{ "aboutHtml": "

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.

", "aboutText": "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.\n\n### Kielen ja äänen valinta\n\nJuuri 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.\n\nMicrosoft 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.\n\n### Vuorovaikutteisen puheen sävy\n\nMalli 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.\n\nErota 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.\n\n### Viiteäänen valmistelu\n\nValmistaja 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.\n\nTila 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.\n\n### Työskentele puhutun tuloksen kanssa\n\nKäytä 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.\n\nHyödyllinen 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.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "b13a66fc77c1d49da0c5a3be61c3414257d9c08ebcf7a659b512b0fc8f7614f2", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "fi", "methods": [ { "html": "
•

Microsoft AI: MAI-Voice-2-Flash

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

Aloitus

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.

Hyväksytyt syötteet
Teksti
Tulokset
Ääni
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.

Saatavilla Ailootissa · syötteet & menetelmät

Ailoot Ultra · Puhesynteesi POST /v1/audio/speech
Syötetyypit
text
Tulostyypit
audio
Tulosteen muoto
mp3
KenttäTyyppiVaatimusArvot & rajatOletus
KenttämodelTyyppistringVaatimusPakollinenArvot & rajat
microsoft/mai-voice-2-flash
Oletus—
KenttäinputTyyppistringVaatimusPakollinenArvot & rajat
Vähimmäispituus: 1
Yksikkö: Unicode-merkit
Oletus—
KenttävoiceTyyppistringVaatimusPakollinenArvot & 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—
Kenttäresponse_formatTyyppistringVaatimusPakollinenArvot & rajat
mp3
Oletus—
Syöteaineistojen yhdistelmät

text_to_speech · Pakollinen: input

Menetelmän parametrit ja elinkaari
ParametriSopimus
Parametricontent_typeSopimusapplication/json
ParametrirequiredSopimusmodel, input, voice, response_format
Parametrivoice_idsSopimusen-US-Harper:MAI-Voice-2, es-MX-Valeria:MAI-Voice-2, fr-FR-Soleil:MAI-Voice-2, de-DE-Klaus:MAI-Voice-2
Parametriresponse_formatSopimusmp3
Parametrimax_input_charactersSopimusnull
Parametriother_optionsSopimusfalse
ParametriinputSopimustäsmällinen UTF-8-teksti; Unicode-merkkien määrä ilman normalisointia
Parametrimaterial_typesSopimustext

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.

AsetuksetHinnastoLaskutettava määräLaskutusyksikköVeloitus
AsetuksetTokenien perushinnatHinnastoPerushintaLaskutettava 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
AsetuksetUltraHinnasto—Laskutettava määräJokainen Unicode-koodipiste lasketaan yhdeksi merkiksi, myös Han-merkit.Laskutusyksikkö1K syötemerkkiä kohdenVeloitus
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

AsetuksetLaskutusehdotVeloitus
AsetuksetMicrosoft AI: MAI-Voice-2-Flash · OletusasetuksetLaskutusehdotOletuskokoonpanoVeloitus
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

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": "microsoft/mai-voice-2-flash", "input": "Good afternoon! This is a short voice take."}')\nvoice=os.environ["AILOOT_VOICE_ID"]\nallowed=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"]')\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

Vastaanota ja tallenna tulokset

Ailoot Ultra · Puhesynteesi

mp3

Muut sisällön lukukerrat
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
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
KenttäTyyppi
Kenttäbinary audioTyyppibytes
Kenttäresponse headersTyyppiheaders
Virheet ja seuraavat vaiheet
VastausEhtoSeuraava vaihe
Vastaus400 · invalid_request_errorEhtoVirheelliset pakolliset kentät, aineiston esitysmuoto tai parametrin arvoSeuraava vaiheKorjaa ilmoitetut kentät ennen uutta luontipyyntöä.
Vastausserver_errorEhtoPalautettu vastaus ilmoittaa, että operaatio tai tulos edellyttää tarkistustaSeuraava 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

", "method_identity": { "effective_request_model_id": "microsoft/mai-voice-2-flash", "fmt": "speech", "http": "POST", "path": "/v1/audio/speech", "request_model_id": "microsoft/mai-voice-2-flash", "route_label": "Ultra" }, "method_key": "Ultra|speech|/v1/audio/speech|microsoft%2Fmai-voice-2-flash", "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": "Virheelliset pakolliset kentät, aineiston esitysmuoto tai parametrin arvo", "http_status": 400, "recovery": "Korjaa ilmoitetut kentät ennen uutta luontipyyntöä.", "type": "invalid_request_error" }, { "code": null, "condition": "Palautettu vastaus ilmoittaa, että operaatio tai tulos edellyttää tarkistusta", "http_status": null, "recovery": "Säilytä alkuperäinen palautettu operaation tai tehtävän ID, pyynnön otsakkeet ja vastaus; jatka kyseisen alkuperäisen operaation tuettuja lukutoimintoja. Älä lähetä luontipyyntöä uudelleen.", "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": "Säilytä alkuperäinen operation_id/X-Client-Request-ID täsmäytystä varten lähettämättä pyyntöä uudelleen; erillistä äänen tilakyselyreittiä ei ole." }, "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": "Säilytä koko binääritulos ja otsakkeet. Jos palautetaan JSON tai useita tulosteita, säilytä jokainen data-alkio ja nouda jokainen resurssi sen todellisesta allekirjoitetusta URL-osoitteesta.", "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": [ "microsoft/mai-voice-2-flash" ], "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": "Unicode-merkit" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "en-US-Harper:MAI-Voice-2", "es-MX-Valeria:MAI-Voice-2", "fr-FR-Soleil:MAI-Voice-2", "de-DE-Klaus:MAI-Voice-2" ], "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": [ "Valitse juuri tämän malliprofiilin ääni.", "Syötemerkit ja äänisekunnit ovat eri mittareita." ], "input": { "content_type": "application/json", "input": "täsmällinen UTF-8-teksti; Unicode-merkkien määrä ilman normalisointia", "material_types": [ "text" ], "max_input_characters": null, "other_options": false, "required": [ "model", "input", "voice", "response_format" ], "response_format": [ "mp3" ], "voice_ids": [ "en-US-Harper:MAI-Voice-2", "es-MX-Valeria:MAI-Voice-2", "fr-FR-Soleil:MAI-Voice-2", "de-DE-Klaus:MAI-Voice-2" ] }, "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": "todellisuudessa palautettu task_id tai mediakirjaston tietue", "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": "0.03000", "amount_unit": "usd_per_1000_characters", "billing_input": true, "estimate_only": false, "key": "audio_input_character", "label": "input character", "native_amount_usd_per_unit": "0.00003", "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": "a2fa4fd7f243f8338a5e", "label": "Microsoft AI: MAI-Voice-2-Flash", "profiles": [ { "basis": "", "dimensions": { "conditions": "Oletuskokoonpano" }, "label": "Microsoft AI: MAI-Voice-2-Flash · Oletusasetukset", "units": [ { "amount": "0.000030", "amount_unit": "usd_per_exact_physical_unit", "billing_input": false, "key": "c7cc5f0afd05c0a375f1aa89", "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\": \"microsoft/mai-voice-2-flash\", \"input\": \"Good afternoon! This is a short voice take.\"}')\nvoice=os.environ[\"AILOOT_VOICE_ID\"]\nallowed=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\"]')\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": 3e-05 } }, "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": "0.03000", "amount_unit": "usd_per_1000_characters", "billing_input": true, "estimate_only": false, "key": "audio_input_character", "label": "input character", "native_amount_usd_per_unit": "0.00003", "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": "microsoft/mai-voice-2-flash", "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": "0.03000", "amount_unit": "usd_per_1000_characters", "billing_input": true, "estimate_only": false, "key": "audio_input_character", "label": "input character", "native_amount_usd_per_unit": "0.00003", "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": "microsoft/mai-voice-2-flash", "nativeProvenance": { "input_facts_canonical_sha256": "27d76d23082fddc0183c0d98db67132b82bbfab0e38c1e1398f0744c07b88bb1", "input_html_sha256": "3c72a2b31eeab956a299c5e313137160e25d57d8648762abf0cf1655f2f01be7", "private_audit_sha256": "990f6a700852ebc9ac7f6d89b8c73955fcddc39ba28499744303e819fc27a55a", "role": "historical-normalized-input-audit-hashes", "schema": "ailoot-native-model-provenance-v2" }, "page": { "canonical": "https://ailoot.ai/models/fi/microsoft-mai-voice-2-flash/", "description": "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.", "locale": "fi", "md_url": "https://ailoot.ai/models/fi/microsoft-mai-voice-2-flash/index.md", "title": "Microsoft AI: MAI-Voice-2-Flash — Ailoot", "url": "https://ailoot.ai/models/fi/microsoft-mai-voice-2-flash/" }, "rawModel": { "about": "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.\n\n### Kielen ja äänen valinta\n\nJuuri 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.\n\nMicrosoft 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.\n\n### Vuorovaikutteisen puheen sävy\n\nMalli 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.\n\nErota 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.\n\n### Viiteäänen valmistelu\n\nValmistaja 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.\n\nTila 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.\n\n### Työskentele puhutun tuloksen kanssa\n\nKäytä 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.\n\nHyödyllinen 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.", "alias_of": null, "aliases": [], "author": "Microsoft AI", "available": null, "canonical_model": "microsoft/mai-voice-2-flash", "capabilities": { "context_length": 0, "manufacturer_input": [ "text" ], "manufacturer_output": [ "speech" ] }, "card_routes": [ { "label": "Ultra", "rates": [ { "amount": "0.03000", "amount_unit": "usd_per_1000_characters", "billing_input": true, "estimate_only": false, "key": "audio_input_character", "label": "input character", "native_amount_usd_per_unit": "0.00003", "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": "Konfiguraation täydet hintatiedot lisätiedoissa." } ], "ctx": null, "entity_type": "model", "formats": [ "speech" ], "id": "microsoft/mai-voice-2-flash", "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": "Virheelliset pakolliset kentät, aineiston esitysmuoto tai parametrin arvo", "http_status": 400, "recovery": "Korjaa ilmoitetut kentät ennen uutta luontipyyntöä.", "type": "invalid_request_error" }, { "code": null, "condition": "Palautettu vastaus ilmoittaa, että operaatio tai tulos edellyttää tarkistusta", "http_status": null, "recovery": "Säilytä alkuperäinen palautettu operaation tai tehtävän ID, pyynnön otsakkeet ja vastaus; jatka kyseisen alkuperäisen operaation tuettuja lukutoimintoja. Älä lähetä luontipyyntöä uudelleen.", "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": "Säilytä alkuperäinen operation_id/X-Client-Request-ID täsmäytystä varten lähettämättä pyyntöä uudelleen; erillistä äänen tilakyselyreittiä ei ole." }, "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": "Säilytä koko binääritulos ja otsakkeet. Jos palautetaan JSON tai useita tulosteita, säilytä jokainen data-alkio ja nouda jokainen resurssi sen todellisesta allekirjoitetusta URL-osoitteesta.", "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": [ "microsoft/mai-voice-2-flash" ], "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": "Unicode-merkit" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "en-US-Harper:MAI-Voice-2", "es-MX-Valeria:MAI-Voice-2", "fr-FR-Soleil:MAI-Voice-2", "de-DE-Klaus:MAI-Voice-2" ], "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": [ "Valitse juuri tämän malliprofiilin ääni.", "Syötemerkit ja äänisekunnit ovat eri mittareita." ], "input": { "content_type": "application/json", "input": "täsmällinen UTF-8-teksti; Unicode-merkkien määrä ilman normalisointia", "material_types": [ "text" ], "max_input_characters": null, "other_options": false, "required": [ "model", "input", "voice", "response_format" ], "response_format": [ "mp3" ], "voice_ids": [ "en-US-Harper:MAI-Voice-2", "es-MX-Valeria:MAI-Voice-2", "fr-FR-Soleil:MAI-Voice-2", "de-DE-Klaus:MAI-Voice-2" ] }, "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": "todellisuudessa palautettu task_id tai mediakirjaston tietue", "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": "0.03000", "amount_unit": "usd_per_1000_characters", "billing_input": true, "estimate_only": false, "key": "audio_input_character", "label": "input character", "native_amount_usd_per_unit": "0.00003", "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": "a2fa4fd7f243f8338a5e", "label": "Microsoft AI: MAI-Voice-2-Flash", "profiles": [ { "basis": "", "dimensions": { "conditions": "Oletuskokoonpano" }, "label": "Microsoft AI: MAI-Voice-2-Flash · Oletusasetukset", "units": [ { "amount": "0.000030", "amount_unit": "usd_per_exact_physical_unit", "billing_input": false, "key": "c7cc5f0afd05c0a375f1aa89", "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\": \"microsoft/mai-voice-2-flash\", \"input\": \"Good afternoon! This is a short voice take.\"}')\nvoice=os.environ[\"AILOOT_VOICE_ID\"]\nallowed=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\"]')\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": 3e-05 } }, "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": "0.03000", "amount_unit": "usd_per_1000_characters", "billing_input": true, "estimate_only": false, "key": "audio_input_character", "label": "input character", "native_amount_usd_per_unit": "0.00003", "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": "microsoft/mai-voice-2-flash", "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": "0.03000", "amount_unit": "usd_per_1000_characters", "billing_input": true, "estimate_only": false, "key": "audio_input_character", "label": "input character", "native_amount_usd_per_unit": "0.00003", "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": "microsoft/mai-voice-2-flash", "request_model_id": "microsoft/mai-voice-2-flash", "route_label": "Ultra" } ], "name": "Microsoft AI: MAI-Voice-2-Flash", "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": "hosted_reference" }, "dimensions": { "variant": null }, "label": "Ultra", "units": [ { "amount": "0.000030", "amount_unit": "usd_per_input_character", "conditions": { "variant": null }, "key": "pricing.prompt", "label": "prompt", "profile_index": 0, "quantity": "1", "rate_role": "binding_component_rate", "side": "in", "unit": "input_character" }, { "amount": "0", "amount_unit": "usd_per_not_separately_charged_output", "conditions": { "variant": null }, "key": "pricing.completion", "label": "completion", "profile_index": 0, "quantity": "1", "rate_role": "binding_component_rate", "side": "out", "unit": "not_separately_charged_output" } ] } ], "public_id": "microsoft/mai-voice-2-flash", "short": "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." }, "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": "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.", "source": { "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1", "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036", "raw_model_json_sha256": "37a6b9024734a31cbb2847458bcd559b3d144fc7deb566ef852666b449c0bf53", "renderer_sha256": "303a59603e2bc29ba8fda690e95fd32cec68de223d92e26054a88babff801dd7" }, "sourceRevision": "c20ac5e520b4e81178f391ba4d0daa0af828d45430c91bd205ca111f6dfda9ff" }