{ "aboutHtml": "

Speech 2.6 HD on täsmällinen MiniMax-puheversio, joka valitaan asetuksella model: "minimax/speech-2.6-hd". Käytä POST /v1/audio/speech -kutsua, jonka application/json-runko sisältää model-kentän ja puhuttavan text-tekstin. Sen syöte on kirjallinen käsikirjoitus ja tulos synteettinen ääni. Oppimisjaksoa varten valmistele täsmällinen selitys ja ääneen luettavat esimerkit. Tuoteopastusta varten kirjoita puhejakso samaan järjestykseen näkyvien vaiheiden kanssa. Selostuskäsikirjoitus voi sisältää kokonaisia lauseita ja tarkoituksellista välimerkitystä; pidä hiljaisiksi tarkoitetut toimitukselliset ohjeet text-kentän ulkopuolella.

text-kentän on sisällettävä muutakin kuin tyhjiä merkkejä, ja sen tulee sisältää alle 10 000 Unicode-merkkiä. Lähetä koko puhuttu käsikirjoitus asetuksella stream:false tai jätä stream pois. Jaa pidempi aineisto erillisiksi kokonaisiksi käsikirjoitusjaksoiksi ennen kunkin jakson lähettämistä. Asiakirjaa voi käyttää lukemalla sen varsinaisen sisällön ja sijoittamalla olennaisen katkelman text-kenttään; asiakirjan URL ei korvaa käsikirjoitusta.

Valitse ääni kentällä voice_setting.voice_id. Dokumentoituihin ääniluokkiin kuuluvat järjestelmän äänet sekä jo luodut kloonatut tai tekstin avulla suunnitellut äänet; käytä valitulle luokalle kelvollista äänitunnusta. Esimerkkiääni on audiobook_male_1. Sama objekti ohjaa speed-arvoa väliltä 0,5–2, vol-arvoa, joka on yli 0 ja enintään 10, sekä kokonaislukuista pitch-arvoa väliltä -12–12. Niiden oletusarvot ovat 1, 1 ja 0. Nämä asetukset säätävät puheilmaisun eri puolia, joten valitse ne erikseen sen sijaan, että sijoittaisit niiden nimet käsikirjoitukseen.

voice_setting.emotion hyväksyy arvot happy, sad, angry, fearful, disgusted, surprised, calm ja fluent. Dokumentaatio kuvaa myös automaattisen tunnetilan sovituksen tekstistä. Runsaasti numeroita sisältävissä käsikirjoituksissa voice_setting.text_normalization ottaa käyttöön kiinan- ja englanninkielisen tekstin normalisoinnin, ja sen oletusarvo on false. voice_setting.latex_read ohjaa LaTeX-lausekkeiden lukemista, ja myös sen oletusarvo on false. pronunciation_dict.tone on ääntämissääntöjen merkkijonotaulukko. Julkaistu esimerkki on ["草地/(cao3)(di1)"]; säilytä sana, vinoviiva ja sulkeisiin sijoitetun ääntämyksen rakenne sääntöä antaessasi.

audio_setting.format hyväksyy arvot mp3, pcm, flac ja wav, ja oletusarvo on mp3. sample_rate hyväksyy arvot 8000, 16000, 22050, 24000, 32000 ja 44100 Hz; sen oletusarvo on 32000. channel on 1 monolle tai 2 kahdelle kanavalle, ja oletusarvo on 1. bitrate-arvot ovat 32000, 64000, 128000 ja 256000 bittiä sekunnissa, oletusarvo on 128000, ja ne koskevat mp3-muotoa. Valitse koodaus, jota tulosta käyttävä soitin tai muokkaustyökalu tarvitsee.

language_boost on valinnainen merkkijono, ja sen oletusarvo on null. Sen sallitut arvot ovat 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 ja auto. "Chinese,Yue" on yksi arvo. Se on käsikirjoituksesta ja äänitunnuksesta erillinen asetus. Skeema tarjoaa myös timber_weights-kentän luettelolle, jonka kukin pari sisältää voice_id-arvon ja kokonaislukuisen weight-arvon väliltä 1–100. Säilytä parametrin kirjoitusasu timber_weights pyyntöä valmistellessasi. voice_modify.sound_effects on valinnainen merkkijono, jonka arvot ovat spacious_echo, auditorium_echo, lofi_telephone ja robotic.

stream-asetuksen oletusarvo on false. Kokonaisessa vastauksessa output_format valitsee arvon url tai hex, ja oletusarvo on hex. Dokumentoidussa JSON-tuloksessa data.audio sisältää valitun esitysmuodon: lataa koko allekirjoitettu Ailoot-URL kyselymerkkijonoineen tai pura koko heksadesimaalinen ääni tavuiksi. Säilytä alkuperäinen tulos yhdessä kenttien data.status, base_resp, trace_id ja extra_info kanssa; viimeksi mainittu sisältää todellisen äänimuodon, näytteenottotaajuuden, kanavamäärän, koon ja usage_characters-arvon.

subtitle_enable on totuusarvo, jonka oletusarvo on false ja joka koskee tulosta ilman suoratoistoa. aigc_watermark on totuusarvo, jonka oletusarvo on false ja joka ohjaa generoidun äänen lopussa kuuluvaa rytmimerkkiä. Säilytä jokainen palautettu ääni- tai tekstitystulos ja tarkista ääntäminen, numerot ja valmis tiedosto ennen sen sijoittamista sovellukseen. Jos toimitus on epävarma, säilytä alkuperäisen pyynnön tunniste ja vastaus olemassa olevan yrityksen tarkistamista varten. Ailoot tallentaa valmiin äänen myös mediakirjastoosi. Asetuksella output_format:"url" data.audio sisältää allekirjoitetun linkin tähän tallennettuun resurssiin; resurssin tunnus näkyy sen polussa /v1/media/assets/{asset_id}/content. Ailootin allekirjoitetut tiedostolinkit ovat voimassa 24 tuntia myöntämisestä. Käytä samaa API-avainta kutsuun GET /v1/media/assets?family=audio ja käy läpi jokainen next_cursor löytääksesi ääniresurssien tietueet. Lue GET /v1/media/assets/{asset_id} jokaiselle valitulle tietueelle ja lataa sen täsmällinen content_url kyselymerkkijonoineen. Jos tiedostopyyntö palauttaa 404 ja koodin link_expired, lue sama resurssi uudelleen saadaksesi päivitetyn content_url-arvon. Päivitä tallennettu tulos sen sijaan, että generoisit äänen uudelleen vanhentuneen linkin korvaamiseksi.

", "aboutText": "Speech 2.6 HD on täsmällinen MiniMax-puheversio, joka valitaan asetuksella model: \"minimax/speech-2.6-hd\". Käytä POST /v1/audio/speech -kutsua, jonka application/json-runko sisältää model-kentän ja puhuttavan text-tekstin. Sen syöte on kirjallinen käsikirjoitus ja tulos synteettinen ääni. Oppimisjaksoa varten valmistele täsmällinen selitys ja ääneen luettavat esimerkit. Tuoteopastusta varten kirjoita puhejakso samaan järjestykseen näkyvien vaiheiden kanssa. Selostuskäsikirjoitus voi sisältää kokonaisia lauseita ja tarkoituksellista välimerkitystä; pidä hiljaisiksi tarkoitetut toimitukselliset ohjeet text-kentän ulkopuolella.\n\ntext-kentän on sisällettävä muutakin kuin tyhjiä merkkejä, ja sen tulee sisältää alle 10 000 Unicode-merkkiä. Lähetä koko puhuttu käsikirjoitus asetuksella stream:false tai jätä stream pois. Jaa pidempi aineisto erillisiksi kokonaisiksi käsikirjoitusjaksoiksi ennen kunkin jakson lähettämistä. Asiakirjaa voi käyttää lukemalla sen varsinaisen sisällön ja sijoittamalla olennaisen katkelman text-kenttään; asiakirjan URL ei korvaa käsikirjoitusta.\n\nValitse ääni kentällä voice_setting.voice_id. Dokumentoituihin ääniluokkiin kuuluvat järjestelmän äänet sekä jo luodut kloonatut tai tekstin avulla suunnitellut äänet; käytä valitulle luokalle kelvollista äänitunnusta. Esimerkkiääni on audiobook_male_1. Sama objekti ohjaa speed-arvoa väliltä 0,5–2, vol-arvoa, joka on yli 0 ja enintään 10, sekä kokonaislukuista pitch-arvoa väliltä -12–12. Niiden oletusarvot ovat 1, 1 ja 0. Nämä asetukset säätävät puheilmaisun eri puolia, joten valitse ne erikseen sen sijaan, että sijoittaisit niiden nimet käsikirjoitukseen.\n\nvoice_setting.emotion hyväksyy arvot happy, sad, angry, fearful, disgusted, surprised, calm ja fluent. Dokumentaatio kuvaa myös automaattisen tunnetilan sovituksen tekstistä. Runsaasti numeroita sisältävissä käsikirjoituksissa voice_setting.text_normalization ottaa käyttöön kiinan- ja englanninkielisen tekstin normalisoinnin, ja sen oletusarvo on false. voice_setting.latex_read ohjaa LaTeX-lausekkeiden lukemista, ja myös sen oletusarvo on false. pronunciation_dict.tone on ääntämissääntöjen merkkijonotaulukko. Julkaistu esimerkki on [\"草地/(cao3)(di1)\"]; säilytä sana, vinoviiva ja sulkeisiin sijoitetun ääntämyksen rakenne sääntöä antaessasi.\n\naudio_setting.format hyväksyy arvot mp3, pcm, flac ja wav, ja oletusarvo on mp3. sample_rate hyväksyy arvot 8000, 16000, 22050, 24000, 32000 ja 44100 Hz; sen oletusarvo on 32000. channel on 1 monolle tai 2 kahdelle kanavalle, ja oletusarvo on 1. bitrate-arvot ovat 32000, 64000, 128000 ja 256000 bittiä sekunnissa, oletusarvo on 128000, ja ne koskevat mp3-muotoa. Valitse koodaus, jota tulosta käyttävä soitin tai muokkaustyökalu tarvitsee.\n\nlanguage_boost on valinnainen merkkijono, ja sen oletusarvo on null. Sen sallitut arvot ovat 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 ja auto. \"Chinese,Yue\" on yksi arvo. Se on käsikirjoituksesta ja äänitunnuksesta erillinen asetus. Skeema tarjoaa myös timber_weights-kentän luettelolle, jonka kukin pari sisältää voice_id-arvon ja kokonaislukuisen weight-arvon väliltä 1–100. Säilytä parametrin kirjoitusasu timber_weights pyyntöä valmistellessasi. voice_modify.sound_effects on valinnainen merkkijono, jonka arvot ovat spacious_echo, auditorium_echo, lofi_telephone ja robotic.\n\nstream-asetuksen oletusarvo on false. Kokonaisessa vastauksessa output_format valitsee arvon url tai hex, ja oletusarvo on hex. Dokumentoidussa JSON-tuloksessa data.audio sisältää valitun esitysmuodon: lataa koko allekirjoitettu Ailoot-URL kyselymerkkijonoineen tai pura koko heksadesimaalinen ääni tavuiksi. Säilytä alkuperäinen tulos yhdessä kenttien data.status, base_resp, trace_id ja extra_info kanssa; viimeksi mainittu sisältää todellisen äänimuodon, näytteenottotaajuuden, kanavamäärän, koon ja usage_characters-arvon.\n\nsubtitle_enable on totuusarvo, jonka oletusarvo on false ja joka koskee tulosta ilman suoratoistoa. aigc_watermark on totuusarvo, jonka oletusarvo on false ja joka ohjaa generoidun äänen lopussa kuuluvaa rytmimerkkiä. Säilytä jokainen palautettu ääni- tai tekstitystulos ja tarkista ääntäminen, numerot ja valmis tiedosto ennen sen sijoittamista sovellukseen. Jos toimitus on epävarma, säilytä alkuperäisen pyynnön tunniste ja vastaus olemassa olevan yrityksen tarkistamista varten. Ailoot tallentaa valmiin äänen myös mediakirjastoosi. Asetuksella output_format:\"url\" data.audio sisältää allekirjoitetun linkin tähän tallennettuun resurssiin; resurssin tunnus näkyy sen polussa /v1/media/assets/{asset_id}/content. Ailootin allekirjoitetut tiedostolinkit ovat voimassa 24 tuntia myöntämisestä. Käytä samaa API-avainta kutsuun GET /v1/media/assets?family=audio ja käy läpi jokainen next_cursor löytääksesi ääniresurssien tietueet. Lue GET /v1/media/assets/{asset_id} jokaiselle valitulle tietueelle ja lataa sen täsmällinen content_url kyselymerkkijonoineen. Jos tiedostopyyntö palauttaa 404 ja koodin link_expired, lue sama resurssi uudelleen saadaksesi päivitetyn content_url-arvon. Päivitä tallennettu tulos sen sijaan, että generoisit äänen uudelleen vanhentuneen linkin korvaamiseksi.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "f8470ac593ead718ba8b183dd94e60a5afb411aaf346541e608a92309ac50a54", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "fi", "methods": [ { "html": "
MM

MiniMax: Speech 2.6 HD

MiniMax /minimax/speech-2.6-hd

Aloitus

Speech 2.6 HD on MiniMaxin tekstistä puheeksi -malli valmiin käsikirjoituksen muuttamiseen ääneksi. minimax/speech-2.6-hd-versio tarjoaa ääni-, esitys- ja äänimuotoasetukset, kokonaisen JSON-vastauksen sekä valinnan URL- tai heksadesimaalisen äänituloksen välillä. Käytä sitä annetun selostuksen, oppimisjakson tai tuoteopastuksen tuottamiseen puheena.

Hyväksytyt syötteet
Teksti
Tulokset
Ääni
Tietoa mallista

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

Speech 2.6 HD on täsmällinen MiniMax-puheversio, joka valitaan asetuksella model: "minimax/speech-2.6-hd". Käytä POST /v1/audio/speech -kutsua, jonka application/json-runko sisältää model-kentän ja puhuttavan text-tekstin. Sen syöte on kirjallinen käsikirjoitus ja tulos synteettinen ääni. Oppimisjaksoa varten valmistele täsmällinen selitys ja ääneen luettavat esimerkit. Tuoteopastusta varten kirjoita puhejakso samaan järjestykseen näkyvien vaiheiden kanssa. Selostuskäsikirjoitus voi sisältää kokonaisia lauseita ja tarkoituksellista välimerkitystä; pidä hiljaisiksi tarkoitetut toimitukselliset ohjeet text-kentän ulkopuolella.

text-kentän on sisällettävä muutakin kuin tyhjiä merkkejä, ja sen tulee sisältää alle 10 000 Unicode-merkkiä. Lähetä koko puhuttu käsikirjoitus asetuksella stream:false tai jätä stream pois. Jaa pidempi aineisto erillisiksi kokonaisiksi käsikirjoitusjaksoiksi ennen kunkin jakson lähettämistä. Asiakirjaa voi käyttää lukemalla sen varsinaisen sisällön ja sijoittamalla olennaisen katkelman text-kenttään; asiakirjan URL ei korvaa käsikirjoitusta.

Valitse ääni kentällä voice_setting.voice_id. Dokumentoituihin ääniluokkiin kuuluvat järjestelmän äänet sekä jo luodut kloonatut tai tekstin avulla suunnitellut äänet; käytä valitulle luokalle kelvollista äänitunnusta. Esimerkkiääni on audiobook_male_1. Sama objekti ohjaa speed-arvoa väliltä 0,5–2, vol-arvoa, joka on yli 0 ja enintään 10, sekä kokonaislukuista pitch-arvoa väliltä -12–12. Niiden oletusarvot ovat 1, 1 ja 0. Nämä asetukset säätävät puheilmaisun eri puolia, joten valitse ne erikseen sen sijaan, että sijoittaisit niiden nimet käsikirjoitukseen.

voice_setting.emotion hyväksyy arvot happy, sad, angry, fearful, disgusted, surprised, calm ja fluent. Dokumentaatio kuvaa myös automaattisen tunnetilan sovituksen tekstistä. Runsaasti numeroita sisältävissä käsikirjoituksissa voice_setting.text_normalization ottaa käyttöön kiinan- ja englanninkielisen tekstin normalisoinnin, ja sen oletusarvo on false. voice_setting.latex_read ohjaa LaTeX-lausekkeiden lukemista, ja myös sen oletusarvo on false. pronunciation_dict.tone on ääntämissääntöjen merkkijonotaulukko. Julkaistu esimerkki on ["草地/(cao3)(di1)"]; säilytä sana, vinoviiva ja sulkeisiin sijoitetun ääntämyksen rakenne sääntöä antaessasi.

audio_setting.format hyväksyy arvot mp3, pcm, flac ja wav, ja oletusarvo on mp3. sample_rate hyväksyy arvot 8000, 16000, 22050, 24000, 32000 ja 44100 Hz; sen oletusarvo on 32000. channel on 1 monolle tai 2 kahdelle kanavalle, ja oletusarvo on 1. bitrate-arvot ovat 32000, 64000, 128000 ja 256000 bittiä sekunnissa, oletusarvo on 128000, ja ne koskevat mp3-muotoa. Valitse koodaus, jota tulosta käyttävä soitin tai muokkaustyökalu tarvitsee.

language_boost on valinnainen merkkijono, ja sen oletusarvo on null. Sen sallitut arvot ovat 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 ja auto. "Chinese,Yue" on yksi arvo. Se on käsikirjoituksesta ja äänitunnuksesta erillinen asetus. Skeema tarjoaa myös timber_weights-kentän luettelolle, jonka kukin pari sisältää voice_id-arvon ja kokonaislukuisen weight-arvon väliltä 1–100. Säilytä parametrin kirjoitusasu timber_weights pyyntöä valmistellessasi. voice_modify.sound_effects on valinnainen merkkijono, jonka arvot ovat spacious_echo, auditorium_echo, lofi_telephone ja robotic.

stream-asetuksen oletusarvo on false. Kokonaisessa vastauksessa output_format valitsee arvon url tai hex, ja oletusarvo on hex. Dokumentoidussa JSON-tuloksessa data.audio sisältää valitun esitysmuodon: lataa koko allekirjoitettu Ailoot-URL kyselymerkkijonoineen tai pura koko heksadesimaalinen ääni tavuiksi. Säilytä alkuperäinen tulos yhdessä kenttien data.status, base_resp, trace_id ja extra_info kanssa; viimeksi mainittu sisältää todellisen äänimuodon, näytteenottotaajuuden, kanavamäärän, koon ja usage_characters-arvon.

subtitle_enable on totuusarvo, jonka oletusarvo on false ja joka koskee tulosta ilman suoratoistoa. aigc_watermark on totuusarvo, jonka oletusarvo on false ja joka ohjaa generoidun äänen lopussa kuuluvaa rytmimerkkiä. Säilytä jokainen palautettu ääni- tai tekstitystulos ja tarkista ääntäminen, numerot ja valmis tiedosto ennen sen sijoittamista sovellukseen. Jos toimitus on epävarma, säilytä alkuperäisen pyynnön tunniste ja vastaus olemassa olevan yrityksen tarkistamista varten. Ailoot tallentaa valmiin äänen myös mediakirjastoosi. Asetuksella output_format:"url" data.audio sisältää allekirjoitetun linkin tähän tallennettuun resurssiin; resurssin tunnus näkyy sen polussa /v1/media/assets/{asset_id}/content. Ailootin allekirjoitetut tiedostolinkit ovat voimassa 24 tuntia myöntämisestä. Käytä samaa API-avainta kutsuun GET /v1/media/assets?family=audio ja käy läpi jokainen next_cursor löytääksesi ääniresurssien tietueet. Lue GET /v1/media/assets/{asset_id} jokaiselle valitulle tietueelle ja lataa sen täsmällinen content_url kyselymerkkijonoineen. Jos tiedostopyyntö palauttaa 404 ja koodin link_expired, lue sama resurssi uudelleen saadaksesi päivitetyn content_url-arvon. Päivitä tallennettu tulos sen sijaan, että generoisit äänen uudelleen vanhentuneen linkin korvaamiseksi.

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-2.6-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 $0.0002 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-2.6-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-2.6-hd

Menetelmäpolkujen aliakset

Käytä yllä näytettyjä menetelmäpolkuja.

Liittyvät kutsujan ID:t

minimax/speech-2.6-hd

", "method_identity": { "effective_request_model_id": "minimax/speech-2.6-hd", "fmt": "speech", "http": "POST", "path": "/v1/audio/speech", "request_model_id": "minimax/speech-2.6-hd", "route_label": "Ultra" }, "method_key": "Ultra|speech|/v1/audio/speech|minimax%2Fspeech-2.6-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-2.6-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-2.6-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-2.6-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-2.6-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": "0.0002", "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": "0.0002", "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-2.6-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": "0.0002" } }, "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": "0.0002", "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": "0.0002", "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-2.6-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": "0.0002", "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": "0.0002", "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-2.6-hd", "nativeProvenance": { "input_facts_canonical_sha256": "2f88817c94da7747ecec74e7ea4865169b7e33ca080612dc093e234b31726fa1", "input_html_sha256": "d80ce89a7fcc416168cefb90589c7b81cd42127e1fd14fcb1d81658f711c8366", "private_audit_sha256": "cfebd401d32a8fbf05c0de165529329bf0c89d7851d75acea86e716cef595912", "role": "historical-normalized-input-audit-hashes", "schema": "ailoot-native-model-provenance-v2" }, "page": { "canonical": "https://ailoot.ai/models/fi/minimax-speech-2-6-hd/", "description": "Speech 2.6 HD on MiniMaxin tekstistä puheeksi -malli valmiin käsikirjoituksen muuttamiseen ääneksi. minimax/speech-2.6-hd-versio tarjoaa ääni-, esitys- ja äänimuotoasetukset, kokonaisen JSON-vastauksen sekä valinnan URL- tai heksadesimaalisen äänituloksen välillä. Käytä sitä annetun selostuksen, oppimisjakson tai tuoteopastuksen tuottamiseen puheena.", "locale": "fi", "md_url": "https://ailoot.ai/models/fi/minimax-speech-2-6-hd/index.md", "title": "MiniMax: Speech 2.6 HD — Ailoot", "url": "https://ailoot.ai/models/fi/minimax-speech-2-6-hd/" }, "rawModel": { "about": "Speech 2.6 HD on täsmällinen MiniMax-puheversio, joka valitaan asetuksella model: \"minimax/speech-2.6-hd\". Käytä POST /v1/audio/speech -kutsua, jonka application/json-runko sisältää model-kentän ja puhuttavan text-tekstin. Sen syöte on kirjallinen käsikirjoitus ja tulos synteettinen ääni. Oppimisjaksoa varten valmistele täsmällinen selitys ja ääneen luettavat esimerkit. Tuoteopastusta varten kirjoita puhejakso samaan järjestykseen näkyvien vaiheiden kanssa. Selostuskäsikirjoitus voi sisältää kokonaisia lauseita ja tarkoituksellista välimerkitystä; pidä hiljaisiksi tarkoitetut toimitukselliset ohjeet text-kentän ulkopuolella.\n\ntext-kentän on sisällettävä muutakin kuin tyhjiä merkkejä, ja sen tulee sisältää alle 10 000 Unicode-merkkiä. Lähetä koko puhuttu käsikirjoitus asetuksella stream:false tai jätä stream pois. Jaa pidempi aineisto erillisiksi kokonaisiksi käsikirjoitusjaksoiksi ennen kunkin jakson lähettämistä. Asiakirjaa voi käyttää lukemalla sen varsinaisen sisällön ja sijoittamalla olennaisen katkelman text-kenttään; asiakirjan URL ei korvaa käsikirjoitusta.\n\nValitse ääni kentällä voice_setting.voice_id. Dokumentoituihin ääniluokkiin kuuluvat järjestelmän äänet sekä jo luodut kloonatut tai tekstin avulla suunnitellut äänet; käytä valitulle luokalle kelvollista äänitunnusta. Esimerkkiääni on audiobook_male_1. Sama objekti ohjaa speed-arvoa väliltä 0,5–2, vol-arvoa, joka on yli 0 ja enintään 10, sekä kokonaislukuista pitch-arvoa väliltä -12–12. Niiden oletusarvot ovat 1, 1 ja 0. Nämä asetukset säätävät puheilmaisun eri puolia, joten valitse ne erikseen sen sijaan, että sijoittaisit niiden nimet käsikirjoitukseen.\n\nvoice_setting.emotion hyväksyy arvot happy, sad, angry, fearful, disgusted, surprised, calm ja fluent. Dokumentaatio kuvaa myös automaattisen tunnetilan sovituksen tekstistä. Runsaasti numeroita sisältävissä käsikirjoituksissa voice_setting.text_normalization ottaa käyttöön kiinan- ja englanninkielisen tekstin normalisoinnin, ja sen oletusarvo on false. voice_setting.latex_read ohjaa LaTeX-lausekkeiden lukemista, ja myös sen oletusarvo on false. pronunciation_dict.tone on ääntämissääntöjen merkkijonotaulukko. Julkaistu esimerkki on [\"草地/(cao3)(di1)\"]; säilytä sana, vinoviiva ja sulkeisiin sijoitetun ääntämyksen rakenne sääntöä antaessasi.\n\naudio_setting.format hyväksyy arvot mp3, pcm, flac ja wav, ja oletusarvo on mp3. sample_rate hyväksyy arvot 8000, 16000, 22050, 24000, 32000 ja 44100 Hz; sen oletusarvo on 32000. channel on 1 monolle tai 2 kahdelle kanavalle, ja oletusarvo on 1. bitrate-arvot ovat 32000, 64000, 128000 ja 256000 bittiä sekunnissa, oletusarvo on 128000, ja ne koskevat mp3-muotoa. Valitse koodaus, jota tulosta käyttävä soitin tai muokkaustyökalu tarvitsee.\n\nlanguage_boost on valinnainen merkkijono, ja sen oletusarvo on null. Sen sallitut arvot ovat 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 ja auto. \"Chinese,Yue\" on yksi arvo. Se on käsikirjoituksesta ja äänitunnuksesta erillinen asetus. Skeema tarjoaa myös timber_weights-kentän luettelolle, jonka kukin pari sisältää voice_id-arvon ja kokonaislukuisen weight-arvon väliltä 1–100. Säilytä parametrin kirjoitusasu timber_weights pyyntöä valmistellessasi. voice_modify.sound_effects on valinnainen merkkijono, jonka arvot ovat spacious_echo, auditorium_echo, lofi_telephone ja robotic.\n\nstream-asetuksen oletusarvo on false. Kokonaisessa vastauksessa output_format valitsee arvon url tai hex, ja oletusarvo on hex. Dokumentoidussa JSON-tuloksessa data.audio sisältää valitun esitysmuodon: lataa koko allekirjoitettu Ailoot-URL kyselymerkkijonoineen tai pura koko heksadesimaalinen ääni tavuiksi. Säilytä alkuperäinen tulos yhdessä kenttien data.status, base_resp, trace_id ja extra_info kanssa; viimeksi mainittu sisältää todellisen äänimuodon, näytteenottotaajuuden, kanavamäärän, koon ja usage_characters-arvon.\n\nsubtitle_enable on totuusarvo, jonka oletusarvo on false ja joka koskee tulosta ilman suoratoistoa. aigc_watermark on totuusarvo, jonka oletusarvo on false ja joka ohjaa generoidun äänen lopussa kuuluvaa rytmimerkkiä. Säilytä jokainen palautettu ääni- tai tekstitystulos ja tarkista ääntäminen, numerot ja valmis tiedosto ennen sen sijoittamista sovellukseen. Jos toimitus on epävarma, säilytä alkuperäisen pyynnön tunniste ja vastaus olemassa olevan yrityksen tarkistamista varten. Ailoot tallentaa valmiin äänen myös mediakirjastoosi. Asetuksella output_format:\"url\" data.audio sisältää allekirjoitetun linkin tähän tallennettuun resurssiin; resurssin tunnus näkyy sen polussa /v1/media/assets/{asset_id}/content. Ailootin allekirjoitetut tiedostolinkit ovat voimassa 24 tuntia myöntämisestä. Käytä samaa API-avainta kutsuun GET /v1/media/assets?family=audio ja käy läpi jokainen next_cursor löytääksesi ääniresurssien tietueet. Lue GET /v1/media/assets/{asset_id} jokaiselle valitulle tietueelle ja lataa sen täsmällinen content_url kyselymerkkijonoineen. Jos tiedostopyyntö palauttaa 404 ja koodin link_expired, lue sama resurssi uudelleen saadaksesi päivitetyn content_url-arvon. Päivitä tallennettu tulos sen sijaan, että generoisit äänen uudelleen vanhentuneen linkin korvaamiseksi.", "alias_of": null, "aliases": [], "author": "MiniMax", "ctx": null, "formats": [ "speech" ], "id": "minimax/speech-2.6-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-2.6-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-2.6-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-2.6-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-2.6-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": "0.0002", "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": "0.0002", "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-2.6-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": "0.0002" } }, "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": "0.0002", "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": "0.0002", "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-2.6-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": "0.0002", "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": "0.0002", "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-2.6-hd", "request_model_id": "minimax/speech-2.6-hd", "route_label": "Ultra" } ], "name": "MiniMax: Speech 2.6 HD", "price": { "in": "0.0002", "in_label": "per input character", "out": null, "out_label": null, "sort_in": null, "sort_out": null, "varies": false }, "short": "Speech 2.6 HD on MiniMaxin tekstistä puheeksi -malli valmiin käsikirjoituksen muuttamiseen ääneksi. minimax/speech-2.6-hd-versio tarjoaa ääni-, esitys- ja äänimuotoasetukset, kokonaisen JSON-vastauksen sekä valinnan URL- tai heksadesimaalisen äänituloksen välillä. Käytä sitä annetun selostuksen, oppimisjakson tai tuoteopastuksen tuottamiseen puheena." }, "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": "Speech 2.6 HD on MiniMaxin tekstistä puheeksi -malli valmiin käsikirjoituksen muuttamiseen ääneksi. minimax/speech-2.6-hd-versio tarjoaa ääni-, esitys- ja äänimuotoasetukset, kokonaisen JSON-vastauksen sekä valinnan URL- tai heksadesimaalisen äänituloksen välillä. Käytä sitä annetun selostuksen, oppimisjakson tai tuoteopastuksen tuottamiseen puheena.", "source": { "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1", "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036", "raw_model_json_sha256": "3f2d73b29efe7729d4c05172a1a636c429f790de96e4feb772152201937291d5", "renderer_sha256": "303a59603e2bc29ba8fda690e95fd32cec68de223d92e26054a88babff801dd7" }, "sourceRevision": "fe57970493451c86d2da831ddef0650cf77fa90f102bff37a7af4529aa882492" }