MiniMax: Speech 2.8 HD

Speech 2.8 HD synthétise une parole expressive avec un contrôle de l’émotion et de détails sonores comme la respiration et le rire.

Ailoot Ultra · Synthèse vocale POST /v1/audio/speech minimax/speech-2.8-hd

À propos du modèle

Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.

Une parole vivante avec de petits détails sonores

Speech 2.8 HD vise un rendu naturel et propre. La principale particularité de cette génération est l’emploi de balises sonores permettant d’ajouter des détails conversationnels à la parole : rire, petit rire, respiration, inspiration, expiration, soupir, toux, raclement de gorge et d’autres sons brefs. Ils aident à restituer le rythme et les pauses d’une réplique vivante, sans transformer chaque phrase en une lecture uniforme de narrateur.

Les balises sont insérées dans le texte sous la forme indiquée pour le modèle : par exemple, (chuckle), (breath) et (sighs) désignent les actions sonores correspondantes. Cette fonction de balises sonores est propre à Speech 2.8. Il s’agit de détails de la voix au sein de la synthèse vocale, et non de la génération d’une composition musicale ou sonore distincte.

Le timbre et la propreté sonore

Le fabricant met en avant la restitution des caractéristiques de la voix : texture, respiration et style de prononciation. Les capacités de la famille comprennent la synthèse avec une voix clonée déjà préparée ; la création de cette voix est un processus distinct. Dans Speech 2.8, le traitement a également été revu pour réduire le bruit de fond et les distorsions numériques.

Les langues et l’expressivité

Speech 2.8 prend en charge 40 langues, dont le russe. Le fabricant décrit séparément le travail sur la prononciation interlinguistique dans une combinaison de chinois et de japonais. Ce scénario concerne la conservation d’un rendu naturel lors de l’utilisation de différentes langues, et non la traduction automatique du texte.

MiniMax prévoit le choix de la voix et le contrôle du débit, du volume et de la hauteur. La vitesse se définit dans une plage de 0,5–2, le volume doit être supérieur à 0 et aller jusqu’à 10, et la variation de hauteur va de −12 à 12. L’émotion peut être laissée au choix du modèle selon le sens du texte ou définie manuellement : joie, tristesse, colère, peur, dégoût, surprise ou calme.

La prononciation peut être précisée au moyen d’un lexique de remplacement et d’une transcription phonétique ; l’alphabet phonétique international, le pinyin chinois et les variantes de lecture japonaises sont prévus. Les pauses sont définies entre les passages prononcés dans une plage de 0,01–99,99 secondes. La durée d’une pause est définie avec une précision de deux chiffres après la virgule ; les marqueurs sont placés entre les passages prononcés et ne doivent pas se suivre. Ces réglages permettent d’accorder la prononciation des noms, des abréviations et des mots ambigus à l’intention de la lecture.

Le résultat audio

La synthèse accepte un texte de moins de 10 000 caractères. Pour les longs textes de plus de 3000 caractères, le fabricant recommande une sortie en streaming ; la réception de l’audio final en entier est également prévue. Les réglages généraux de synthèse comprennent MP3, PCM, FLAC, WAV, Opus et les variantes G.711 μ-law, en mono ou en stéréo ; les formats disponibles pour une requête précise sont définis par les moyens d’Ailoot.

Cette fiche transforme le texte en audio vocal. Les possibilités de réglage de la voix décrivent le modèle MiniMax ; la création d’un clone vocal, les sous-titres distincts et les modes de connexion particuliers ne font pas automatiquement partie d’une requête de synthèse vocale.

Les réglages audio supplémentaires comprennent les fréquences d’échantillonnage 8, 16, 22,05, 24, 32 et 44,1 kHz. Pour MP3, les débits prévus sont 32, 64, 128 ou 256 kbit/s. On peut aussi modifier la couleur de la voix et appliquer un effet : écho spacieux, écho de salle, son téléphonique ou voix robotique. Les effets de modification vocale sont pris en charge pour MP3, WAV et FLAC lorsque l’audio est reçu en entier, et uniquement pour MP3 en streaming. Les formats G.711 μ-law utilisent une fréquence de 8 kHz. Ces fonctions concernent les réglages de synthèse MiniMax.

Le fabricant prévoit la synchronisation de la parole avec le texte : horodatage des phrases, des mots ou des mots lors d’une sortie progressive. Ce résultat aide à associer la prononciation à l’affichage du texte. Cette fonction supplémentaire nécessite la prise en charge du format de réponse correspondant.

Ailoot Ultra · Synthèse vocale POST /v1/audio/speech minimax/speech-2.8-hd

minimax/speech-2.8-hd

MiniMax /minimax/speech-2.8-hd

Premiers pas

Speech 2.8 HD synthétise une parole expressive avec un contrôle de l’émotion et de détails sonores comme la respiration et le rire.

Entrées acceptées: Texte
Résultats: Audio

Disponible dans Ailoot · entrées et méthodes

Ailoot Ultra · Synthèse vocale POST /v1/audio/speech

Entrée: text
Sortie: audio
Format de sortie: mp3

Champ	Type	Exigence	Valeurs et limites	Par défaut
Champ`model`	Type`string`	ExigenceObligatoire	Valeurs et limites minimax/speech-2.8-hd	Par défaut—
Champ`input`	Type`string`	ExigenceObligatoire	Valeurs et limites Longueur minimale: 1 Unité: caractères Unicode	Par défaut—
Champ`voice`	Type`string`	ExigenceObligatoire	Valeurs et limites English_expressive_narrator, English_radiant_girl, English_magnetic_voiced_man, English_compelling_lady1, English_Aussie_Bloke, English_captivating_female1, English_Upbeat_Woman, English_Trustworth_Man, English_CalmWoman, English_UpsetGirl, English_Gentle-voiced_man, English_Whispering_girl, English_Diligent_Man, English_Graceful_Lady, English_ReservedYoungMan, English_PlayfulGirl, English_ManWithDeepVoice, English_MaturePartner, English_FriendlyPerson, English_MatureBoss, English_Debator, English_LovelyGirl, English_Steadymentor, English_Deep-VoicedGentleman, English_Wiselady, English_CaptivatingStoryteller, English_DecentYoungMan, English_SentimentalLady, English_ImposingManner, English_SadTeen, English_PassionateWarrior, English_WiseScholar, English_Soft-spokenGirl, English_SereneWoman, English_ConfidentWoman, English_PatientMan, English_Comedian, English_BossyLeader, English_Strong-WilledBoy, English_StressedLady, English_AssertiveQueen, English_AnimeCharacter, English_Jovialman, English_WhimsicalGirl, English_Kind-heartedGirl	Par défaut—
Champ`response_format`	Type`string`	ExigenceObligatoire	Valeurs et limites mp3	Par défaut—

Combinaisons d’éléments d’entrée

text_to_speech · Obligatoire : input

Paramètres et cycle de vie de la méthode

Paramètre	Contrat
Paramètre`content_type`	Contratapplication/json
Paramètre`required`	Contratmodel, input, voice, response_format
Paramètre`voice_ids`	ContratEnglish_expressive_narrator, English_radiant_girl, English_magnetic_voiced_man, English_compelling_lady1, English_Aussie_Bloke, English_captivating_female1, English_Upbeat_Woman, English_Trustworth_Man, English_CalmWoman, English_UpsetGirl, English_Gentle-voiced_man, English_Whispering_girl, English_Diligent_Man, English_Graceful_Lady, English_ReservedYoungMan, English_PlayfulGirl, English_ManWithDeepVoice, English_MaturePartner, English_FriendlyPerson, English_MatureBoss, English_Debator, English_LovelyGirl, English_Steadymentor, English_Deep-VoicedGentleman, English_Wiselady, English_CaptivatingStoryteller, English_DecentYoungMan, English_SentimentalLady, English_ImposingManner, English_SadTeen, English_PassionateWarrior, English_WiseScholar, English_Soft-spokenGirl, English_SereneWoman, English_ConfidentWoman, English_PatientMan, English_Comedian, English_BossyLeader, English_Strong-WilledBoy, English_StressedLady, English_AssertiveQueen, English_AnimeCharacter, English_Jovialman, English_WhimsicalGirl, English_Kind-heartedGirl
Paramètre`response_format`	Contratmp3
Paramètre`max_input_characters`	Contratnull
Paramètre`other_options`	Contratfalse
Paramètre`input`	Contrattexte UTF-8 exact ; comptage des caractères Unicode sans normalisation
Paramètre`material_types`	Contrattext

Cycle de vie : synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · task_id effectivement renvoyé ou enregistrement de la bibliothèque multimédia

GET /v1/media/assets/{asset_id}/content

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Sélectionnez la voix exacte dans ce profil de modèle.

Les caractères d’entrée et les secondes audio relèvent de compteurs distincts.

Tarifs

Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.

Mode rapide: Non précisé Lorsque le mode rapide est sélectionné
Mode Flex: Non précisé Lorsque le mode flex est sélectionné
Effort de raisonnement maximal: Non précisé Lorsque l’effort de raisonnement maximal utilise l’ajustement par défaut (default)

Tarifs Ailoot

Prix par configuration

Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.

Configuration	Barème tarifaire	Quantité facturable	Unité de facturation	Coût
ConfigurationTarifs de base des jetons	Barème tarifaireTarif de base	Quantité facturable—	Unité de facturation—	Coût Entrée · Tokens en entrée — / 1K tokens Sortie · Tokens en sortie — / 1K tokens Entrée · Lecture du cache — / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens
ConfigurationUltra	Barème tarifaire—	Quantité facturableChaque point de code Unicode compte pour un caractère, y compris les caractères Han.	Unité de facturationpar 1K caractères en entrée	Coût Entrée · caractère en entrée $0.2 par 1K caractères en entrée

Détails du tarif de référence

Les barèmes de référence du modèle ne modifient ni la sélection de méthode, ni les devis, ni les coûts. Les frais actifs utilisent les tarifs de la méthode Ailoot sélectionnée.

MiniMax: Speech 2.8 HD

Prix par configuration

Configuration	Conditions de facturation	Coût
ConfigurationMiniMax: Speech 2.8 HD · Configuration par défaut	Conditions de facturationConfiguration par défaut	Coût Entrée · Caractères en entrée 0,0002 USD par caractère en entrée

Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →

Exemples de requêtes

Ailoot Ultra · Synthèse vocale

curl

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_VOICE_ID:?Choose an accepted voice ID from this exact model profile}"
export AILOOT_VOICE_ID
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "minimax/speech-2.8-hd", "input": "Good afternoon! This is a short voice take."}')
voice=os.environ["AILOOT_VOICE_ID"]
allowed=json.loads('["English_expressive_narrator", "English_radiant_girl", "English_magnetic_voiced_man", "English_compelling_lady1", "English_Aussie_Bloke", "English_captivating_female1", "English_Upbeat_Woman", "English_Trustworth_Man", "English_CalmWoman", "English_UpsetGirl", "English_Gentle-voiced_man", "English_Whispering_girl", "English_Diligent_Man", "English_Graceful_Lady", "English_ReservedYoungMan", "English_PlayfulGirl", "English_ManWithDeepVoice", "English_MaturePartner", "English_FriendlyPerson", "English_MatureBoss", "English_Debator", "English_LovelyGirl", "English_Steadymentor", "English_Deep-VoicedGentleman", "English_Wiselady", "English_CaptivatingStoryteller", "English_DecentYoungMan", "English_SentimentalLady", "English_ImposingManner", "English_SadTeen", "English_PassionateWarrior", "English_WiseScholar", "English_Soft-spokenGirl", "English_SereneWoman", "English_ConfidentWoman", "English_PatientMan", "English_Comedian", "English_BossyLeader", "English_Strong-WilledBoy", "English_StressedLady", "English_AssertiveQueen", "English_AnimeCharacter", "English_Jovialman", "English_WhimsicalGirl", "English_Kind-heartedGirl"]')
if voice not in allowed: raise SystemExit("Choose an accepted voice ID from this exact model profile")
p["voice"]=voice
p["response_format"]="mp3"
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

Recevoir et enregistrer les résultats

Ailoot Ultra · Synthèse vocale

mp3

GET /v1/media/tasks/{task_id}
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}

Autres lectures de contenu

MédiathèqueÉtat de la tâcheDétails des ressources

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o media-assets.json

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_MEDIA_TASK_ID:?Set the actual ID returned by the response or media-library metadata}"
export AILOOT_MEDIA_TASK_ID
resource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_MEDIA_TASK_ID"],safe=""))')
curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/tasks/$resource_id" \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o media-task.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path("media-task.json").read_text())))
PY_RESULT

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_ASSET_ID:?Set the actual ID returned by the response or media-library metadata}"
export AILOOT_ASSET_ID
resource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_ASSET_ID"],safe=""))')
curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/assets/$resource_id" \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o media-asset.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path("media-asset.json").read_text())))
PY_RESULT

Conserver tous les résultats terminés

Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.

Conservez le résultat binaire complet et les en-têtes. Si une réponse JSON ou plusieurs sorties sont renvoyées, conservez chaque élément de données et récupérez chaque ressource via son URL signée réelle.

Si la réponse d’origine doit être vérifiée

Conservez l’operation_id/X-Client-Request-ID d’origine pour le rapprochement sans nouvelle soumission ; aucune route dédiée à l’interrogation du statut audio.

Champs de la réponse

Champ	Type
Champ`binary audio`	Typebytes
Champ`response headers`	Typeheaders

Erreurs et étapes suivantes

Réponse	Condition	Étape suivante
Réponse400 · `invalid_request_error`	ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides	Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création.
Réponse`server_error`	ConditionLa réponse renvoyée indique que l’opération ou le résultat nécessite une vérification	Étape suivanteConservez l’identifiant d’opération/de tâche initialement renvoyé, les en-têtes de la requête et la réponse ; poursuivez les lectures prises en charge de cette opération d’origine. Ne soumettez pas à nouveau la requête de création.

Alias

Alias du modèle

Ailoot Ultra minimax/speech-2.8-hd

Alias des chemins de méthode

Utilisez les chemins de méthode indiqués ci-dessus.

ID d’appel associés

minimax/speech-2.8-hd

FAQ · MiniMax: Speech 2.8 HD

Quelles entrées et quels résultats sont disponibles ?: POST /v1/audio/speech · minimax/speech-2.8-hd: text → audio
Quels champs la requête utilise-t-elle ?: POST /v1/audio/speech · minimax/speech-2.8-hd: model, input, voice, response_format

MiniMax: Speech 2.8 HD