{ "aboutHtml": "

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.

", "aboutText": "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.\n\nValmistele 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.\n\nTekstin 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.\n\nvoice_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.\n\nDokumentoidut 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.\n\naudio_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.\n\nMuihin 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.\n\nSynkroninen 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.\n\nTallenna 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.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "b3b69c88202121cef34355c9c40404f92fcadf3e22420380c8b425f6ad6a4dcf", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "fi", "methods": [ { "html": "
MM

MiniMax: Speech 01 HD

MiniMax /minimax/speech-01-hd

Aloitus

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
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.

Saatavilla Ailootissa · syötteet & menetelmät

Ailoot Ultra · Speech POST /v1/audio/speech
Syötetyypit
text
Tulostyypit
audio
Tulosteen muoto
mp3,pcm,flac,wav
KenttäTyyppiVaatimusArvot & rajatOletus
KenttämodelTyyppistringVaatimusPakollinenArvot & rajat
minimax/speech-01-hd
Oletus—
KenttätextTyyppistringVaatimusPakollinenArvot & rajatOletus—
KenttästreamTyyppibooleanVaatimusValinnainenArvot & rajat
false
Oletusfalse
Kenttävoice_settingTyyppiobjectVaatimusValinnainenArvot & rajatOletus—
Kenttävoice_setting.voice_idTyyppistringVaatimusValinnainenArvot & rajatOletus—
Kenttävoice_setting.speedTyyppinumberVaatimusValinnainenArvot & rajat
Vähimmäismäärä: 0,5
Enimmäismäärä: 2
Oletus1
Kenttävoice_setting.volTyyppinumberVaatimusValinnainenArvot & rajat
Vähimmäismäärä: 0
Enimmäismäärä: 10
Oletus1
Kenttävoice_setting.pitchTyyppiintegerVaatimusValinnainenArvot & rajat
Vähimmäismäärä: −12
Enimmäismäärä: 12
Oletus0
Kenttävoice_setting.emotionTyyppistringVaatimusValinnainenArvot & rajat
happy, sad, angry, fearful, disgusted, surprised, calm, fluent
Oletus—
Kenttävoice_setting.text_normalizationTyyppibooleanVaatimusValinnainenArvot & rajatOletusfalse
Kenttävoice_setting.latex_readTyyppibooleanVaatimusValinnainenArvot & rajatOletusfalse
Kenttäaudio_settingTyyppiobjectVaatimusValinnainenArvot & rajatOletus—
Kenttäaudio_setting.sample_rateTyyppiintegerVaatimusValinnainenArvot & rajat
8 000, 16 000, 22 050, 24 000, 32 000, 44 100
Oletus32 000
Kenttäaudio_setting.bitrateTyyppiintegerVaatimusValinnainenArvot & rajat
32 000, 64 000, 128 000, 256 000
Oletus128 000
Kenttäaudio_setting.formatTyyppistringVaatimusValinnainenArvot & rajat
mp3, pcm, flac, wav
Oletusmp3
Kenttäaudio_setting.channelTyyppiintegerVaatimusValinnainenArvot & rajat
1, 2
Oletus1
Kenttäaudio_setting.force_cbrTyyppibooleanVaatimusValinnainenArvot & rajatOletusfalse
Kenttäpronunciation_dictTyyppiobjectVaatimusValinnainenArvot & rajatOletus—
Kenttäpronunciation_dict.toneTyyppiarrayVaatimusValinnainenArvot & rajatOletus—
Kenttätimber_weightsTyyppiarrayVaatimusValinnainenArvot & rajatOletus—
Kenttälanguage_boostTyyppistringVaatimusValinnainenArvot & 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_modifyTyyppiobjectVaatimusValinnainenArvot & rajatOletus—
Kenttävoice_modify.pitchTyyppiintegerVaatimusValinnainenArvot & rajat
−100, 100
Oletus—
Kenttävoice_modify.intensityTyyppiintegerVaatimusValinnainenArvot & rajat
−100, 100
Oletus—
Kenttävoice_modify.timbreTyyppiintegerVaatimusValinnainenArvot & rajat
−100, 100
Oletus—
Kenttävoice_modify.sound_effectsTyyppistringVaatimusValinnainenArvot & rajat
spacious_echo, auditorium_echo, lofi_telephone, robotic
Oletus—
Kenttäsubtitle_enableTyyppibooleanVaatimusValinnainenArvot & rajatOletusfalse
Kenttäoutput_formatTyyppistringVaatimusValinnainenArvot & rajat
url, hex
Oletushex
Kenttäaigc_watermarkTyyppibooleanVaatimusValinnainenArvot & rajatOletusfalse
Menetelmän parametrit ja elinkaari
ParametriSopimus
Parametricontent_typeSopimusapplication/json
ParametrirequiredSopimusmodel, text
ParametrioptionalSopimusstream, voice_setting, audio_setting, pronunciation_dict, timber_weights, language_boost, voice_modify, subtitle_enable, output_format, aigc_watermark
Parametrimaterial_typesSopimustext
ParametriconditionsSopimusUse 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.

AsetuksetHinnastoLaskutusyksikköVeloitus
AsetuksetTokenien perushinnatHinnastoPerushintaLaskutusyksikkö—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
AsetuksetsyötemerkkiHinnasto—Laskutusyksikkösyötemerkkiä kohdenVeloitus
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\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=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}}')\n\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 result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\n

Vastaanota ja tallenna tulokset

Ailoot Ultra · Speech

mp3,pcm,flac,wav

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
KenttäTyyppi
Kenttädata.audioTyyppistring
Kenttäextra_infoTyyppiobject
Kenttätrace_idTyyppistring

Aliakset

Mallin aliakset

Ailoot Ultra minimax/speech-01-hd

Menetelmäpolkujen aliakset

Käytä yllä näytettyjä menetelmäpolkuja.

Liittyvät kutsujan ID:t

minimax/speech-01-hd

", "method_identity": { "effective_request_model_id": "minimax/speech-01-hd", "fmt": "speech", "http": "POST", "path": "/v1/audio/speech", "request_model_id": "minimax/speech-01-hd", "route_label": "Ultra" }, "method_key": "Ultra|speech|/v1/audio/speech|minimax%2Fspeech-01-hd", "ordinal": 0, "rawMethod": { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Retain the complete response, all actual results, original identifiers, usage and response headers.", "authentication": { "api_key_source": "AILOOT_API_KEY", "header": "Authorization: Bearer" }, "example_body": { "audio_setting": { "channel": 1, "format": "mp3", "sample_rate": 32000 }, "model": "minimax/speech-01-hd", "output_format": "hex", "stream": false, "text": "Hello, this is a short speech example." }, "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets", "query": { "cursor": "actual returned next_cursor, when present", "family": "audio" } }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "cancel_endpoint": null, "create": { "http": "POST", "path": "/v1/audio/speech" }, "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "owned_content": { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "Use the exact returned content_url. Refresh an expired link by reading the same existing asset." }, "status": [], "unknown": "Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.", "unknown_no_replay": true }, "outputs": { "all_results": "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.", "family": "audio", "fields": [ { "name": "data.audio", "type": "string" }, { "name": "extra_info", "type": "object" }, { "name": "trace_id", "type": "string" } ], "format": [ "mp3", "pcm", "flac", "wav" ] }, "parameters": [ { "default_known": false, "enum": [ "minimax/speech-01-hd" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "default_known": false, "enum_known": false, "maxLength": 9999, "minLength": 1, "name": "text", "required": true, "type": "string" }, { "default": false, "default_known": true, "enum": [ false ], "enum_known": true, "name": "stream", "required": false, "type": "boolean" }, { "default_known": false, "enum_known": false, "name": "voice_setting", "properties": { "emotion": { "enum": [ "happy", "sad", "angry", "fearful", "disgusted", "surprised", "calm", "fluent" ], "type": "string" }, "latex_read": { "default": false, "type": "boolean" }, "pitch": { "default": 0, "maximum": 12, "minimum": -12, "type": "integer" }, "speed": { "default": 1, "maximum": 2, "minimum": 0.5, "type": "number" }, "text_normalization": { "default": false, "type": "boolean" }, "voice_id": { "type": "string" }, "vol": { "default": 1, "exclusiveMinimum": true, "maximum": 10, "minimum": 0, "type": "number" } }, "required": false, "type": "object" }, { "default_known": false, "enum_known": false, "name": "voice_setting.voice_id", "required": false, "type": "string" }, { "default": 1, "default_known": true, "enum_known": false, "maximum": 2, "minimum": 0.5, "name": "voice_setting.speed", "required": false, "type": "number" }, { "default": 1, "default_known": true, "enum_known": false, "exclusiveMinimum": true, "maximum": 10, "minimum": 0, "name": "voice_setting.vol", "required": false, "type": "number" }, { "default": 0, "default_known": true, "enum_known": false, "maximum": 12, "minimum": -12, "name": "voice_setting.pitch", "required": false, "type": "integer" }, { "default_known": false, "enum": [ "happy", "sad", "angry", "fearful", "disgusted", "surprised", "calm", "fluent" ], "enum_known": true, "name": "voice_setting.emotion", "required": false, "type": "string" }, { "default": false, "default_known": true, "enum_known": false, "name": "voice_setting.text_normalization", "required": false, "type": "boolean" }, { "default": false, "default_known": true, "enum_known": false, "name": "voice_setting.latex_read", "required": false, "type": "boolean" }, { "default_known": false, "enum_known": false, "name": "audio_setting", "properties": { "bitrate": { "default": 128000, "enum": [ 32000, 64000, 128000, 256000 ], "type": "integer" }, "channel": { "default": 1, "enum": [ 1, 2 ], "type": "integer" }, "force_cbr": { "default": false, "type": "boolean" }, "format": { "default": "mp3", "enum": [ "mp3", "pcm", "flac", "wav" ], "type": "string" }, "sample_rate": { "default": 32000, "enum": [ 8000, 16000, 22050, 24000, 32000, 44100 ], "type": "integer" } }, "required": false, "type": "object" }, { "default": 32000, "default_known": true, "enum": [ 8000, 16000, 22050, 24000, 32000, 44100 ], "enum_known": true, "name": "audio_setting.sample_rate", "required": false, "type": "integer" }, { "default": 128000, "default_known": true, "enum": [ 32000, 64000, 128000, 256000 ], "enum_known": true, "name": "audio_setting.bitrate", "required": false, "type": "integer" }, { "default": "mp3", "default_known": true, "enum": [ "mp3", "pcm", "flac", "wav" ], "enum_known": true, "name": "audio_setting.format", "required": false, "type": "string" }, { "default": 1, "default_known": true, "enum": [ 1, 2 ], "enum_known": true, "name": "audio_setting.channel", "required": false, "type": "integer" }, { "default": false, "default_known": true, "enum_known": false, "name": "audio_setting.force_cbr", "required": false, "type": "boolean" }, { "default_known": false, "enum_known": false, "name": "pronunciation_dict", "properties": { "tone": { "items": { "type": "string" }, "type": "array" } }, "required": false, "type": "object" }, { "default_known": false, "enum_known": false, "items": { "type": "string" }, "name": "pronunciation_dict.tone", "required": false, "type": "array" }, { "default_known": false, "enum_known": false, "items": { "properties": { "voice_id": { "type": "string" }, "weight": { "type": "integer" } }, "type": "object" }, "name": "timber_weights", "required": false, "type": "array" }, { "default_known": false, "enum": [ "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" ], "enum_known": true, "name": "language_boost", "required": false, "type": "string" }, { "default_known": false, "enum_known": false, "name": "voice_modify", "properties": { "intensity": { "enum": [ -100, 100 ], "type": "integer" }, "pitch": { "enum": [ -100, 100 ], "type": "integer" }, "sound_effects": { "enum": [ "spacious_echo", "auditorium_echo", "lofi_telephone", "robotic" ], "type": "string" }, "timbre": { "enum": [ -100, 100 ], "type": "integer" } }, "required": false, "type": "object" }, { "default_known": false, "enum": [ -100, 100 ], "enum_known": true, "name": "voice_modify.pitch", "required": false, "type": "integer" }, { "default_known": false, "enum": [ -100, 100 ], "enum_known": true, "name": "voice_modify.intensity", "required": false, "type": "integer" }, { "default_known": false, "enum": [ -100, 100 ], "enum_known": true, "name": "voice_modify.timbre", "required": false, "type": "integer" }, { "default_known": false, "enum": [ "spacious_echo", "auditorium_echo", "lofi_telephone", "robotic" ], "enum_known": true, "name": "voice_modify.sound_effects", "required": false, "type": "string" }, { "default": false, "default_known": true, "enum_known": false, "name": "subtitle_enable", "required": false, "type": "boolean" }, { "default": "hex", "default_known": true, "enum": [ "url", "hex" ], "enum_known": true, "name": "output_format", "required": false, "type": "string" }, { "default": false, "default_known": true, "enum_known": false, "name": "aigc_watermark", "required": false, "type": "boolean" } ], "request_schema": { "properties": { "aigc_watermark": { "default": false, "type": "boolean" }, "audio_setting": { "properties": { "bitrate": { "default": 128000, "enum": [ 32000, 64000, 128000, 256000 ], "type": "integer" }, "channel": { "default": 1, "enum": [ 1, 2 ], "type": "integer" }, "force_cbr": { "default": false, "type": "boolean" }, "format": { "default": "mp3", "enum": [ "mp3", "pcm", "flac", "wav" ], "type": "string" }, "sample_rate": { "default": 32000, "enum": [ 8000, 16000, 22050, 24000, 32000, 44100 ], "type": "integer" } }, "type": "object" }, "language_boost": { "enum": [ "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" ], "type": "string" }, "model": { "enum": [ "minimax/speech-01-hd" ], "type": "string" }, "output_format": { "default": "hex", "enum": [ "url", "hex" ], "type": "string" }, "pronunciation_dict": { "properties": { "tone": { "items": { "type": "string" }, "type": "array" } }, "type": "object" }, "stream": { "default": false, "enum": [ false ], "type": "boolean" }, "subtitle_enable": { "default": false, "type": "boolean" }, "text": { "maxLength": 9999, "minLength": 1, "type": "string" }, "timber_weights": { "items": { "properties": { "voice_id": { "type": "string" }, "weight": { "type": "integer" } }, "type": "object" }, "type": "array" }, "voice_modify": { "properties": { "intensity": { "enum": [ -100, 100 ], "type": "integer" }, "pitch": { "enum": [ -100, 100 ], "type": "integer" }, "sound_effects": { "enum": [ "spacious_echo", "auditorium_echo", "lofi_telephone", "robotic" ], "type": "string" }, "timbre": { "enum": [ -100, 100 ], "type": "integer" } }, "type": "object" }, "voice_setting": { "properties": { "emotion": { "enum": [ "happy", "sad", "angry", "fearful", "disgusted", "surprised", "calm", "fluent" ], "type": "string" }, "latex_read": { "default": false, "type": "boolean" }, "pitch": { "default": 0, "maximum": 12, "minimum": -12, "type": "integer" }, "speed": { "default": 1, "maximum": 2, "minimum": 0.5, "type": "number" }, "text_normalization": { "default": false, "type": "boolean" }, "voice_id": { "type": "string" }, "vol": { "default": 1, "exclusiveMinimum": true, "maximum": 10, "minimum": 0, "type": "number" } }, "type": "object" } }, "required": [ "model", "text" ], "type": "object" }, "schema_template": { "body": { "audio_setting": { "channel": 1, "format": "mp3", "sample_rate": 32000 }, "model": "minimax/speech-01-hd", "output_format": "hex", "stream": false, "text": "Hello, this is a short speech example." }, "content_type": "application/json" } }, "input": { "conditions": [ "Use 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." ], "content_type": "application/json", "material_types": [ "text" ], "optional": [ "stream", "voice_setting", "audio_setting", "pronunciation_dict", "timber_weights", "language_boost", "voice_modify", "subtitle_enable", "output_format", "aigc_watermark" ], "required": [ "model", "text" ] }, "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets", "query": { "cursor": "actual returned next_cursor, when present", "family": "audio" } }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "cancel_endpoint": null, "create": { "http": "POST", "path": "/v1/audio/speech" }, "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "owned_content": { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "Use the exact returned content_url. Refresh an expired link by reading the same existing asset." }, "status": [], "unknown": "Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.", "unknown_no_replay": true }, "method": { "http": "POST", "path": "/v1/audio/speech" }, "method_aliases": [], "output": { "all_results": "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.", "family": "audio", "fields": [ { "name": "data.audio", "type": "string" }, { "name": "extra_info", "type": "object" }, { "name": "trace_id", "type": "string" } ], "format": [ "mp3", "pcm", "flac", "wav" ] } }, "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": { "quoted_unit": "per input character" }, "label": "input character", "units": [ { "amount": "0.000105", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_character", "label": "input character", "native_amount_usd_per_unit": "0.000105", "native_quantity": 1, "public_unit_label": "per input character", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_character" } ] } ], "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=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}}')\n\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 result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\n", "label": "curl · create once and retain the complete result", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "speech", "http": "POST", "img_in": null, "img_out": null, "in": null, "input": [ "text" ], "label": "Speech", "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", "cache_read_price": null, "cache_write_1h_price": null, "cache_write_price": null, "fast_multiplier": null, "flex_multiplier": null, "image_input_price": null, "image_output_price": null, "input_price": null, "intervals": null, "max_reasoning_effort_multiplier": null, "output_price": null, "per_request_price": null, "unit_prices": { "audio_input_character": "0.000105" } }, "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": { "quoted_unit": "per input character" }, "label": "input character", "units": [ { "amount": "0.000105", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_character", "label": "input character", "native_amount_usd_per_unit": "0.000105", "native_quantity": 1, "public_unit_label": "per input character", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_character" } ] } ], "request_model_id": "minimax/speech-01-hd", "route_label": "Ultra", "status_reads": [], "tiers": [], "unit": "per_request", "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": "0.000105", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_character", "label": "input character", "native_amount_usd_per_unit": "0.000105", "native_quantity": 1, "public_unit_label": "per input character", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_character" } ] } } ], "model_id": "minimax/speech-01-hd", "nativeProvenance": { "input_facts_canonical_sha256": "1691e90b663aa08d11467cc06f533be7a4b2cf14ce00e16ed367fda5084bd653", "input_html_sha256": "2f42cab0cabff7ab92dd97e46d9f43b7261cceb0dcb2eeb22082c9b5f35f6d6c", "private_audit_sha256": "540554e2c54b470aadc02af78489bd8dd6b0358f840ff02049d717cb69969731", "role": "historical-normalized-input-audit-hashes", "schema": "ailoot-native-model-provenance-v2" }, "page": { "canonical": "https://ailoot.ai/models/fi/minimax-speech-01-hd/", "description": "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.", "locale": "fi", "md_url": "https://ailoot.ai/models/fi/minimax-speech-01-hd/index.md", "title": "MiniMax: Speech 01 HD — Ailoot", "url": "https://ailoot.ai/models/fi/minimax-speech-01-hd/" }, "rawModel": { "about": "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.\n\nValmistele 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.\n\nTekstin 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.\n\nvoice_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.\n\nDokumentoidut 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.\n\naudio_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.\n\nMuihin 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.\n\nSynkroninen 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.\n\nTallenna 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.", "alias_of": null, "aliases": [], "author": "MiniMax", "ctx": null, "formats": [ "speech" ], "id": "minimax/speech-01-hd", "input": [ "text" ], "kind": "speech", "max_out": null, "methods": [ { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Retain the complete response, all actual results, original identifiers, usage and response headers.", "authentication": { "api_key_source": "AILOOT_API_KEY", "header": "Authorization: Bearer" }, "example_body": { "audio_setting": { "channel": 1, "format": "mp3", "sample_rate": 32000 }, "model": "minimax/speech-01-hd", "output_format": "hex", "stream": false, "text": "Hello, this is a short speech example." }, "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets", "query": { "cursor": "actual returned next_cursor, when present", "family": "audio" } }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "cancel_endpoint": null, "create": { "http": "POST", "path": "/v1/audio/speech" }, "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "owned_content": { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "Use the exact returned content_url. Refresh an expired link by reading the same existing asset." }, "status": [], "unknown": "Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.", "unknown_no_replay": true }, "outputs": { "all_results": "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.", "family": "audio", "fields": [ { "name": "data.audio", "type": "string" }, { "name": "extra_info", "type": "object" }, { "name": "trace_id", "type": "string" } ], "format": [ "mp3", "pcm", "flac", "wav" ] }, "parameters": [ { "default_known": false, "enum": [ "minimax/speech-01-hd" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "default_known": false, "enum_known": false, "maxLength": 9999, "minLength": 1, "name": "text", "required": true, "type": "string" }, { "default": false, "default_known": true, "enum": [ false ], "enum_known": true, "name": "stream", "required": false, "type": "boolean" }, { "default_known": false, "enum_known": false, "name": "voice_setting", "properties": { "emotion": { "enum": [ "happy", "sad", "angry", "fearful", "disgusted", "surprised", "calm", "fluent" ], "type": "string" }, "latex_read": { "default": false, "type": "boolean" }, "pitch": { "default": 0, "maximum": 12, "minimum": -12, "type": "integer" }, "speed": { "default": 1, "maximum": 2, "minimum": 0.5, "type": "number" }, "text_normalization": { "default": false, "type": "boolean" }, "voice_id": { "type": "string" }, "vol": { "default": 1, "exclusiveMinimum": true, "maximum": 10, "minimum": 0, "type": "number" } }, "required": false, "type": "object" }, { "default_known": false, "enum_known": false, "name": "voice_setting.voice_id", "required": false, "type": "string" }, { "default": 1, "default_known": true, "enum_known": false, "maximum": 2, "minimum": 0.5, "name": "voice_setting.speed", "required": false, "type": "number" }, { "default": 1, "default_known": true, "enum_known": false, "exclusiveMinimum": true, "maximum": 10, "minimum": 0, "name": "voice_setting.vol", "required": false, "type": "number" }, { "default": 0, "default_known": true, "enum_known": false, "maximum": 12, "minimum": -12, "name": "voice_setting.pitch", "required": false, "type": "integer" }, { "default_known": false, "enum": [ "happy", "sad", "angry", "fearful", "disgusted", "surprised", "calm", "fluent" ], "enum_known": true, "name": "voice_setting.emotion", "required": false, "type": "string" }, { "default": false, "default_known": true, "enum_known": false, "name": "voice_setting.text_normalization", "required": false, "type": "boolean" }, { "default": false, "default_known": true, "enum_known": false, "name": "voice_setting.latex_read", "required": false, "type": "boolean" }, { "default_known": false, "enum_known": false, "name": "audio_setting", "properties": { "bitrate": { "default": 128000, "enum": [ 32000, 64000, 128000, 256000 ], "type": "integer" }, "channel": { "default": 1, "enum": [ 1, 2 ], "type": "integer" }, "force_cbr": { "default": false, "type": "boolean" }, "format": { "default": "mp3", "enum": [ "mp3", "pcm", "flac", "wav" ], "type": "string" }, "sample_rate": { "default": 32000, "enum": [ 8000, 16000, 22050, 24000, 32000, 44100 ], "type": "integer" } }, "required": false, "type": "object" }, { "default": 32000, "default_known": true, "enum": [ 8000, 16000, 22050, 24000, 32000, 44100 ], "enum_known": true, "name": "audio_setting.sample_rate", "required": false, "type": "integer" }, { "default": 128000, "default_known": true, "enum": [ 32000, 64000, 128000, 256000 ], "enum_known": true, "name": "audio_setting.bitrate", "required": false, "type": "integer" }, { "default": "mp3", "default_known": true, "enum": [ "mp3", "pcm", "flac", "wav" ], "enum_known": true, "name": "audio_setting.format", "required": false, "type": "string" }, { "default": 1, "default_known": true, "enum": [ 1, 2 ], "enum_known": true, "name": "audio_setting.channel", "required": false, "type": "integer" }, { "default": false, "default_known": true, "enum_known": false, "name": "audio_setting.force_cbr", "required": false, "type": "boolean" }, { "default_known": false, "enum_known": false, "name": "pronunciation_dict", "properties": { "tone": { "items": { "type": "string" }, "type": "array" } }, "required": false, "type": "object" }, { "default_known": false, "enum_known": false, "items": { "type": "string" }, "name": "pronunciation_dict.tone", "required": false, "type": "array" }, { "default_known": false, "enum_known": false, "items": { "properties": { "voice_id": { "type": "string" }, "weight": { "type": "integer" } }, "type": "object" }, "name": "timber_weights", "required": false, "type": "array" }, { "default_known": false, "enum": [ "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" ], "enum_known": true, "name": "language_boost", "required": false, "type": "string" }, { "default_known": false, "enum_known": false, "name": "voice_modify", "properties": { "intensity": { "enum": [ -100, 100 ], "type": "integer" }, "pitch": { "enum": [ -100, 100 ], "type": "integer" }, "sound_effects": { "enum": [ "spacious_echo", "auditorium_echo", "lofi_telephone", "robotic" ], "type": "string" }, "timbre": { "enum": [ -100, 100 ], "type": "integer" } }, "required": false, "type": "object" }, { "default_known": false, "enum": [ -100, 100 ], "enum_known": true, "name": "voice_modify.pitch", "required": false, "type": "integer" }, { "default_known": false, "enum": [ -100, 100 ], "enum_known": true, "name": "voice_modify.intensity", "required": false, "type": "integer" }, { "default_known": false, "enum": [ -100, 100 ], "enum_known": true, "name": "voice_modify.timbre", "required": false, "type": "integer" }, { "default_known": false, "enum": [ "spacious_echo", "auditorium_echo", "lofi_telephone", "robotic" ], "enum_known": true, "name": "voice_modify.sound_effects", "required": false, "type": "string" }, { "default": false, "default_known": true, "enum_known": false, "name": "subtitle_enable", "required": false, "type": "boolean" }, { "default": "hex", "default_known": true, "enum": [ "url", "hex" ], "enum_known": true, "name": "output_format", "required": false, "type": "string" }, { "default": false, "default_known": true, "enum_known": false, "name": "aigc_watermark", "required": false, "type": "boolean" } ], "request_schema": { "properties": { "aigc_watermark": { "default": false, "type": "boolean" }, "audio_setting": { "properties": { "bitrate": { "default": 128000, "enum": [ 32000, 64000, 128000, 256000 ], "type": "integer" }, "channel": { "default": 1, "enum": [ 1, 2 ], "type": "integer" }, "force_cbr": { "default": false, "type": "boolean" }, "format": { "default": "mp3", "enum": [ "mp3", "pcm", "flac", "wav" ], "type": "string" }, "sample_rate": { "default": 32000, "enum": [ 8000, 16000, 22050, 24000, 32000, 44100 ], "type": "integer" } }, "type": "object" }, "language_boost": { "enum": [ "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" ], "type": "string" }, "model": { "enum": [ "minimax/speech-01-hd" ], "type": "string" }, "output_format": { "default": "hex", "enum": [ "url", "hex" ], "type": "string" }, "pronunciation_dict": { "properties": { "tone": { "items": { "type": "string" }, "type": "array" } }, "type": "object" }, "stream": { "default": false, "enum": [ false ], "type": "boolean" }, "subtitle_enable": { "default": false, "type": "boolean" }, "text": { "maxLength": 9999, "minLength": 1, "type": "string" }, "timber_weights": { "items": { "properties": { "voice_id": { "type": "string" }, "weight": { "type": "integer" } }, "type": "object" }, "type": "array" }, "voice_modify": { "properties": { "intensity": { "enum": [ -100, 100 ], "type": "integer" }, "pitch": { "enum": [ -100, 100 ], "type": "integer" }, "sound_effects": { "enum": [ "spacious_echo", "auditorium_echo", "lofi_telephone", "robotic" ], "type": "string" }, "timbre": { "enum": [ -100, 100 ], "type": "integer" } }, "type": "object" }, "voice_setting": { "properties": { "emotion": { "enum": [ "happy", "sad", "angry", "fearful", "disgusted", "surprised", "calm", "fluent" ], "type": "string" }, "latex_read": { "default": false, "type": "boolean" }, "pitch": { "default": 0, "maximum": 12, "minimum": -12, "type": "integer" }, "speed": { "default": 1, "maximum": 2, "minimum": 0.5, "type": "number" }, "text_normalization": { "default": false, "type": "boolean" }, "voice_id": { "type": "string" }, "vol": { "default": 1, "exclusiveMinimum": true, "maximum": 10, "minimum": 0, "type": "number" } }, "type": "object" } }, "required": [ "model", "text" ], "type": "object" }, "schema_template": { "body": { "audio_setting": { "channel": 1, "format": "mp3", "sample_rate": 32000 }, "model": "minimax/speech-01-hd", "output_format": "hex", "stream": false, "text": "Hello, this is a short speech example." }, "content_type": "application/json" } }, "input": { "conditions": [ "Use 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." ], "content_type": "application/json", "material_types": [ "text" ], "optional": [ "stream", "voice_setting", "audio_setting", "pronunciation_dict", "timber_weights", "language_boost", "voice_modify", "subtitle_enable", "output_format", "aigc_watermark" ], "required": [ "model", "text" ] }, "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets", "query": { "cursor": "actual returned next_cursor, when present", "family": "audio" } }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "cancel_endpoint": null, "create": { "http": "POST", "path": "/v1/audio/speech" }, "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "owned_content": { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "Use the exact returned content_url. Refresh an expired link by reading the same existing asset." }, "status": [], "unknown": "Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.", "unknown_no_replay": true }, "method": { "http": "POST", "path": "/v1/audio/speech" }, "method_aliases": [], "output": { "all_results": "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.", "family": "audio", "fields": [ { "name": "data.audio", "type": "string" }, { "name": "extra_info", "type": "object" }, { "name": "trace_id", "type": "string" } ], "format": [ "mp3", "pcm", "flac", "wav" ] } }, "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": { "quoted_unit": "per input character" }, "label": "input character", "units": [ { "amount": "0.000105", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_character", "label": "input character", "native_amount_usd_per_unit": "0.000105", "native_quantity": 1, "public_unit_label": "per input character", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_character" } ] } ], "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=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}}')\n\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 result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\n", "label": "curl · create once and retain the complete result", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "speech", "http": "POST", "img_in": null, "img_out": null, "in": null, "input": [ "text" ], "label": "Speech", "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", "cache_read_price": null, "cache_write_1h_price": null, "cache_write_price": null, "fast_multiplier": null, "flex_multiplier": null, "image_input_price": null, "image_output_price": null, "input_price": null, "intervals": null, "max_reasoning_effort_multiplier": null, "output_price": null, "per_request_price": null, "unit_prices": { "audio_input_character": "0.000105" } }, "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": { "quoted_unit": "per input character" }, "label": "input character", "units": [ { "amount": "0.000105", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_character", "label": "input character", "native_amount_usd_per_unit": "0.000105", "native_quantity": 1, "public_unit_label": "per input character", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_character" } ] } ], "request_model_id": "minimax/speech-01-hd", "route_label": "Ultra", "status_reads": [], "tiers": [], "unit": "per_request", "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": "0.000105", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_character", "label": "input character", "native_amount_usd_per_unit": "0.000105", "native_quantity": 1, "public_unit_label": "per input character", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_character" } ] } ], "model_aliases": [ { "canonical_model_id": "minimax/speech-01-hd", "request_model_id": "minimax/speech-01-hd", "route_label": "Ultra" } ], "name": "MiniMax: Speech 01 HD", "price": { "in": "0.000105", "in_label": "per input character", "out": null, "out_label": null, "sort_in": null, "sort_out": null, "varies": false }, "short": "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." }, "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": "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.", "source": { "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1", "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036", "raw_model_json_sha256": "f079df5446970c0c2c4b8f2b4872a75ddf97e8c1480ddbae9c9ab16e44b7233d", "renderer_sha256": "303a59603e2bc29ba8fda690e95fd32cec68de223d92e26054a88babff801dd7" }, "sourceRevision": "1916560038a06ac66de2f9d1943cae1b101609a8eb133b040f87b2a344e0daa1" }