodiaa, selkeää ääntä ja ilmaisullista esitystä sekä nimeää päätehtäviksi avustajat, asiakastukiagentit ja puhelinvalikot. Kirjoitettu puheteksti muuttuu puhutuksi ääneksi valitulla äänellä. Flash on tietty MAI-Voice-2:n muunnelma, erillinen myöhemmästä MAI-Voice-2.1-perheestä.

Kielen ja äänen valinta

Juuri tämän mallin kortti dokumentoi viisitoista kieltä ja kahdeksantoista kielialuevarianttia. Ne kattavat englannin, italian, espanjan, hindin, ranskan, saksan, portugalin, korean, yksinkertaistetun kiinan, turkin, venäjän, thain, hollannin, romanian ja unkarin sekä erilliset aluevariantit joillekin kielille. Valitse tarkoitettu kieli ja valmistele varsinainen sanamuoto, joka kuulijan tulee kuulla. Kielialueiden ero voi olla merkityksellinen tervehdyksessä, tuotenimessä tai yleisölle tutussa ääntämisessä.

Microsoft dokumentoi kaksi äänenvalintapolkua: kuratoidun kirjaston ja lyhyen tallenteen perusteella ohjatun äänen. Kirjasto tarjoaa olemassa olevan puhujan kerrontaan tai vuorovaikutukseen. Viitetallenne määrittää erilaisen puhujaidentiteetin valmistajan mukautetun äänen työnkulussa. Pidä puhujavalinta yhtenäisenä toisiinsa liittyvissä kehotteissa, jotta avausviesti, selitys ja jatkovastaus kuulostavat saman kokemuksen osilta.

Vuorovaikutteisen puheen sävy

Malli tukee sävyn, esityksen ja tunteen vuorokohtaista ohjausta. Kirjoita puhuvalle avustajalle tiivis ensimmäinen ohje ja sitten kuulijan tarvitsemat yksityiskohdat. Käytännön repliikki on: ”Valitse asiakirja, jonka haluat avata. Jos et ole varma sen nimestä, kerro, mitä se käsittelee.” Käsikirjoitus antaa kuulijalle selkeän toiminnon ja jättää tilaa jatkokysymykselle.

Erota opetuskeskustelussa selitys kysymyksestä, johon oppijan tulee vastata. Pidä valikon vaihtoehtojen nimet lyhyinä ja käytä sanamuotoja, jotka pysyvät selkeinä kerran kuultuina. Sävyn tulee seurata katkelman tarkoitusta: rauhoittelu, ohje ja kysymys voivat vaatia erilaista esitystä saman äänen säilyessä.

Viiteäänen valmistelu

Valmistaja määrittää äänen ohjausta varten 5–60 sekunnin tallenteen ja kuvaa suostumuksensa antaneen puhujan jäljittelyn ilman lisäkoulutusta. Se suosittelee luontevaa keskustelunomaista esitystä maltillisella energialla, sillä viite vaikuttaa tulokseen huomattavasti. Valmistele tallenne, joka edustaa haluamaasi ääntä, älä esitystä, jossa äänenvoimakkuuden tai ilmaisun ääripäät eivät liity tavoitteeseen.

Tila on dokumentoitu luvalliseen, suostumuksella käytettävään ääneen. Sen valmistajatyönkulku ja valmiiden äänien kirjasto ovat erillisiä valmistelupolkuja. Tulos on edelleen annetusta puhetekstistä vasta syntetisoitu puhe; tallenne antaa halutun puhujaidentiteetin.

Työskentele puhutun tuloksen kanssa

Käytä Flashia vuorovaikutuksessa, jossa vastauksen tulee tulla nopeasti ja pysyä helposti ymmärrettävänä. Valmistaja painottaa tässä muunnelmassa reagointia säilyttäen MAI-Voice-2-linjan prosodian ja akustisen laadun. Pidä jokainen puheenvuoro yhteydessä puhetekstiinsä ja puhujaansa, jotta tärkeät nimet, komennot ja tunnesiirtymät voidaan tarkistaa kontekstissa.

Hyödyllinen tulos on selkeä puhuttu ohje tai vastaus vaaditulla kielellä ja äänellä. Kuuntele sanamuodot niin kuin yleisö kuulee ne, erityisesti ohjeiden sarjassa. Tämän mallin viidentoista kielen ja kahdeksantoista kielialuevariantin määritys kuuluu juuri Voice-2-Flash-versiolle; myöhempien versioiden laajennettu kielivalikoima ja hallittujen äänien yksityiskohdat kuuluvat niiden omiin profiileihin.

Ailoot Ultra · Puhesynteesi POST /v1/audio/speech microsoft/mai-voice-2-flash

microsoft/mai-voice-2-flash

Microsoft AI /microsoft/mai-voice-2-flash

Aloitus

Hyväksytyt syötteet: Teksti
Tulokset: Ääni

Saatavilla Ailootissa · syötteet & menetelmät

Ailoot Ultra · Puhesynteesi POST /v1/audio/speech

Syötetyypit: text
Tulostyypit: audio
Tulosteen muoto: mp3

Kenttä	Tyyppi	Vaatimus	Arvot & rajat	Oletus
Kenttä`model`	Tyyppi`string`	VaatimusPakollinen	Arvot & rajat microsoft/mai-voice-2-flash	Oletus—
Kenttä`input`	Tyyppi`string`	VaatimusPakollinen	Arvot & rajat Vähimmäispituus: 1 Yksikkö: Unicode-merkit	Oletus—
Kenttä`voice`	Tyyppi`string`	VaatimusPakollinen	Arvot & rajat en-US-Harper:MAI-Voice-2, es-MX-Valeria:MAI-Voice-2, fr-FR-Soleil:MAI-Voice-2, de-DE-Klaus:MAI-Voice-2	Oletus—
Kenttä`response_format`	Tyyppi`string`	VaatimusPakollinen	Arvot & rajat mp3	Oletus—

Syöteaineistojen yhdistelmät

text_to_speech · Pakollinen: input

Menetelmän parametrit ja elinkaari

Parametri	Sopimus
Parametri`content_type`	Sopimusapplication/json
Parametri`required`	Sopimusmodel, input, voice, response_format
Parametri`voice_ids`	Sopimusen-US-Harper:MAI-Voice-2, es-MX-Valeria:MAI-Voice-2, fr-FR-Soleil:MAI-Voice-2, de-DE-Klaus:MAI-Voice-2
Parametri`response_format`	Sopimusmp3
Parametri`max_input_characters`	Sopimusnull
Parametri`other_options`	Sopimusfalse
Parametri`input`	Sopimustäsmällinen UTF-8-teksti; Unicode-merkkien määrä ilman normalisointia
Parametri`material_types`	Sopimustext

Elinkaari: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · todellisuudessa palautettu task_id tai mediakirjaston tietue

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Valitse juuri tämän malliprofiilin ääni.

Syötemerkit ja äänisekunnit ovat eri mittareita.

Hinnoittelu

Hintatiedot eivät lisää pyyntövalintoja. Tuetut parametrit on lueteltu valitulle menetelmälle.

Nopea tila: Ei määritetty Kun nopea tila on valittu
Flex-tila: Ei määritetty Kun flex-tila on valittu
Päättelyn enimmäisteho: Ei määritetty Kun päättelyn enimmäistehoon sovelletaan default-oletussäätöä

Ailoot-hinnat

Hinnat asetusten mukaan

Kohdista kukin veloitus näytettyihin ehtoihin. Käytä yhtä hintaa kutakin vaihtoehtoisten asetusten ryhmää kohden.

Asetukset	Hinnasto	Laskutettava määrä	Laskutusyksikkö	Veloitus
AsetuksetTokenien perushinnat	HinnastoPerushinta	Laskutettava määrä—	Laskutusyksikkö—	Veloitus Syöte · Syötetokenit — / 1K tokenia Tuloste · Tulostokenit — / 1K tokenia Syöte · Välimuistin luku — / 1K tokenia Syöte · Välimuistiin kirjoitus — / 1K tokenia Syöte · Välimuistiin kirjoitus, 1 tunti — / 1K tokenia
AsetuksetUltra	Hinnasto—	Laskutettava määräJokainen Unicode-koodipiste lasketaan yhdeksi merkiksi, myös Han-merkit.	Laskutusyksikkö1K syötemerkkiä kohden	Veloitus Syöte · syötemerkki $0.03 1K syötemerkkiä kohden

Viitehinnaston tiedot

Mallitason viitehinnastot eivät muuta menetelmän valintaa, hinta-arvioita tai veloituksia. Käytössä olevat veloitukset käyttävät valitun Ailoot-menetelmän hintoja.

Microsoft AI: MAI-Voice-2-Flash

Hinnat asetusten mukaan

Asetukset	Laskutusehdot	Veloitus
AsetuksetMicrosoft AI: MAI-Voice-2-Flash · Oletusasetukset	LaskutusehdotOletuskokoonpano	Veloitus Syöte · Syötteen merkit 0,00003 $ syötemerkkiä kohden

Ailoot varaa arvioidun summan ennen pyyntöä. Tuloksen jälkeen lopullinen veloitus toteutetaan mitatun käytön perusteella. Suoratoiston veloituksessa käytetään lopullista käyttötietuetta. Varauksen ja lopullisen veloituksen toiminta →

Esimerkkipyynnöt

Ailoot Ultra · Puhesynteesi

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": "microsoft/mai-voice-2-flash", "input": "Good afternoon! This is a short voice take."}')
voice=os.environ["AILOOT_VOICE_ID"]
allowed=json.loads('["en-US-Harper:MAI-Voice-2", "es-MX-Valeria:MAI-Voice-2", "fr-FR-Soleil:MAI-Voice-2", "de-DE-Klaus:MAI-Voice-2"]')
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

Vastaanota ja tallenna tulokset

Ailoot Ultra · Puhesynteesi

mp3

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

Muut sisällön lukukerrat

MediakirjastoTehtävän tilaAineiston tiedot

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

Säilytä kaikki valmistuneet tulokset

Säilytä jokainen kokonainen palautettu vastaus, tiedosto ja sisällön osa.

Säilytä koko binääritulos ja otsakkeet. Jos palautetaan JSON tai useita tulosteita, säilytä jokainen data-alkio ja nouda jokainen resurssi sen todellisesta allekirjoitetusta URL-osoitteesta.

Jos alkuperäinen vastaus on tarkistettava

Säilytä alkuperäinen operation_id/X-Client-Request-ID täsmäytystä varten lähettämättä pyyntöä uudelleen; erillistä äänen tilakyselyreittiä ei ole.

Vastauksen kentät

Kenttä	Tyyppi
Kenttä`binary audio`	Tyyppibytes
Kenttä`response headers`	Tyyppiheaders

Virheet ja seuraavat vaiheet

Vastaus	Ehto	Seuraava vaihe
Vastaus400 · `invalid_request_error`	EhtoVirheelliset pakolliset kentät, aineiston esitysmuoto tai parametrin arvo	Seuraava vaiheKorjaa ilmoitetut kentät ennen uutta luontipyyntöä.
Vastaus`server_error`	EhtoPalautettu vastaus ilmoittaa, että operaatio tai tulos edellyttää tarkistusta	Seuraava vaiheSäilytä alkuperäinen palautettu operaation tai tehtävän ID, pyynnön otsakkeet ja vastaus; jatka kyseisen alkuperäisen operaation tuettuja lukutoimintoja. Älä lähetä luontipyyntöä uudelleen.

Aliakset

Mallin aliakset

Ailoot Ultra microsoft/mai-voice-2-flash

Menetelmäpolkujen aliakset

Käytä yllä näytettyjä menetelmäpolkuja.

Liittyvät kutsujan ID:t

microsoft/mai-voice-2-flash

FAQ · Microsoft AI: MAI-Voice-2-Flash

Mitä syötteitä ja tuloksia on saatavilla?: POST /v1/audio/speech · microsoft/mai-voice-2-flash: text → audio
Mitä kenttiä pyyntö käyttää?: POST /v1/audio/speech · microsoft/mai-voice-2-flash: model, input, voice, response_format

Microsoft AI: MAI-Voice-2-Flash