MiniMax: Speech 01 HD
MiniMax Speech 01 HD lukee annetun tekstin generoituna puheena synkronisella audio_speech-pyynnöllä. Se hyväksyy alle 10 000 merkin tekstin ja tarjoaa ääni-, tahti- ja sävelkorkeusasetukset sekä MP3-, PCM-, FLAC- tai WAV-tuloksen.
Tietoa mallista
Tämä kuvaus kattaa mallin ominaisuudet. Ailootissa saatavilla olevat syötteet, tulosteet ja asetukset luetellaan alla valitulle menetelmälle.
MiniMax Speech 01 HD muuntaa annetun tekstin puheääneksi. Sen täsmällinen Ailoot-mallitunnus on minimax/speech-01-hd, ja sen dokumentoitu synteesivalitsin on speech-01-hd. Käytä audio_speech-menetelmää selostukseen, puhuttuun oppituntiin, tuoteselitykseen tai selostusluonnokseen, jonka sanamuoto on jo olemassa. Syötteenä on luettava jakso ja tuloksena synteettinen puhe valitussa äänimuodossa.
Valmistele teksti puhuttaviksi tarkoitetuiksi sanoiksi ja käytä ilmaisun rytmiä heijastavaa välimerkitystä. Selostusluonnosta varten anna lopullinen lausejärjestys ja nimien kirjoitusasut ennen ääniasetusten valitsemista. Pidä esitysohjeet erillään puhuttavasta jaksosta, elleivät nämä sanat kuulu tallenteeseen. Kuuntele tuloksen tärkeät nimet, numerot ja siirtymät ja vertaa niitä lähdetekstiin.
Tekstin tulee olla alle 10 000 merkkiä. Julkaistu synteesisopimus edellyttää kenttiä model ja text. Pidempää aineistoa varten valmistele tämän rajan sisällä pysyviä jaksoja ja säilytä niiden järjestys muokkausta varten. Synkroninen profiili käyttää kokonaista vastausta, ja dokumentoitu oletusarvo on stream=false. Yleinen API kuvaa myös suoratoistovaihtoehtoja, mutta tämän kortin valittu menetelmä on synkroninen puhetyönkulku.
voice_setting valitsee saatavilla olevan voice_id-arvon ja ohjaa asetuksia speed, vol ja pitch. Dokumentoitu speed-väli on 0,5–2, ja oletusarvo on 1. vol-arvon tulee olla suurempi kuin 0 ja enintään 10, ja oletusarvo on 1; pitch on kokonaisluku väliltä -12–12, ja oletusarvo on 0. Anna jokaisen asetuksen palvella tekstijaksoa: vertaile varsinaisen tallenteen lukutahtia ja kuuluvuutta sen sijaan, että olettaisit numeerisen muutoksen tuottavan tietyn esityksen.
Dokumentoidut emotion-arvot ovat happy, sad, angry, fearful, disgusted, surprised, calm ja fluent. Myös teksti voi ohjata mallin tunnetilaa. text_normalization on erillinen totuusarvoasetus numeroiden lukemisen valmisteluun kiinaksi ja englanniksi, ja latex_read ohjaa LaTeX-kaavojen lukemista; molempien oletusarvo on false. pronunciation_dict.tone voi sisältää dokumentoituja ääntämisen korvaussääntöjä. Tarkista nimi tai erikoisilmaus tulosäänestä ennen sen käyttämistä pidemmässä selostuksessa.
audio_setting.format hyväksyy arvot mp3, pcm, flac tai wav, ja oletusarvo on mp3. sample_rate hyväksyy arvot 8000, 16000, 22050, 24000, 32000 tai 44100, ja oletusarvo on 32000. bitrate hyväksyy arvot 32000, 64000, 128000 tai 256000, sen oletusarvo on 128000 ja se koskee MP3-muotoa. channel valitsee arvolla 1 monon tai arvolla 2 stereon, ja oletusarvo on 1. Säilytä nämä valinnat lähdejakson kanssa, jotta palautettu tiedosto voidaan tarkistaa aiottua muokkaus- tai toistokohdetta varten.
Muihin dokumentoituihin asetuksiin kuuluu language_boost, jonka täsmällisiin nimettyihin vaihtoehtoihin kuuluvat English, Russian, Chinese ja Chinese,Yue; valitse jaksolle jokin todella luetelluista arvoista. timber_weights voi yhdistää olemassa olevia voice_id-merkintöjä kokonaislukuisilla weight-arvoilla väliltä 1–100. Julkaistut sound_effects-arvot ovat spacious_echo, auditorium_echo, lofi_telephone ja robotic. Nämä ovat valinnaisia asetuksia valitun äänen muokkaamiseen; kirjaa niiden todelliset asetukset lukutapoja vertaillessasi.
Synkroninen tulos sisältää generoidun puheen. output_format valitsee arvon url tai hex, ja synteesiskeeman oletusarvo on hex. Lataa URL-tuloksen viittaama tiedosto tai pura hex-tulos äänitavuiksi ennen toistoa. Säilytä palautetut äänen metatiedot, mukaan lukien muoto, näytteenottotaajuus, kanavamäärä ja koko, tallenteen kanssa. subtitle_enable on oletusarvoisesti false ja koskee käyttöön otettuna vain tulosta ilman suoratoistoa; lähde ei määritä tekstitystiedoston muotoa tälle profiilille.
Tallenna lähdejakso, täsmällinen mallitunnus, äänivalinta ja valmis tallenne yhdessä. Tarkista koko lukusuoritus haluttujen sanojen, taukojen ja valittujen esitysasetusten osalta ennen sen sijoittamista videoon, oppituntiin tai puhuttuun oppaaseen. Jos vastaus on keskeneräinen, säilytä sen alkuperäisen pyynnön tunnistetiedot ja palautetut tiedot täsmäytystä varten ennen uuden tallenteen pyytämistä. Myöhemmässä muutoksessa voidaan muuttaa tiettyä ilmausta tai ääniasetusta ja säilyttää muu käsikirjoitus selkeää vertailua varten.
Ailoot Ultra · Speech POST /v1/audio/speech minimax/speech-01-hd
minimax/speech-01-hdAloitus
MiniMax Speech 01 HD lukee annetun tekstin generoituna puheena synkronisella audio_speech-pyynnöllä. Se hyväksyy alle 10 000 merkin tekstin ja tarjoaa ääni-, tahti- ja sävelkorkeusasetukset sekä MP3-, PCM-, FLAC- tai WAV-tuloksen.
- Hyväksytyt syötteet
- Teksti
- Tulokset
- Ääni
Saatavilla Ailootissa · syötteet & menetelmät
Ailoot Ultra · Speech POST /v1/audio/speech
- Syötetyypit
text- Tulostyypit
audio- Tulosteen muoto
- mp3,pcm,flac,wav
| Kenttä | Tyyppi | Vaatimus | Arvot & rajat | Oletus |
|---|---|---|---|---|
Kenttämodel | Tyyppistring | VaatimusPakollinen | Arvot & rajat minimax/speech-01-hd | Oletus— |
Kenttätext | Tyyppistring | VaatimusPakollinen | Arvot & rajat | Oletus— |
Kenttästream | Tyyppiboolean | VaatimusValinnainen | Arvot & rajat false | Oletusfalse |
Kenttävoice_setting | Tyyppiobject | VaatimusValinnainen | Arvot & rajat | Oletus— |
Kenttävoice_setting.voice_id | Tyyppistring | VaatimusValinnainen | Arvot & rajat | Oletus— |
Kenttävoice_setting.speed | Tyyppinumber | VaatimusValinnainen | Arvot & rajat Vähimmäismäärä: 0,5 Enimmäismäärä: 2 | Oletus1 |
Kenttävoice_setting.vol | Tyyppinumber | VaatimusValinnainen | Arvot & rajat Vähimmäismäärä: 0 Enimmäismäärä: 10 | Oletus1 |
Kenttävoice_setting.pitch | Tyyppiinteger | VaatimusValinnainen | Arvot & rajat Vähimmäismäärä: −12 Enimmäismäärä: 12 | Oletus0 |
Kenttävoice_setting.emotion | Tyyppistring | VaatimusValinnainen | Arvot & rajat happy, sad, angry, fearful, disgusted, surprised, calm, fluent | Oletus— |
Kenttävoice_setting.text_normalization | Tyyppiboolean | VaatimusValinnainen | Arvot & rajat | Oletusfalse |
Kenttävoice_setting.latex_read | Tyyppiboolean | VaatimusValinnainen | Arvot & rajat | Oletusfalse |
Kenttäaudio_setting | Tyyppiobject | VaatimusValinnainen | Arvot & rajat | Oletus— |
Kenttäaudio_setting.sample_rate | Tyyppiinteger | VaatimusValinnainen | Arvot & rajat 8 000, 16 000, 22 050, 24 000, 32 000, 44 100 | Oletus32 000 |
Kenttäaudio_setting.bitrate | Tyyppiinteger | VaatimusValinnainen | Arvot & rajat 32 000, 64 000, 128 000, 256 000 | Oletus128 000 |
Kenttäaudio_setting.format | Tyyppistring | VaatimusValinnainen | Arvot & rajat mp3, pcm, flac, wav | Oletusmp3 |
Kenttäaudio_setting.channel | Tyyppiinteger | VaatimusValinnainen | Arvot & rajat 1, 2 | Oletus1 |
Kenttäaudio_setting.force_cbr | Tyyppiboolean | VaatimusValinnainen | Arvot & rajat | Oletusfalse |
Kenttäpronunciation_dict | Tyyppiobject | VaatimusValinnainen | Arvot & rajat | Oletus— |
Kenttäpronunciation_dict.tone | Tyyppiarray | VaatimusValinnainen | Arvot & rajat | Oletus— |
Kenttätimber_weights | Tyyppiarray | VaatimusValinnainen | Arvot & rajat | Oletus— |
Kenttälanguage_boost | Tyyppistring | VaatimusValinnainen | Arvot & rajat Chinese, Chinese,Yue, English, Arabic, Russian, Spanish, French, Portuguese, German, Turkish, Dutch, Ukrainian, Vietnamese, Indonesian, Japanese, Italian, Korean, Thai, Polish, Romanian, Greek, Czech, Finnish, Hindi, Bulgarian, Danish, Hebrew, Malay, Persian, Slovak, Swedish, Croatian, Filipino, Hungarian, Norwegian, Slovenian, Catalan, Nynorsk, Tamil, Afrikaans, auto | Oletus— |
Kenttävoice_modify | Tyyppiobject | VaatimusValinnainen | Arvot & rajat | Oletus— |
Kenttävoice_modify.pitch | Tyyppiinteger | VaatimusValinnainen | Arvot & rajat −100, 100 | Oletus— |
Kenttävoice_modify.intensity | Tyyppiinteger | VaatimusValinnainen | Arvot & rajat −100, 100 | Oletus— |
Kenttävoice_modify.timbre | Tyyppiinteger | VaatimusValinnainen | Arvot & rajat −100, 100 | Oletus— |
Kenttävoice_modify.sound_effects | Tyyppistring | VaatimusValinnainen | Arvot & rajat spacious_echo, auditorium_echo, lofi_telephone, robotic | Oletus— |
Kenttäsubtitle_enable | Tyyppiboolean | VaatimusValinnainen | Arvot & rajat | Oletusfalse |
Kenttäoutput_format | Tyyppistring | VaatimusValinnainen | Arvot & rajat url, hex | Oletushex |
Kenttäaigc_watermark | Tyyppiboolean | VaatimusValinnainen | Arvot & rajat | Oletusfalse |
Menetelmän parametrit ja elinkaari
| Parametri | Sopimus |
|---|---|
Parametricontent_type | Sopimusapplication/json |
Parametrirequired | Sopimusmodel, text |
Parametrioptional | Sopimusstream, voice_setting, audio_setting, pronunciation_dict, timber_weights, language_boost, voice_modify, subtitle_enable, output_format, aigc_watermark |
Parametrimaterial_types | Sopimustext |
Parametriconditions | SopimusUse text, not input or contents. Fewer than 10000 Unicode characters; stream is false or omitted., PCM is raw audio with its returned sample geometry; do not invent a WAV header or bit depth. |
Elinkaari: synchronous_result_then_owned_library
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
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 | Laskutusyksikkö | Veloitus |
|---|---|---|---|
| AsetuksetTokenien perushinnat | HinnastoPerushinta | 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 |
| Asetuksetsyötemerkki | Hinnasto— | Laskutusyksikkösyötemerkkiä kohden | Veloitus Syöte · syötemerkki $0.000105 syötemerkkiä kohden |
Ailoot varaa arvioidun summan ennen pyyntöä. Tuloksen jälkeen lopullinen veloitus toteutetaan mitatun käytön perusteella. Suoratoiston veloituksessa käytetään lopullista käyttötietuetta. Varauksen ja lopullisen veloituksen toiminta →
Esimerkkipyynnöt
Ailoot Ultra · Speech
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
export AILOOT_API_KEY
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "minimax/speech-01-hd", "text": "Hello, this is a short speech example.", "stream": false, "output_format": "hex", "audio_setting": {"format": "mp3", "sample_rate": 32000, "channel": 1}}')
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 result.json
# Submit once. Retain the complete result, original identifiers and every response header.
Vastaanota ja tallenna tulokset
Ailoot Ultra · Speech
mp3,pcm,flac,wav
GET /v1/media/assetsGET /v1/media/assets/{asset_id}
Säilytä kaikki valmistuneet tulokset
Säilytä jokainen kokonainen palautettu vastaus, tiedosto ja sisällön osa.
Retain the full JSON. Decode every hex audio byte or use the returned owned URL. Keep the actual format, sample rate, channel count and usage_characters.
Jos alkuperäinen vastaus on tarkistettava
Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.
Vastauksen kentät
| Kenttä | Tyyppi |
|---|---|
Kenttädata.audio | Tyyppistring |
Kenttäextra_info | Tyyppiobject |
Kenttätrace_id | Tyyppistring |
Aliakset
Mallin aliakset
Ailoot Ultra minimax/speech-01-hd
Menetelmäpolkujen aliakset
Käytä yllä näytettyjä menetelmäpolkuja.
Liittyvät kutsujan ID:t
FAQ · MiniMax: Speech 01 HD
- Mitä syötteitä ja tuloksia on saatavilla?
POST /v1/audio/speech·minimax/speech-01-hd:text→audio- Mitä kenttiä pyyntö käyttää?
POST /v1/audio/speech·minimax/speech-01-hd:model,text,stream,voice_setting,audio_setting,pronunciation_dict,timber_weights,language_boost,voice_modify,subtitle_enable,output_format,aigc_watermark- Mitä rajoja sovelletaan?
POST /v1/audio/speech·minimax/speech-01-hd:voice_setting.speed.minimum:0.5;voice_setting.speed.maximum:2;voice_setting.vol.minimum:0;voice_setting.vol.maximum:10;voice_setting.pitch.minimum:-12;voice_setting.pitch.maximum:12