speech-2.8-hd
Speech 2.8 HD syntetisoi ilmeikästä puhetta tunteen ohjauksella ja äänen yksityiskohdilla, kuten hengityksellä ja naurulla.
- Ailoot · Puhesynteesi
POST /v1/audio/speechspeech-2.8-hd - Ailoot · Puhesynteesi
POST /v1/audio/speechminimax-speech - Ailoot · Puhesynteesi
POST /v1/audio/speechminimax-speech-latest
Tietoa mallista
Tämä kuvaus kattaa mallin ominaisuudet. Ailootissa saatavilla olevat syötteet, tulosteet ja asetukset luetellaan alla valitulle menetelmälle.
Elävä puhe pienillä ääniyksityiskohdilla
Speech 2.8 HD painottaa luonnollista ja puhdasta ääntä. Sukupolven keskeinen ominaisuus ovat äänitunnisteet, joilla puheeseen voidaan lisätä keskustelun yksityiskohtia: naurua, pientä naurahdusta, hengitystä, sisään- ja uloshengitystä, huokausta, yskää, kurkun selvittämistä ja muita lyhyitä ääniä. Ne auttavat välittämään elävän repliikin rytmin ja tauot muuttamatta jokaista lausetta tasaiseksi selostajan lukemiseksi.
Tunnisteet lisätään tekstiin mallille määritetyssä muodossa: esimerkiksi (chuckle), (breath) ja (sighs) ilmaisevat vastaavia ääntapahtumia. Äänitunnisteiden tuki kuuluu nimenomaan Speech 2.8:aan. Ne ovat puhesynteesin ääniyksityiskohtia, eivät erillisen musiikki- tai ääniteoksen generointia.
Äänenväri ja puhtaus
Valmistaja painottaa äänen ominaispiirteiden välittämistä: rakennetta, hengitystä ja ääntämistapaa. Perheen kykyihin kuuluu synteesi valmiiksi valmistellulla kloonatulla äänellä; tällaisen äänen luominen on erillinen prosessi. Speech 2.8:ssa käsittelyä on myös uudistettu taustamelun ja digitaalisten vääristymien vähentämiseksi.
Kielet ja ilmeikkyys
Speech 2.8 tukee 40 kieltä, venäjä mukaan lukien. Valmistaja kuvaa erikseen kieltenvälisen ääntämisen kehittämistä kiinan ja japanin yhdistelmässä. Tämä käyttötapaus koskee luonnollisen äänen säilyttämistä eri kieliä käytettäessä, ei tekstin automaattista kääntämistä.
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.
Äänitulos
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.
Tämä kortti muuntaa tekstin puheääneksi. Äänen säätömahdollisuudet kuvaavat MiniMax-mallia; äänikloonin luominen, erilliset tekstitykset ja erityiset liitäntätavat eivät automaattisesti kuulu ääneenlukupyyntöön.
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-2.8-hd
speech-2.8-hdspeech-2.8-hdminimax-speechminimax-speech-latest
Aloitus
Speech 2.8 HD syntetisoi ilmeikästä puhetta tunteen ohjauksella ja äänen yksityiskohdilla, kuten hengityksellä ja naurulla.
- 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-2.8-hd | 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
- 100,00 $ 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-2.8-hd", "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-2.8-hd, minimax-speech, minimax-speech-latest
Menetelmäpolkujen aliakset
Käytä yllä näytettyjä menetelmäpolkuja.
Liittyvät kutsujan ID:t
Ailoot · Puhesynteesi POST /v1/audio/speech minimax-speech
minimax-speechspeech-2.8-hdminimax-speechminimax-speech-latest
Aloitus
Speech 2.8 HD syntetisoi ilmeikästä puhetta tunteen ohjauksella ja äänen yksityiskohdilla, kuten hengityksellä ja naurulla.
- 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 minimax-speech | 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
- 100,00 $ 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": "minimax-speech", "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-2.8-hd, minimax-speech, minimax-speech-latest
Menetelmäpolkujen aliakset
Käytä yllä näytettyjä menetelmäpolkuja.
Liittyvät kutsujan ID:t
Ailoot · Puhesynteesi POST /v1/audio/speech minimax-speech-latest
minimax-speech-latestspeech-2.8-hdminimax-speechminimax-speech-latest
Aloitus
Speech 2.8 HD syntetisoi ilmeikästä puhetta tunteen ohjauksella ja äänen yksityiskohdilla, kuten hengityksellä ja naurulla.
- 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 minimax-speech-latest | 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
- 100,00 $ 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": "minimax-speech-latest", "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-2.8-hd, minimax-speech, minimax-speech-latest
Menetelmäpolkujen aliakset
Käytä yllä näytettyjä menetelmäpolkuja.
Liittyvät kutsujan ID:t
FAQ · speech-2.8-hd
- Mitä syötteitä ja tuloksia on saatavilla?
POST /v1/audio/speech·speech-2.8-hd:text→speechPOST /v1/audio/speech·minimax-speech:text→speechPOST /v1/audio/speech·minimax-speech-latest:text→speech- Mitä kenttiä pyyntö käyttää?
POST /v1/audio/speech·speech-2.8-hd:model,input,voice,response_formatPOST /v1/audio/speech·minimax-speech:model,input,voice,response_formatPOST /v1/audio/speech·minimax-speech-latest:model,input,voice,response_format