speech-2.6-turbo
Speech 2.6 Turbo syntetisoi monikielistä puhetta ja painottaa pientä vastausviivettä.
Tietoa mallista
Tämä kuvaus kattaa mallin ominaisuudet. Ailootissa saatavilla olevat syötteet, tulosteet ja asetukset luetellaan alla valitulle menetelmälle.
Repliikit puheprosessiin
Speech 2.6 Turbo on nopeuteen keskittyvä puhesynteesiversio. Valmistajan mukaan se soveltuu puheavustajiin ja interaktiivisiin tilanteisiin, joissa teksti muuttuu vastaukseksi asteittain. Malli säilyttää Speech 2.6 -sukupolven luonnolliset intonaatiot ja osaa käsitellä erityisiä merkintämuotoja.
Oikein lausuttava teksti
Malli on suunniteltu päivämäärien, puhelinnumeroiden, rahasummien, sivuosoitteiden ja sähköpostiosoitteiden lukemiseen ilman jokaisen merkinnän kirjoittamista käsin uudelleen etukäteen. Käsittely on hyödyllistä dynaamisissa viesteissä, joissa tavallisten sanojen rinnalla on numeroita ja tunnuksia. Valmistaja kuvaa näiden formaattien käsittelyä useilla kielillä.
Sujuvuus ja tunteen ohjaus
Speech 2.6 tukee Fluent LoRA -ominaisuutta: tunnistettavan äänenvärin säilyttämistä tekstin sujuvammassa lausumisessa. Ominaisuus koskee jo valmistellun äänen käyttöä; kloonin erillinen valmistelu ei kuulu tavalliseen tekstipyyntöön. Perhe kattaa 40 kieltä, venäjä mukaan lukien.
Turbolle on seitsemän perustunnetta sekä lisätilat fluent ja whisper. Malli voi valita tunnesävyn itse sisällön mukaan tai käyttää määritettyä tilaa. Äänen syvyyttä ja tempoa voidaan muuttaa tekstistä riippumatta.
Ääni, tauot ja ääntäminen
MiniMax mahdollistaa äänen valinnan sekä tempon, voimakkuuden ja korkeuden ohjauksen. Nopeus määritetään välillä 0,5–2, voimakkuus yli 0:sta enintään 10:een ja korkeuden muutos välillä −12–12. Tunne voidaan jättää mallin valittavaksi tekstin merkityksen perusteella tai määrittää käsin: ilo, suru, viha, pelko, inho, hämmästys tai rauhallisuus.
Ääntämistä voidaan täsmentää korvaussanastolla ja foneettisilla merkinnöillä; tarjolla ovat kansainvälinen foneettinen aakkosto, kiinan pinyin ja japanin lukutavat. Tauot määritetään puhuttujen jaksojen väliin kestolla 0,01–99,99 sekuntia. Tauon kesto annetaan kahden desimaalin tarkkuudella; merkit sijoitetaan puhuttujen jaksojen väliin eikä peräkkäin. Näillä asetuksilla nimien, lyhenteiden ja monitulkintaisten sanojen ääntäminen voidaan sovittaa ääneenluvun tavoitteeseen.
Äänen vastaanottaminen
Synteesi vastaanottaa alle 10 000 merkin tekstiä. Yli 3000 merkin pitkälle tekstille valmistaja suosittelee suoratoistotulostusta; valmis ääni voidaan saada myös kokonaan. Synteesin yleisiin asetuksiin kuuluvat MP3, PCM, FLAC, WAV, Opus ja G.711 μ-law -vaihtoehdot sekä mono- tai stereoääni; yksittäisen pyynnön käytettävissä oleva formaattivalikoima määräytyy Ailootin välineiden mukaan.
Tässä Ailoot-kortissa teksti muuntuu puheääneksi. Turbon käyttötarkoitus liittyy synteesin nopeuteen, mutta kiinteää vastausaikaa ei luvata; luetellut asetukset kuvaavat valmistajan kykyjä ja niitä käytetään saatavilla olevan kutsutavan rajoissa.
Äänen lisäasetuksiin kuuluvat näytteenottotaajuudet 8, 16, 22,05, 24, 32 ja 44,1 kHz. MP3:n bittinopeudeksi on tarjolla 32, 64, 128 tai 256 kbit/s. Myös äänenväriä voidaan muuttaa ja yhtä tehostetta käyttää: avara kaiku, salikaiku, puhelinääni tai robottiääni. Äänenmuokkaustehosteita tuetaan MP3-, WAV- ja FLAC-muodoissa koko ääntä palautettaessa, mutta suoratoistossa vain MP3-muodossa. G.711 μ-law -formaatit käyttävät 8 kHz:n taajuutta. Nämä kyvyt koskevat MiniMaxin synteesiasetuksia.
Valmistaja mahdollistaa puheen ja tekstin synkronoinnin: lauseiden, sanojen tai asteittain palautettavien sanojen aikaleimat. Tulos auttaa sovittamaan puheen yhteen tekstin näyttämisen kanssa. Tämä lisäominaisuus edellyttää kyseisen vastausformaatin tukea.
Ailoot · Puhesynteesi POST /v1/audio/speech speech-2.6-turbo
speech-2.6-turboAloitus
Speech 2.6 Turbo syntetisoi monikielistä puhetta ja painottaa pientä vastausviivettä.
- Hyväksytyt syötteet
- Teksti
- Tulokset
- speech
Saatavilla Ailootissa · syötteet & menetelmät
Ailoot · Puhesynteesi POST /v1/audio/speech
- Syötetyypit
text- Tulostyypit
speech- Tulosteen muoto
- mp3
| Kenttä | Tyyppi | Vaatimus | Arvot & rajat | Oletus |
|---|---|---|---|---|
Kenttämodel | Tyyppistring | VaatimusPakollinen | Arvot & rajat speech-2.6-turbo | Oletus— |
Kenttäinput | Tyyppistring | VaatimusPakollinen | Arvot & rajat Vähimmäispituus: 1 Enimmäispituus (raja-arvo pois lukien): 10 000 Yksikkö: Unicode-merkit | Oletus— |
Kenttävoice | Tyyppistring | VaatimusPakollinen | Arvot & rajat Merkkijonomalli: ^[A-Za-z0-9_-]{1,128}$ | Oletus— |
Kenttäresponse_format | Tyyppistring | VaatimusValinnainen | Arvot & rajat mp3 | Oletus— |
Syöteaineistojen yhdistelmät
text_to_speech · Pakollinen: input
Menetelmän parametrit ja elinkaari
| Parametri | Sopimus |
|---|---|
Parametrimaterial_types | Sopimustext |
Parametrirequired | Sopimusnull |
Parametrioptional_controls | Sopimusnull |
Elinkaari: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · todellisuudessa palautettu task_id tai mediakirjaston tietue
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Menetelmien rakenteet ja ID:t ovat täsmällisiä; toimittajan kyvykkyys on erillinen pyynnön hyväksymisestä.
Hinnoittelu
Ailoot-menetelmien hinnat
POST /v1/audio/speech- Syöte
- 60,00 $ 1 miljoonaa merkkiä 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 · Puhesynteesi
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 narration script}"
export AILOOT_TEXT_FILE
: "${AILOOT_VOICE_ID:?Set the actual accepted voice ID for this model}"
export AILOOT_VOICE_ID
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "speech-2.6-turbo", "input": ""}')
f=Path(os.environ["AILOOT_TEXT_FILE"])
if not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")
text=f.read_text(encoding="utf-8")
if not text.strip():raise SystemExit("Source material must contain text")
p["input"]=text
import re
voice=os.environ["AILOOT_VOICE_ID"]
if not re.fullmatch(r"[A-Za-z0-9_-]{1,128}",voice):raise SystemExit("Set an actual accepted voice ID")
p["voice"]=voice
Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/speech \
-H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o speech.mp3
Vastaanota ja tallenna tulokset
Ailoot · Puhesynteesi
mp3
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Säilytä kaikki valmistuneet tulokset
Säilytä jokainen kokonainen palautettu vastaus, tiedosto ja sisällön osa.
Säilytä koko binääritulos ja otsakkeet. Jos palautetaan JSON tai useita tulosteita, säilytä jokainen data-alkio ja nouda jokainen resurssi sen todellisesta allekirjoitetusta URL-osoitteesta.
Jos alkuperäinen vastaus on tarkistettava
Säilytä alkuperäinen operation_id/X-Client-Request-ID täsmäytystä varten lähettämättä pyyntöä uudelleen; erillistä äänen tilakyselyreittiä ei ole.
Vastauksen kentät
| Kenttä | Tyyppi |
|---|---|
Kenttäbinary audio | Tyyppibytes |
Kenttäresponse headers | Tyyppiheaders |
Virheet ja seuraavat vaiheet
| Vastaus | Ehto | Seuraava vaihe |
|---|---|---|
Vastaus400 · invalid_request_error | EhtoVirheelliset pakolliset kentät, aineiston esitysmuoto tai parametrin arvo | Seuraava vaiheKorjaa ilmoitetut kentät ennen uutta luontipyyntöä. |
Vastausserver_error | EhtoPalautettu vastaus ilmoittaa, että operaatio tai tulos edellyttää tarkistusta | Seuraava vaiheSäilytä alkuperäinen palautettu operaation tai tehtävän ID, pyynnön otsakkeet ja vastaus; jatka kyseisen alkuperäisen operaation tuettuja lukutoimintoja. Älä lähetä luontipyyntöä uudelleen. |
Aliakset
Mallin aliakset
Ailoot speech-2.6-turbo
Menetelmäpolkujen aliakset
Käytä yllä näytettyjä menetelmäpolkuja.
Liittyvät kutsujan ID:t
FAQ · speech-2.6-turbo
- Mitä syötteitä ja tuloksia on saatavilla?
POST /v1/audio/speech·speech-2.6-turbo:text→speech- Mitä kenttiä pyyntö käyttää?
POST /v1/audio/speech·speech-2.6-turbo:model,input,voice,response_format