{ "aboutHtml": "

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.

", "aboutText": "### Une parole vivante avec de petits détails sonores\n\nSpeech 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.\n\nLes 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.\n\n### Le timbre et la propreté sonore\n\nLe 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.\n\n### Les langues et l’expressivité\n\nSpeech 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.\n\nMiniMax 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.\n\nLa 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.\n\n### Le résultat audio\n\nLa 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.\n\nCette 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.\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": "78ea484ded1c9af40af3166e9bd5ceddc5bfd703ec26323d4fc09183cc70c8d0", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "fr-ca", "methods": [ { "html": "
MM

MiniMax: Speech 2.8 HD

MiniMax /minimax/speech-2.8-hd

Pour commencer

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
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.

Disponible dans Ailoot · entrées et méthodes

Ailoot Ultra · Synthèse vocale POST /v1/audio/speech
Entrée
text
Sortie
audio
Format de sortie
mp3
ChampTypeExigenceValeurs et limitesPar défaut
ChampmodelTypestringExigenceObligatoireValeurs et limites
minimax/speech-2.8-hd
Par défaut—
ChampinputTypestringExigenceObligatoireValeurs et limites
Longueur minimale: 1
Unité: caractères Unicode
Par défaut—
ChampvoiceTypestringExigenceObligatoireValeurs 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—
Champresponse_formatTypestringExigenceObligatoireValeurs et limites
mp3
Par défaut—
Combinaisons d’éléments d’entrée

text_to_speech · Obligatoire : input

Paramètres et cycle de vie de la méthode
ParamètreContrat
Paramètrecontent_typeContratapplication/json
ParamètrerequiredContratmodel, input, voice, response_format
Paramètrevoice_idsContratEnglish_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
Paramètreresponse_formatContratmp3
Paramètremax_input_charactersContratnull
Paramètreother_optionsContratfalse
ParamètreinputContrattexte UTF-8 exact; nombre de caractères Unicode sans normalisation
Paramètrematerial_typesContrattext

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 sont des unités de mesure distinctes.

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.

ConfigurationBarème tarifaireQuantité facturableUnité de facturationCoût
ConfigurationTarifs de base des jetonsBarème tarifaireTarif de baseQuantité facturable—Unité de facturation—Coût
Entrée · Jetons en entrée — / 1K jetons
Sortie · Jetons en sortie — / 1K jetons
Entrée · Lecture du cache — / 1K jetons
Entrée · Écriture dans le cache — / 1K jetons
Entrée · Écriture dans le cache, 1 h — / 1K jetons
ConfigurationUltraBarème tarifaire—Quantité facturableChaque point de code Unicode compte pour un caractère, y compris les caractères Han.Unité de facturationpar 1K caractères en entréeCoût
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

ConfigurationConditions de facturationCoût
ConfigurationMiniMax: Speech 2.8 HD · Configuration par défautConditions de facturationConfiguration par défautCoût
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

set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_VOICE_ID:?Choose an accepted voice ID from this exact model profile}"\nexport AILOOT_VOICE_ID\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "minimax/speech-2.8-hd", "input": "Good afternoon! This is a short voice take."}')\nvoice=os.environ["AILOOT_VOICE_ID"]\nallowed=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"]')\nif voice not in allowed: raise SystemExit("Choose an accepted voice ID from this exact model profile")\np["voice"]=voice\np["response_format"]="mp3"\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\n

Recevoir et enregistrer les résultats

Ailoot Ultra · Synthèse vocale

mp3

Autres lectures de contenu
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \\\n  -H "Authorization: Bearer $AILOOT_API_KEY" -o media-assets.json\n
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
ChampType
Champbinary audioTypebytes
Champresponse headersTypeheaders
Erreurs et étapes suivantes
RéponseConditionÉtape suivante
Réponse400 · invalid_request_errorConditionChamps obligatoires, représentation des éléments fournis ou valeur de paramètre invalidesÉtape suivanteCorrigez les champs indiqués avant une nouvelle requête de création.
Réponseserver_errorConditionLa réponse renvoyée indique que l’opération ou le résultat nécessite une vérificationÉtape 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

", "method_identity": { "effective_request_model_id": "minimax/speech-2.8-hd", "fmt": "speech", "http": "POST", "path": "/v1/audio/speech", "request_model_id": "minimax/speech-2.8-hd", "route_label": "Ultra" }, "method_key": "Ultra|speech|/v1/audio/speech|minimax%2Fspeech-2.8-hd", "ordinal": 0, "rawMethod": { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Keep the complete binary result and headers. If JSON/multiple outputs are returned, retain every data item and fetch each actual signed asset URL.", "errors": [ { "code": null, "condition": "Champs obligatoires, représentation des éléments fournis ou valeur de paramètre invalides", "http_status": 400, "recovery": "Corrigez les champs indiqués avant une nouvelle requête de création.", "type": "invalid_request_error" }, { "code": null, "condition": "La réponse renvoyée indique que l’opération ou le résultat nécessite une vérification", "http_status": null, "recovery": "Conservez 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.", "type": "server_error" } ], "hints": [], "ignored_fields": [], "lifecycle": { "all_results": "Follow everyactualreturnedoutputandownedasset; no result is discardedbecauseindex0orcontent_urlalreadyexists.", "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed URL; never construct token" } ], "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "status": [ { "http": "GET", "id_source": "actual returned task_id or media library record", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "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." }, "material_combinations": [ { "content_type": "application/json", "mode": "text_to_speech", "required": [ "input" ] } ], "media_library": { "asset": { "fields": [ { "description": null, "name": "asset_id", "type": "string" }, { "description": null, "name": "task_id", "type": "string" }, { "description": null, "name": "output_key", "type": "string" }, { "description": null, "name": "family", "type": "string" }, { "description": null, "name": "model", "type": "string" }, { "description": null, "name": "method", "type": "string" }, { "description": null, "name": "status", "type": "string" }, { "description": null, "name": "content_type", "type": "string" }, { "description": null, "name": "sha256", "type": "string" }, { "description": null, "name": "size_bytes", "type": "integer" }, { "description": null, "name": "content_url", "type": "string" } ], "http": "GET", "id_source": "actual returned asset_id", "path": "/v1/media/assets/{asset_id}" }, "content": { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "range_header_supported": true, "url_source": "Use exact returned signed content_url including its token; do not construct a token." }, "expired_link": { "code": "link_expired", "http_status": 404, "recovery": "Read the asset again to obtain its refreshed signed content_url, then fetch that URL. Do not regenerate." }, "list": { "all_pages": "Follow every returned next_cursor, then select records by their actual task_id/output_key.", "http": "GET", "output_fields": [ { "description": null, "name": "object", "type": "string" }, { "description": null, "name": "data", "type": "asset[]" }, { "description": null, "name": "next_cursor", "type": "string|null" } ], "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "family", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "cursor", "required": false, "type": "string" }, { "availability": "source_interface", "default": 20, "default_known": true, "enum": null, "enum_known": false, "maximum": 100, "minimum": 1, "name": "limit", "required": false, "type": "integer" } ], "path": "/v1/media/assets" }, "revoke": { "http": "DELETE", "meaning": "Revokes/deletes the existing owned file; this is not generation cancellation.", "path": "/v1/media/assets/{asset_id}", "pending_status": "revoking", "success_statuses": [ 202, 204 ] }, "task": { "http": "GET", "id_source": "actual returned task_id or media library record; operation_id is not task_id", "path": "/v1/media/tasks/{task_id}" } }, "operation_modes": [ "text_to_speech" ], "outputs": { "all_results": "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.", "family": "audio", "fields": [ { "description": null, "name": "binary audio", "type": "bytes" }, { "description": null, "name": "response headers", "type": "headers" } ], "format": "mp3", "http_success": 200 }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "minimax/speech-2.8-hd" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "limit_known": false, "maximum_length": null, "min_length": 1, "name": "input", "required": true, "type": "string", "unit": "caractères Unicode" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "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" ], "enum_known": true, "name": "voice", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "mp3" ], "enum_known": true, "name": "response_format", "required": true, "type": "string" } ], "profile_binding": "Exact existing Ailoot model and method; interface constraints below do not assert provider qualification.", "unsupported": [ "every field outside exactmodel,input,voice,response_format", "stream/speed/reference speech options" ] }, "hints": [ "Sélectionnez la voix exacte dans ce profil de modèle.", "Les caractères d’entrée et les secondes audio sont des unités de mesure distinctes." ], "input": { "content_type": "application/json", "input": "texte UTF-8 exact; nombre de caractères Unicode sans normalisation", "material_types": [ "text" ], "max_input_characters": null, "other_options": false, "required": [ "model", "input", "voice", "response_format" ], "response_format": [ "mp3" ], "voice_ids": [ "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" ] }, "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed URL; never construct token" } ], "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "status": [ { "http": "GET", "id_source": "task_id effectivement renvoyé ou enregistrement de la bibliothèque multimédia", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Retain original operation_id/X-Client-Request-ID for reconciliation without resubmission; no dedicated audio poll route." }, "manufacturer_capability": null, "method": { "http": "POST", "path": "/v1/audio/speech" }, "method_aliases": [], "operation_modes": [ "text_to_speech" ], "output": { "family": "audio", "format": "mp3", "http_success": 200, "response": "full binary MP3 plus response headers", "result": "complete playable owned MP3" } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quantity_meter": "utf8.RuneCountInString(validUTF8): one Han codepoint=1; no Han weighting", "quoted_unit": "per 1000 input character" }, "label": "Ultra", "units": [ { "amount": "0.2000", "amount_unit": "usd_per_1000_characters", "billing_input": true, "estimate_only": false, "key": "audio_input_character", "label": "input character", "native_amount_usd_per_unit": "0.0002", "native_quantity": 1, "public_unit_label": "per 1000 input character", "quantity": "1000", "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_character" } ] } ], "declared_tariff_references": [ { "client_selectable": false, "key": "811df870581b3a6d28c7", "label": "MiniMax: Speech 2.8 HD", "profiles": [ { "basis": "", "dimensions": { "conditions": "Configuration par défaut" }, "label": "MiniMax: Speech 2.8 HD · Configuration par défaut", "units": [ { "amount": "0.0002", "amount_unit": "usd_per_exact_physical_unit", "billing_input": false, "key": "3075a39a90ece77c41dc1677", "label": "Input characters", "public_unit_label": "per input character", "quantity": "1", "rate_role": "declared_tariff_rate", "side": "in", "unit": "input_character" } ] } ] } ], "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_VOICE_ID:?Choose an accepted voice ID from this exact model profile}\"\nexport AILOOT_VOICE_ID\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"minimax/speech-2.8-hd\", \"input\": \"Good afternoon! This is a short voice take.\"}')\nvoice=os.environ[\"AILOOT_VOICE_ID\"]\nallowed=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\"]')\nif voice not in allowed: raise SystemExit(\"Choose an accepted voice ID from this exact model profile\")\np[\"voice\"]=voice\np[\"response_format\"]=\"mp3\"\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 $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o speech.mp3\n", "label": "curl", "language": "bash" }, { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -o media-assets.json\n", "label": "List actual media assets", "language": "bash" }, { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_MEDIA_TASK_ID:?Set the actual ID returned by the response or media-library metadata}\"\nexport AILOOT_MEDIA_TASK_ID\nresource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ[\"AILOOT_MEDIA_TASK_ID\"],safe=\"\"))')\ncurl --fail-with-body --silent --show-error \"https://api.ailoot.ai/v1/media/tasks/$resource_id\" \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -o media-task.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path(\"media-task.json\").read_text())))\nPY_RESULT\n", "label": "Read actual media task", "language": "bash" }, { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_ASSET_ID:?Set the actual ID returned by the response or media-library metadata}\"\nexport AILOOT_ASSET_ID\nresource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ[\"AILOOT_ASSET_ID\"],safe=\"\"))')\ncurl --fail-with-body --silent --show-error \"https://api.ailoot.ai/v1/media/assets/$resource_id\" \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -o media-asset.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path(\"media-asset.json\").read_text())))\nPY_RESULT\n", "label": "Read actual asset metadata", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "speech", "hints": [ "Select exact voice from this model profile.", "Input characters and audio seconds are different meters." ], "http": "POST", "in": null, "input": [ "text" ], "label": "Озвучка текста", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "out": null, "output": [ "audio" ], "path": "/v1/audio/speech", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "per_request", "image_input_price": null, "image_output_price": null, "per_request_price": null, "unit_prices": { "audio_input_character": 0.0002 } }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quantity_meter": "utf8.RuneCountInString(validUTF8): one Han codepoint=1; no Han weighting", "quoted_unit": "per 1000 input character" }, "label": "Ultra", "units": [ { "amount": "0.2000", "amount_unit": "usd_per_1000_characters", "billing_input": true, "estimate_only": false, "key": "audio_input_character", "label": "input character", "native_amount_usd_per_unit": "0.0002", "native_quantity": 1, "public_unit_label": "per 1000 input character", "quantity": "1000", "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_character" } ] } ], "request_model_id": "minimax/speech-2.8-hd", "route_label": "Ultra", "status_reads": [ "GET /v1/media/tasks/{task_id}", "GET /v1/media/assets/{asset_id}/content" ], "tiers": [], "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" }, { "amount": "0.2000", "amount_unit": "usd_per_1000_characters", "billing_input": true, "estimate_only": false, "key": "audio_input_character", "label": "input character", "native_amount_usd_per_unit": "0.0002", "native_quantity": 1, "public_unit_label": "per 1000 input character", "quantity": "1000", "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_character" } ] } } ], "model_id": "minimax/speech-2.8-hd", "nativeProvenance": { "input_facts_canonical_sha256": "d3236e043fd07a9ac59b7b763006e3d76faddf1257abca1702d2aacb04d40df2", "input_html_sha256": "410d580cac253d99503946ed2523b3e3e775a756f70ed99914a7085913760e54", "private_audit_sha256": "a78d67e6e2960c4e2034df34d73972d792184a33b814822993a033215cafe8c6", "role": "historical-normalized-input-audit-hashes", "schema": "ailoot-native-model-provenance-v2" }, "page": { "canonical": "https://ailoot.ai/models/fr-ca/minimax-speech-2-8-hd/", "description": "Speech 2.8 HD synthétise une parole expressive avec un contrôle de l’émotion et de détails sonores comme la respiration et le rire.", "locale": "fr-ca", "md_url": "https://ailoot.ai/models/fr-ca/minimax-speech-2-8-hd/index.md", "title": "MiniMax: Speech 2.8 HD — Ailoot", "url": "https://ailoot.ai/models/fr-ca/minimax-speech-2-8-hd/" }, "rawModel": { "about": "### Une parole vivante avec de petits détails sonores\n\nSpeech 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.\n\nLes 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.\n\n### Le timbre et la propreté sonore\n\nLe 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.\n\n### Les langues et l’expressivité\n\nSpeech 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.\n\nMiniMax 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.\n\nLa 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.\n\n### Le résultat audio\n\nLa 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.\n\nCette 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.\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.", "alias_of": null, "aliases": [], "author": "MiniMax", "available": null, "canonical_model": "minimax/speech-2.8-hd", "capabilities": { "context_length": 0, "manufacturer_input": [ "text" ], "manufacturer_output": [ "speech" ] }, "card_routes": [ { "label": "Ultra", "rates": [ { "amount": "0.2000", "amount_unit": "usd_per_1000_characters", "billing_input": true, "estimate_only": false, "key": "audio_input_character", "label": "input character", "native_amount_usd_per_unit": "0.0002", "native_quantity": 1, "public_unit_label": "per 1000 input character", "quantity": "1000", "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_character" } ], "summary": "La tarification complète de la configuration figure dans les détails." } ], "ctx": null, "entity_type": "model", "formats": [ "speech" ], "id": "minimax/speech-2.8-hd", "input": [ "text" ], "kind": "speech", "max_out": null, "methods": [ { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Keep the complete binary result and headers. If JSON/multiple outputs are returned, retain every data item and fetch each actual signed asset URL.", "errors": [ { "code": null, "condition": "Champs obligatoires, représentation des éléments fournis ou valeur de paramètre invalides", "http_status": 400, "recovery": "Corrigez les champs indiqués avant une nouvelle requête de création.", "type": "invalid_request_error" }, { "code": null, "condition": "La réponse renvoyée indique que l’opération ou le résultat nécessite une vérification", "http_status": null, "recovery": "Conservez 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.", "type": "server_error" } ], "hints": [], "ignored_fields": [], "lifecycle": { "all_results": "Follow everyactualreturnedoutputandownedasset; no result is discardedbecauseindex0orcontent_urlalreadyexists.", "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed URL; never construct token" } ], "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "status": [ { "http": "GET", "id_source": "actual returned task_id or media library record", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "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." }, "material_combinations": [ { "content_type": "application/json", "mode": "text_to_speech", "required": [ "input" ] } ], "media_library": { "asset": { "fields": [ { "description": null, "name": "asset_id", "type": "string" }, { "description": null, "name": "task_id", "type": "string" }, { "description": null, "name": "output_key", "type": "string" }, { "description": null, "name": "family", "type": "string" }, { "description": null, "name": "model", "type": "string" }, { "description": null, "name": "method", "type": "string" }, { "description": null, "name": "status", "type": "string" }, { "description": null, "name": "content_type", "type": "string" }, { "description": null, "name": "sha256", "type": "string" }, { "description": null, "name": "size_bytes", "type": "integer" }, { "description": null, "name": "content_url", "type": "string" } ], "http": "GET", "id_source": "actual returned asset_id", "path": "/v1/media/assets/{asset_id}" }, "content": { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "range_header_supported": true, "url_source": "Use exact returned signed content_url including its token; do not construct a token." }, "expired_link": { "code": "link_expired", "http_status": 404, "recovery": "Read the asset again to obtain its refreshed signed content_url, then fetch that URL. Do not regenerate." }, "list": { "all_pages": "Follow every returned next_cursor, then select records by their actual task_id/output_key.", "http": "GET", "output_fields": [ { "description": null, "name": "object", "type": "string" }, { "description": null, "name": "data", "type": "asset[]" }, { "description": null, "name": "next_cursor", "type": "string|null" } ], "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "family", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "cursor", "required": false, "type": "string" }, { "availability": "source_interface", "default": 20, "default_known": true, "enum": null, "enum_known": false, "maximum": 100, "minimum": 1, "name": "limit", "required": false, "type": "integer" } ], "path": "/v1/media/assets" }, "revoke": { "http": "DELETE", "meaning": "Revokes/deletes the existing owned file; this is not generation cancellation.", "path": "/v1/media/assets/{asset_id}", "pending_status": "revoking", "success_statuses": [ 202, 204 ] }, "task": { "http": "GET", "id_source": "actual returned task_id or media library record; operation_id is not task_id", "path": "/v1/media/tasks/{task_id}" } }, "operation_modes": [ "text_to_speech" ], "outputs": { "all_results": "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.", "family": "audio", "fields": [ { "description": null, "name": "binary audio", "type": "bytes" }, { "description": null, "name": "response headers", "type": "headers" } ], "format": "mp3", "http_success": 200 }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "minimax/speech-2.8-hd" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "limit_known": false, "maximum_length": null, "min_length": 1, "name": "input", "required": true, "type": "string", "unit": "caractères Unicode" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "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" ], "enum_known": true, "name": "voice", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "mp3" ], "enum_known": true, "name": "response_format", "required": true, "type": "string" } ], "profile_binding": "Exact existing Ailoot model and method; interface constraints below do not assert provider qualification.", "unsupported": [ "every field outside exactmodel,input,voice,response_format", "stream/speed/reference speech options" ] }, "hints": [ "Sélectionnez la voix exacte dans ce profil de modèle.", "Les caractères d’entrée et les secondes audio sont des unités de mesure distinctes." ], "input": { "content_type": "application/json", "input": "texte UTF-8 exact; nombre de caractères Unicode sans normalisation", "material_types": [ "text" ], "max_input_characters": null, "other_options": false, "required": [ "model", "input", "voice", "response_format" ], "response_format": [ "mp3" ], "voice_ids": [ "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" ] }, "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed URL; never construct token" } ], "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "status": [ { "http": "GET", "id_source": "task_id effectivement renvoyé ou enregistrement de la bibliothèque multimédia", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Retain original operation_id/X-Client-Request-ID for reconciliation without resubmission; no dedicated audio poll route." }, "manufacturer_capability": null, "method": { "http": "POST", "path": "/v1/audio/speech" }, "method_aliases": [], "operation_modes": [ "text_to_speech" ], "output": { "family": "audio", "format": "mp3", "http_success": 200, "response": "full binary MP3 plus response headers", "result": "complete playable owned MP3" } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quantity_meter": "utf8.RuneCountInString(validUTF8): one Han codepoint=1; no Han weighting", "quoted_unit": "per 1000 input character" }, "label": "Ultra", "units": [ { "amount": "0.2000", "amount_unit": "usd_per_1000_characters", "billing_input": true, "estimate_only": false, "key": "audio_input_character", "label": "input character", "native_amount_usd_per_unit": "0.0002", "native_quantity": 1, "public_unit_label": "per 1000 input character", "quantity": "1000", "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_character" } ] } ], "declared_tariff_references": [ { "client_selectable": false, "key": "811df870581b3a6d28c7", "label": "MiniMax: Speech 2.8 HD", "profiles": [ { "basis": "", "dimensions": { "conditions": "Configuration par défaut" }, "label": "MiniMax: Speech 2.8 HD · Configuration par défaut", "units": [ { "amount": "0.0002", "amount_unit": "usd_per_exact_physical_unit", "billing_input": false, "key": "3075a39a90ece77c41dc1677", "label": "Input characters", "public_unit_label": "per input character", "quantity": "1", "rate_role": "declared_tariff_rate", "side": "in", "unit": "input_character" } ] } ] } ], "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_VOICE_ID:?Choose an accepted voice ID from this exact model profile}\"\nexport AILOOT_VOICE_ID\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"minimax/speech-2.8-hd\", \"input\": \"Good afternoon! This is a short voice take.\"}')\nvoice=os.environ[\"AILOOT_VOICE_ID\"]\nallowed=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\"]')\nif voice not in allowed: raise SystemExit(\"Choose an accepted voice ID from this exact model profile\")\np[\"voice\"]=voice\np[\"response_format\"]=\"mp3\"\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 $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o speech.mp3\n", "label": "curl", "language": "bash" }, { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -o media-assets.json\n", "label": "List actual media assets", "language": "bash" }, { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_MEDIA_TASK_ID:?Set the actual ID returned by the response or media-library metadata}\"\nexport AILOOT_MEDIA_TASK_ID\nresource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ[\"AILOOT_MEDIA_TASK_ID\"],safe=\"\"))')\ncurl --fail-with-body --silent --show-error \"https://api.ailoot.ai/v1/media/tasks/$resource_id\" \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -o media-task.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path(\"media-task.json\").read_text())))\nPY_RESULT\n", "label": "Read actual media task", "language": "bash" }, { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_ASSET_ID:?Set the actual ID returned by the response or media-library metadata}\"\nexport AILOOT_ASSET_ID\nresource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ[\"AILOOT_ASSET_ID\"],safe=\"\"))')\ncurl --fail-with-body --silent --show-error \"https://api.ailoot.ai/v1/media/assets/$resource_id\" \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -o media-asset.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path(\"media-asset.json\").read_text())))\nPY_RESULT\n", "label": "Read actual asset metadata", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "speech", "hints": [ "Select exact voice from this model profile.", "Input characters and audio seconds are different meters." ], "http": "POST", "in": null, "input": [ "text" ], "label": "Озвучка текста", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "out": null, "output": [ "audio" ], "path": "/v1/audio/speech", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "per_request", "image_input_price": null, "image_output_price": null, "per_request_price": null, "unit_prices": { "audio_input_character": 0.0002 } }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quantity_meter": "utf8.RuneCountInString(validUTF8): one Han codepoint=1; no Han weighting", "quoted_unit": "per 1000 input character" }, "label": "Ultra", "units": [ { "amount": "0.2000", "amount_unit": "usd_per_1000_characters", "billing_input": true, "estimate_only": false, "key": "audio_input_character", "label": "input character", "native_amount_usd_per_unit": "0.0002", "native_quantity": 1, "public_unit_label": "per 1000 input character", "quantity": "1000", "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_character" } ] } ], "request_model_id": "minimax/speech-2.8-hd", "route_label": "Ultra", "status_reads": [ "GET /v1/media/tasks/{task_id}", "GET /v1/media/assets/{asset_id}/content" ], "tiers": [], "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" }, { "amount": "0.2000", "amount_unit": "usd_per_1000_characters", "billing_input": true, "estimate_only": false, "key": "audio_input_character", "label": "input character", "native_amount_usd_per_unit": "0.0002", "native_quantity": 1, "public_unit_label": "per 1000 input character", "quantity": "1000", "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_character" } ] } ], "model_aliases": [ { "canonical_model_id": "minimax/speech-2.8-hd", "request_model_id": "minimax/speech-2.8-hd", "route_label": "Ultra" } ], "name": "MiniMax: Speech 2.8 HD", "price": { "in": null, "in_label": null, "out": null, "out_label": null, "sort_in": null, "sort_out": null, "varies": true }, "pricing_profiles": [ { "applicability": { "client_selectable": false, "native_profile_selection_pending": true, "scope": "manufacturer_reference" }, "dimensions": { "async_max_input_characters": null, "not_tokens": true, "quoted_denominator": "1000000_characters" }, "label": "Ultra", "units": [ { "amount": "0.0002", "amount_unit": "usd_per_input_character", "conditions": { "async_max_input_characters": null, "not_tokens": true, "quoted_denominator": "1000000_characters" }, "key": "base", "label": "base", "profile_index": 0, "quantity": "1", "rate_role": "binding_component_rate", "side": "in", "unit": "input_character" } ] }, { "applicability": { "client_selectable": false, "native_profile_selection_pending": true, "scope": "manufacturer_reference" }, "dimensions": { "async_max_input_characters": 1000000, "not_tokens": true, "quoted_denominator": "1000000_characters" }, "label": "Ultra", "units": [ { "amount": "0.0002", "amount_unit": "usd_per_input_character", "conditions": { "async_max_input_characters": 1000000, "not_tokens": true, "quoted_denominator": "1000000_characters" }, "key": "base", "label": "base", "profile_index": 1, "quantity": "1", "rate_role": "binding_component_rate", "side": "in", "unit": "input_character" } ] }, { "applicability": { "client_selectable": false, "native_profile_selection_pending": true, "scope": "manufacturer_reference" }, "dimensions": { "charge_at_design_or_clone_creation": false, "charge_at_first_synthesis": true, "charge_once_per_voice_across_synthesis_calls": true, "event": "designed_voice_first_synthesis", "plus_synthesis_characters": true }, "label": "Ultra", "units": [ { "amount": "6", "amount_unit": "usd_per_voice", "conditions": { "charge_at_design_or_clone_creation": false, "charge_at_first_synthesis": true, "charge_once_per_voice_across_synthesis_calls": true, "event": "designed_voice_first_synthesis", "plus_synthesis_characters": true }, "key": "designed_voice_first_synthesis", "label": "designed voice first synthesis", "profile_index": 2, "quantity": "1", "rate_role": "binding_component_rate", "side": "out", "unit": "voice" } ] }, { "applicability": { "client_selectable": false, "native_profile_selection_pending": true, "scope": "manufacturer_reference" }, "dimensions": { "charge_at_design_or_clone_creation": false, "charge_at_first_synthesis": true, "charge_once_per_voice_across_synthesis_calls": true, "event": "cloned_voice_first_synthesis", "plus_synthesis_characters": true }, "label": "Ultra", "units": [ { "amount": "3.0", "amount_unit": "usd_per_voice", "conditions": { "charge_at_design_or_clone_creation": false, "charge_at_first_synthesis": true, "charge_once_per_voice_across_synthesis_calls": true, "event": "cloned_voice_first_synthesis", "plus_synthesis_characters": true }, "key": "cloned_voice_first_synthesis", "label": "cloned voice first synthesis", "profile_index": 3, "quantity": "1", "rate_role": "binding_component_rate", "side": "out", "unit": "voice" } ] } ], "public_id": "minimax/speech-2.8-hd", "short": "Speech 2.8 HD synthétise une parole expressive avec un contrôle de l’émotion et de détails sonores comme la respiration et le rire." }, "renderer_schema": { "method_order": "Original DTO methods order; every exact route/format/path/caller survives.", "prices": "Original public DTO fields and original native display HTML; no flattened or normalized offers." }, "representation": "exact-public-dto-and-native-renderer-html", "representationNotes": { "current_reference": { "about_json_pointer": "/aboutHtml", "methods": [ { "contract_json_pointer": "/methods/0/rawMethod/contract", "html_json_pointer": "/methods/0/html", "method_ordinal": 0 } ], "role": "current-semantic-reference" }, "raw_input": { "examples_role": "historical-input-not-current-ready-examples", "json_pointers": [ "/rawModel", "/methods/0/rawMethod" ], "role": "historical-owner-input" }, "schema": "ailoot-native-model-representations-v1" }, "schema": "ailoot-static-model-facts-v1", "schema_version": 1, "shortText": "Speech 2.8 HD synthétise une parole expressive avec un contrôle de l’émotion et de détails sonores comme la respiration et le rire.", "source": { "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1", "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036", "raw_model_json_sha256": "37769c430d2638fb27b16624d60be7e7bd93f00c44cb4208f820acc0de8c3e78", "renderer_sha256": "98cb81b9c4ef4923c22e586170e7cdf67056351148a1666fb03dd6a4a26716a3" }, "sourceRevision": "4c149bf442f18e27ac58a7c14f8b54d5bdf3ff1b6261a7dc1c960a7ff4a3d5be" }