Speech 02 Turbo est conçu pour la synthèse vocale interactive. Le fabricant décrit une association de vitesse, de rythme stable et de rendu naturel ; les usages comprennent les réponses vocales, les répliques de jeux et les contenus interactifs. Le modèle reçoit du texte et produit un audio vocal.
La famille Speech 02 permet d’associer la voix, la langue, l’accent et l’expression émotionnelle. Le Transformer autorégressif et l’encodeur de locuteur entraînés conjointement relient le timbre au contenu. Le texte peut être synthétisé avec une voix prête à l’emploi ; la création d’une nouvelle voix clonée relève d’une préparation distincte.
Le modèle choisit lui-même l’intonation émotionnelle à partir du texte ou accepte un état défini : joie, tristesse, colère, peur, dégoût, surprise ou calme. La vitesse, la hauteur et le volume sont également réglables pour adapter la réplique au rythme d’interaction souhaité.
Le russe et d’autres langues sont pris en charge, dont l’anglais, le chinois, le cantonais, le japonais, le coréen, le français, l’allemand, l’espagnol, le portugais, le turc, l’arabe et l’ukrainien. Pour Speech 02, la spécification actuelle exclut explicitement le persan, le filipino et le tamoul.
La prononciation peut être précisée au moyen d’un lexique de remplacement, d’une transcription phonétique internationale, du pinyin chinois et des variantes de lecture japonaises. Les pauses entre les parties prononcées sont définies 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. Le modèle prévoit une vitesse de 0,5–2, un volume supérieur à 0 et allant jusqu’à 10, et une variation de hauteur de −12 à 12.
L’entrée synchrone est limitée à un texte de moins de 10 000 caractères ; pour un volume supérieur à 3000 caractères, le fabricant recommande une sortie progressive. Les fonctions du modèle comprennent MP3, WAV, FLAC et PCM ; les réglages généraux décrivent également Opus et G.711 μ-law, avec un ou deux canaux audio.
Cette fiche Ailoot accepte du texte et renvoie de la parole. La vitesse Turbo concerne l’objectif de cette variante du modèle ; la durée d’une réponse particulière et la disponibilité des formats avancés dépendent du mode d’appel choisi.
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.
", "aboutText": "### Une parole rapide pour les réponses interactives\n\nSpeech 02 Turbo est conçu pour la synthèse vocale interactive. Le fabricant décrit une association de vitesse, de rythme stable et de rendu naturel ; les usages comprennent les réponses vocales, les répliques de jeux et les contenus interactifs. Le modèle reçoit du texte et produit un audio vocal.\n\n### Le choix du caractère sonore\n\nLa famille Speech 02 permet d’associer la voix, la langue, l’accent et l’expression émotionnelle. Le Transformer autorégressif et l’encodeur de locuteur entraînés conjointement relient le timbre au contenu. Le texte peut être synthétisé avec une voix prête à l’emploi ; la création d’une nouvelle voix clonée relève d’une préparation distincte.\n\nLe modèle choisit lui-même l’intonation émotionnelle à partir du texte ou accepte un état défini : joie, tristesse, colère, peur, dégoût, surprise ou calme. La vitesse, la hauteur et le volume sont également réglables pour adapter la réplique au rythme d’interaction souhaité.\n\n### Les langues et la lecture des mots\n\nLe russe et d’autres langues sont pris en charge, dont l’anglais, le chinois, le cantonais, le japonais, le coréen, le français, l’allemand, l’espagnol, le portugais, le turc, l’arabe et l’ukrainien. Pour Speech 02, la spécification actuelle exclut explicitement le persan, le filipino et le tamoul.\n\nLa prononciation peut être précisée au moyen d’un lexique de remplacement, d’une transcription phonétique internationale, du pinyin chinois et des variantes de lecture japonaises. Les pauses entre les parties prononcées sont définies 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. Le modèle prévoit une vitesse de **0,5–2**, un volume supérieur à 0 et allant jusqu’à **10**, et une variation de hauteur de **−12 à 12**.\n\n### L’audio à lire\n\nL’entrée synchrone est limitée à un texte de moins de **10 000 caractères** ; pour un volume supérieur à 3000 caractères, le fabricant recommande une sortie progressive. Les fonctions du modèle comprennent MP3, WAV, FLAC et PCM ; les réglages généraux décrivent également Opus et G.711 μ-law, avec un ou deux canaux audio.\n\nCette fiche Ailoot accepte du texte et renvoie de la parole. La vitesse Turbo concerne l’objectif de cette variante du modèle ; la durée d’une réponse particulière et la disponibilité des formats avancés dépendent du mode d’appel choisi.\n\nLes 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.\n\nLe 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.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "d1d6aa4a66f666ec9c70c774f33937358b32aca971a5618c1d7912ce7dc9faa1", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "fr-be", "methods": [ { "html": "speech-02-turboSpeech-02 Turbo est conçu pour une synthèse vocale rapide, avec un rythme stable et un rendu multilingue.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Speech 02 Turbo est conçu pour la synthèse vocale interactive. Le fabricant décrit une association de vitesse, de rythme stable et de rendu naturel ; les usages comprennent les réponses vocales, les répliques de jeux et les contenus interactifs. Le modèle reçoit du texte et produit un audio vocal.
La famille Speech 02 permet d’associer la voix, la langue, l’accent et l’expression émotionnelle. Le Transformer autorégressif et l’encodeur de locuteur entraînés conjointement relient le timbre au contenu. Le texte peut être synthétisé avec une voix prête à l’emploi ; la création d’une nouvelle voix clonée relève d’une préparation distincte.
Le modèle choisit lui-même l’intonation émotionnelle à partir du texte ou accepte un état défini : joie, tristesse, colère, peur, dégoût, surprise ou calme. La vitesse, la hauteur et le volume sont également réglables pour adapter la réplique au rythme d’interaction souhaité.
Le russe et d’autres langues sont pris en charge, dont l’anglais, le chinois, le cantonais, le japonais, le coréen, le français, l’allemand, l’espagnol, le portugais, le turc, l’arabe et l’ukrainien. Pour Speech 02, la spécification actuelle exclut explicitement le persan, le filipino et le tamoul.
La prononciation peut être précisée au moyen d’un lexique de remplacement, d’une transcription phonétique internationale, du pinyin chinois et des variantes de lecture japonaises. Les pauses entre les parties prononcées sont définies 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. Le modèle prévoit une vitesse de 0,5–2, un volume supérieur à 0 et allant jusqu’à 10, et une variation de hauteur de −12 à 12.
L’entrée synchrone est limitée à un texte de moins de 10 000 caractères ; pour un volume supérieur à 3000 caractères, le fabricant recommande une sortie progressive. Les fonctions du modèle comprennent MP3, WAV, FLAC et PCM ; les réglages généraux décrivent également Opus et G.711 μ-law, avec un ou deux canaux audio.
Cette fiche Ailoot accepte du texte et renvoie de la parole. La vitesse Turbo concerne l’objectif de cette variante du modèle ; la durée d’une réponse particulière et la disponibilité des formats avancés dépendent du mode d’appel choisi.
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.
POST /v1/audio/speechtextspeech| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites speech-02-turbo | Par défaut— |
Champinput | Typestring | ExigenceObligatoire | Valeurs et limites Longueur minimale: 1 Longueur maximale (exclue): 10 000 Unité: caractères Unicode | Par défaut— |
Champvoice | Typestring | ExigenceObligatoire | Valeurs et limites Motif: ^[A-Za-z0-9_-]{1,128}$ | Par défaut— |
Champresponse_format | Typestring | ExigenceFacultatif | Valeurs et limites mp3 | Par défaut— |
text_to_speech · Obligatoire : input
| Paramètre | Contrat |
|---|---|
Paramètrematerial_types | Contrattext |
Paramètrerequired | Contratnull |
Paramètreoptional_controls | Contratnull |
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}
Les structures des méthodes et les identifiants sont exacts ; la capacité du fournisseur est distincte de l’admission.
POST /v1/audio/speechAiloot 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 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 narration script}"\nexport AILOOT_TEXT_FILE\n: "${AILOOT_VOICE_ID:?Set the actual accepted voice ID for this model}"\nexport AILOOT_VOICE_ID\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "speech-02-turbo", "input": ""}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["input"]=text\nimport re\nvoice=os.environ["AILOOT_VOICE_ID"]\nif not re.fullmatch(r"[A-Za-z0-9_-]{1,128}",voice):raise SystemExit("Set an actual accepted voice ID")\np["voice"]=voice\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 speech.mp3\nmp3
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}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.
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.
| Champ | Type |
|---|---|
Champbinary audio | Typebytes |
Champresponse headers | Typeheaders |
| 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. |
Réponseserver_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. |
Ailoot speech-02-turbo
Utilisez les chemins de méthode indiqués ci-dessus.