MiniMax: Speech 01 Turbo

MiniMax Speech 01 Turbo convertit le texte fourni en audio parlé. Son ID exact de modèle Ailoot est minimax/speech-01-turbo, et son sélecteur de synthèse documenté est speech-01-turbo. Utilisez la méthode audio_speech pour une voix off, une leçon orale, une explication de produit ou une ébauche de narration dont vous avez déjà le texte. L’entrée est le passage à lire, et le résultat est une parole synthétisée dans le format audio sélectionné.

Préparez le texte comme des mots destinés à être prononcés, avec une ponctuation qui reflète le phrasé. Pour une ébauche de narration, fournissez l’ordre définitif des phrases et l’orthographe des noms avant de choisir les réglages de voix. Gardez les indications de mise en scène distinctes du passage parlé, sauf si ces mots doivent figurer dans l’enregistrement. Écoutez les noms, les nombres et les transitions importants dans le résultat et comparez-les au texte source.

Le texte doit faire moins de 10 000 caractères. Le contrat de synthèse publié exige model et text. Pour un contenu plus long, préparez des passages dans cette limite et conservez leur ordre pour le montage. Le profil synchrone utilise une réponse complète, avec stream=false comme valeur par défaut documentée. L’API générale décrit aussi des options de flux, mais la méthode sélectionnée sur cette fiche est le flux de travail vocal synchrone.

voice_setting sélectionne un voice_id disponible et contrôle speed, vol et pitch. La plage documentée de speed va de 0,5 à 2, avec 1 par défaut. vol doit être supérieur à 0 et au plus égal à 10, avec 1 par défaut ; pitch est un entier de -12 à 12, avec 0 par défaut. Mettez chaque réglage au service du passage : comparez le rythme de lecture et l’audibilité de l’enregistrement réel au lieu de supposer qu’un changement numérique produit une interprétation particulière.

Les valeurs documentées de emotion sont happy, sad, angry, fearful, disgusted, surprised, calm et fluent. Le texte peut aussi guider l’émotion du modèle. text_normalization est un paramètre booléen distinct de préparation de la lecture des nombres en chinois et en anglais, et latex_read contrôle la lecture des formules LaTeX ; les deux valent false par défaut. pronunciation_dict.tone peut contenir des règles documentées de remplacement de prononciation. Vérifiez un nom ou une expression spécialisée dans l’audio obtenu avant de l’utiliser dans une narration plus longue.

audio_setting.format accepte mp3, pcm, flac ou wav, avec mp3 par défaut. sample_rate accepte 8000, 16000, 22050, 24000, 32000 ou 44100 et vaut 32000 par défaut. bitrate accepte 32000, 64000, 128000 ou 256000, vaut 128000 par défaut et s’applique au MP3. channel sélectionne 1 pour le mono ou 2 pour la stéréo, avec 1 par défaut. Gardez ces choix avec le passage source afin de pouvoir vérifier le fichier renvoyé en fonction de sa destination de montage ou de lecture.

Les paramètres supplémentaires documentés comprennent language_boost, dont les choix nommés exacts incluent English, Russian, Chinese et Chinese,Yue ; choisissez une valeur réellement répertoriée pour le passage. timber_weights peut combiner des entrées voice_id existantes avec des valeurs entières de weight de 1 à 100. Les valeurs publiées de sound_effects sont spacious_echo, auditorium_echo, lofi_telephone et robotic. Ce sont des paramètres facultatifs pour façonner une voix sélectionnée ; enregistrez leurs réglages réels lorsque vous comparez les lectures.

Le résultat synchrone contient la parole générée. output_format sélectionne url ou hex et vaut hex par défaut dans le schéma de synthèse. Téléchargez le fichier désigné par un résultat URL, ou décodez un résultat hex en octets audio avant la lecture. Conservez les métadonnées audio renvoyées, notamment le format, la fréquence d’échantillonnage, le nombre de canaux et la taille, avec l’enregistrement. subtitle_enable vaut false par défaut et ne s’applique qu’aux sorties sans flux lorsqu’il est activé ; la source n’établit pas de format de fichier de sous-titres pour ce profil.

Enregistrez ensemble le passage source, l’ID exact du modèle, le choix de voix et l’enregistrement terminé. Examinez la lecture entière pour vérifier le texte souhaité, les pauses et les réglages d’interprétation choisis avant de l’intégrer à une vidéo, une leçon ou un guide parlé. Si la réponse est incomplète, conservez son identité de requête d’origine et les informations renvoyées pour rapprochement avant de demander un autre enregistrement. Une révision ultérieure peut modifier une phrase précise ou un réglage de voix tout en conservant le reste du script pour une comparaison claire.