Microsoft AI: MAI-Voice-2

Microsoft AI:n MAI-Voice-2 tuottaa ilmaisullista monikielistä puhetta kerrontaan, vuoropuheluun ja puhuviin sovelluksiin. Pitkän sisällön yhtenäisyys, useat puhujat ja vuorokohtainen tunteen ohjaus tukevat äänikirjoja, oppitunteja ja hahmoääniä.

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

Tietoa mallista

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

MAI-Voice-2 on Microsoft AI:n kehotteilla ohjattava tekstistä puheeksi -malli luontevaan ja ilmaisulliseen puhuttuun sisältöön. Valmistaja korostaa akustista uskollisuutta, puhujan yhtenäisyyttä ja tunneilmaisun laajuutta. Dokumentoidut tehtävät sisältävät avustajat, äänikirjat, podcastit, luennot, opetushahmot ja saavutettavuuskerronnan. Puheteksti muuttuu ääneksi valitulla äänellä; Voice-2-Flash-muunnelmalla on oma profiilinsa vuorovaikutuksiin, joissa välitön vastaus on etusijalla.

Kieli ja puhuja

Microsoftin Voice-2-julkaisu kuvaa viisitoista kieltä, mukaan lukien englanti, ranska, saksa, italia, espanja, portugali, hindi, korea, yksinkertaistettu kiina, turkki, venäjä, thai, hollanti, romania ja unkari. Joillakin kielillä on erillisiä aluevariantteja. Julkaisu kuvaa myös hindin ja englannin sekä espanjan ja englannin välistä kielenvaihtoa, joten valitut monikieliset katkelmat voivat säilyttää puhujan luontevan tavan vaihdella kieliä.

Valmistele varsinaiset puhuttavat sanat ja säilytä niiden tarkoitettu kieli. Kaksikielinen opetuskatkelma voi esitellä termin yhdellä kielellä ja selittää sen toisella säilyttäen nimet ja lainaukset. Puhuttu tulos tulee tarkistaa teoksen edellyttämän aksentin ja yleisön kannalta sen sijaan, että kaikkia kielialueita pidettäisiin keskenään vaihdettavina.

Mallikortti tarjoaa kuratoidun äänikirjaston ja erillisen viiteäänen perusteella ohjatun polun. Viitepuhe antaa halutun puhujaidentiteetin ilman hienosäätöä. Microsoft suosittelee luontevaa keskustelunomaista esitystä maltillisella energialla, sillä tallenne vaikuttaa rytmitykseen ja esitykseen. Käytä edustavaa, suostumuksella annettua tallennetta, kun tehtävä edellyttää mukautettua ääntä.

Pidempi kerronta ja vuoropuhelu

Mallikortti dokumentoi pitkän sisällön generoinnin osituksella ja kontekstin siirtämisellä. Tämä tukee yhtenäistä kerrontaa, kuten lukua, oppituntia tai podcast-katkelmien sarjaa. Jaa käsikirjoitus mielekkäiden osien rajoilta ja pidä termit sekä puhujavalinta yhtenäisinä. Pitkä selitys hyötyy puhutuista siirtymistä, jotka kertovat kuulijalle aiheen vaihtumisesta.

Useiden puhujien tuki mahdollistaa erilliset roolit valmistellussa vuoropuhelussa. Anna kysymys ja vastaus tarkoitetuille puhujille ja säilytä jako roolin palatessa. Syötteen tulee sisältää lopulliset repliikit ja olennaiset esitysohjeet, ei avointa pyyntöä, jossa puhesyntetisaattorin pitäisi keksiä keskustelu.

Sävy ja tunneilmaisu

Microsoft dokumentoi sävyn, esityksen ja tunteen tarkan vuorokohtaisen ohjauksen. Julkaisuesimerkit näyttävät ilmaisullisia puhuttuja rooleja ja tunnepitoisia katkelmia. Määritä kerronnassa, mikä lause on asiallinen, pohdiskeleva tai innostunut, ja käytä merkitystä seuraavaa esitystapaa. Käytännön repliikki on: ”Kokeen hiljaisin osuus osoittautui paljastavimmaksi. Juuri siinä kuvio alkoi hahmottua.” Sanamuoto antaa esitykselle tarkoituksellisen painotuksen muutoksen.

Pidä ohjeistavassa taustakerronnassa toiminto selkeänä ja selitys erillisessä lauseessa. Erota vuoropuhelussa hahmon puhutut sanat kohtausmuistiinpanoista. Kuuntele toistuvat nimet ja katkelmien väliset siirtymät, jotta lopullinen sarja pysyy johdonmukaisena.

Käytä ääntä

Tulos on annetulle puhetekstille vasta generoitu puhe. Sen hyödyllinen muoto on kerronta, vuoropuhelu tai sovelluksen puhuttu vastaus, jonka ääni ja esitystapa seuraavat käsikirjoitusta. Säilytä tekstin, puhujan ja osien järjestyksen yhteys tallenteeseen, jotta korjaus muuttaa tarkoitettua katkelmaa hukkaamatta muuta esitystä.

MAI-Voice-2 painottaa luontevuutta ja ilmaisua pitkässä kuuntelukokemuksessa. Sen pitkän sisällön kyky ei tarkoita rajatonta syötettä tai taattua tallenteen enimmäiskestoa. Juuri Voice-2:n kuvaus pysyy erillään myöhempien Voice-2.1-versioiden laajennetusta kielivalikoimasta ja ääniasetuksista.

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

microsoft/mai-voice-2

Microsoft AI /microsoft/mai-voice-2

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	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 $0.044 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

Hinnat asetusten mukaan

Asetukset	Laskutusehdot	Veloitus
AsetuksetMicrosoft AI: MAI-Voice-2 · Oletusasetukset	LaskutusehdotOletuskokoonpano	Veloitus Syöte · Syötteen merkit 0,000044 $ 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", "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

Menetelmäpolkujen aliakset

Käytä yllä näytettyjä menetelmäpolkuja.

Liittyvät kutsujan ID:t

microsoft/mai-voice-2

FAQ · Microsoft AI: MAI-Voice-2

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

Microsoft AI: MAI-Voice-2