Microsoft AI: MAI-Voice-2-Flash
MAI-Voice-2-Flash de Microsoft AI génère de la parole expressive dans 15 langues pour les assistants, le service client et les menus parlés. Il associe une interprétation réactive à une bibliothèque de voix sélectionnées, au guidage par voix de référence et au contrôle du ton au niveau des tours.
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.
MAI-Voice-2-Flash est le modèle de synthèse vocale de Microsoft AI conçu pour les expériences vocales réactives à grande échelle. Le fabricant décrit une prosodie naturelle, un audio clair et une interprétation expressive, avec les assistants, les agents de service client et les menus téléphoniques parmi ses tâches principales. Le texte écrit de la transcription devient de l’audio parlé dans la voix choisie. Flash est une variante précise de MAI-Voice-2, distincte de la famille ultérieure MAI-Voice-2.1.
Choix de langue et de voix
La fiche exacte du modèle documente quinze langues et dix-huit variantes locales. Elles couvrent l’anglais, l’italien, l’espagnol, l’hindi, le français, l’allemand, le portugais, le coréen, le chinois simplifié, le turc, le russe, le thaï, le néerlandais, le roumain et le hongrois, avec des variantes régionales distinctes pour certaines langues. Choisissez la langue visée et préparez la formulation réelle que l’auditeur doit entendre. Une distinction de locale peut compter pour une salutation, un nom de produit ou une prononciation familière au public.
Microsoft documente deux voies de sélection vocale : une bibliothèque sélectionnée et le guidage vocal à partir d’un court enregistrement. La bibliothèque fournit un locuteur existant pour une narration ou une interaction. Un enregistrement de référence définit une autre identité de locuteur au moyen du processus de voix personnalisée du fabricant. Gardez le choix de locuteur cohérent entre les messages liés afin que le message d’ouverture, l’explication et le suivi sonnent comme des parties d’une seule expérience.
Ton pour la parole interactive
Le modèle prend en charge le contrôle du ton, de l’interprétation et de l’émotion au niveau des tours. Pour un assistant parlé, rédigez une première instruction concise, puis les détails nécessaires à l’auditeur. Une phrase concrète est : « Choisissez le document que vous voulez ouvrir. Si vous n’êtes pas sûr de son titre, dites-moi de quoi il traite. » Le script donne à l’auditeur une action claire tout en laissant de la place pour une question de suivi.
Pour un échange pédagogique, séparez l’explication de la question à laquelle l’apprenant doit répondre. Pour un menu, gardez les noms d’options courts et utilisez des formulations qui restent claires après une seule écoute. Le ton doit suivre l’objectif du passage : un message rassurant, une instruction et une question peuvent nécessiter des interprétations différentes tout en conservant la même voix.
Préparer une voix de référence
Le fabricant spécifie un enregistrement de cinq à soixante secondes pour le guidage vocal et décrit la reproduction d’un locuteur consentant sans entraînement supplémentaire. Il recommande une interprétation conversationnelle naturelle et une énergie modérée, car la référence influe fortement sur le résultat. Préparez un enregistrement représentatif de la voix souhaitée, plutôt qu’une interprétation comportant des extrêmes de volume ou d’expression sans rapport.
Ce mode est documenté pour une voix autorisée et consentie. Son processus chez le fabricant et la bibliothèque de voix prédéfinies sont des voies de préparation distinctes. La sortie reste de la parole nouvellement synthétisée à partir du texte fourni ; l’enregistrement apporte l’identité de locuteur souhaitée.
Utiliser le résultat parlé
Utilisez Flash pour une interaction dont la réponse doit être fournie rapidement et rester facile à comprendre. Le fabricant positionne cette variante autour de la réactivité tout en conservant la prosodie et la qualité acoustique de la gamme MAI-Voice-2. Gardez chaque tour parlé lié à son texte et à son locuteur afin que les noms importants, les commandes et les changements émotionnels puissent être vérifiés dans leur contexte.
Un résultat utile est un message ou une réponse parlés clairs dans la langue et la voix requises. Écoutez la formulation telle que le public l’entendra, particulièrement dans une suite de messages. La spécification de quinze langues et dix-huit variantes locales appartient à l’édition exacte Voice-2-Flash ; le catalogue linguistique étendu et les détails de voix gérées des versions ultérieures relèvent de leurs propres profils.
Ailoot Ultra · Synthèse vocale POST /v1/audio/speech microsoft/mai-voice-2-flash
microsoft/mai-voice-2-flashPremiers pas
MAI-Voice-2-Flash de Microsoft AI génère de la parole expressive dans 15 langues pour les assistants, le service client et les menus parlés. Il associe une interprétation réactive à une bibliothèque de voix sélectionnées, au guidage par voix de référence et au contrôle du ton au niveau des tours.
- Entrées acceptées
- Texte
- Résultats
- Audio
Disponible dans Ailoot · entrées et méthodes
Ailoot Ultra · Synthèse vocale POST /v1/audio/speech
- Entrée
text- Sortie
audio- Format de sortie
- mp3
| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites microsoft/mai-voice-2-flash | Par défaut— |
Champinput | Typestring | ExigenceObligatoire | Valeurs et limites Longueur minimale: 1 Unité: caractères Unicode | Par défaut— |
Champvoice | Typestring | ExigenceObligatoire | Valeurs et limites en-US-Harper:MAI-Voice-2, es-MX-Valeria:MAI-Voice-2, fr-FR-Soleil:MAI-Voice-2, de-DE-Klaus:MAI-Voice-2 | Par défaut— |
Champresponse_format | Typestring | ExigenceObligatoire | Valeurs et limites mp3 | Par défaut— |
Combinaisons d’éléments d’entrée
text_to_speech · Obligatoire : input
Paramètres et cycle de vie de la méthode
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, input, voice, response_format |
Paramètrevoice_ids | Contraten-US-Harper:MAI-Voice-2, es-MX-Valeria:MAI-Voice-2, fr-FR-Soleil:MAI-Voice-2, de-DE-Klaus:MAI-Voice-2 |
Paramètreresponse_format | Contratmp3 |
Paramètremax_input_characters | Contratnull |
Paramètreother_options | Contratfalse |
Paramètreinput | Contrattexte UTF-8 exact ; nombre de caractères Unicode sans normalisation |
Paramètrematerial_types | Contrattext |
Cycle de vie : synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · task_id effectivement renvoyé ou enregistrement de la bibliothèque multimédia
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Sélectionnez la voix exacte dans le profil de ce modèle.
Les caractères en entrée et les secondes d’audio sont des unités de mesure différentes.
Tarifs
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
- Mode rapide
- Non précisé Lorsque le mode rapide est sélectionné
- Mode Flex
- Non précisé Lorsque le mode flex est sélectionné
- Effort de raisonnement maximal
- Non précisé Lorsque l’effort de raisonnement maximal utilise l’ajustement par défaut (default)
Tarifs Ailoot
Prix par configuration
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Quantité facturable | Unité de facturation | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Quantité facturable— | Unité de facturation— | Coût Entrée · Tokens en entrée — / 1K tokens Sortie · Tokens en sortie — / 1K tokens Entrée · Lecture du cache — / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationUltra | Barème tarifaire— | Quantité facturableChaque point de code Unicode compte pour un caractère, y compris les caractères Han. | Unité de facturationpar 1K caractères en entrée | Coût Entrée · caractère en entrée $0.03 par 1K caractères en entrée |
Détails du tarif de référence
Les barèmes de référence du modèle ne modifient ni la sélection de méthode, ni les devis, ni les coûts. Les frais actifs utilisent les tarifs de la méthode Ailoot sélectionnée.
Microsoft AI: MAI-Voice-2-Flash
Prix par configuration
| Configuration | Conditions de facturation | Coût |
|---|---|---|
| ConfigurationMicrosoft AI: MAI-Voice-2-Flash · Configuration par défaut | Conditions de facturationConfiguration par défaut | Coût Entrée · Caractères en entrée 0.00003 USD par caractère en entrée |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
Exemples de requêtes
Ailoot Ultra · Synthèse vocale
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_VOICE_ID:?Choose an accepted voice ID from this exact model profile}"
export AILOOT_VOICE_ID
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "microsoft/mai-voice-2-flash", "input": "Good afternoon! This is a short voice take."}')
voice=os.environ["AILOOT_VOICE_ID"]
allowed=json.loads('["en-US-Harper:MAI-Voice-2", "es-MX-Valeria:MAI-Voice-2", "fr-FR-Soleil:MAI-Voice-2", "de-DE-Klaus:MAI-Voice-2"]')
if voice not in allowed: raise SystemExit("Choose an accepted voice ID from this exact model profile")
p["voice"]=voice
p["response_format"]="mp3"
Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/speech \
-H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o speech.mp3
Recevoir et enregistrer les résultats
Ailoot Ultra · Synthèse vocale
mp3
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Autres lectures de contenu
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \
-H "Authorization: Bearer $AILOOT_API_KEY" -o media-assets.json
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_MEDIA_TASK_ID:?Set the actual ID returned by the response or media-library metadata}"
export AILOOT_MEDIA_TASK_ID
resource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_MEDIA_TASK_ID"],safe=""))')
curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/tasks/$resource_id" \
-H "Authorization: Bearer $AILOOT_API_KEY" -o media-task.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path("media-task.json").read_text())))
PY_RESULT
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_ASSET_ID:?Set the actual ID returned by the response or media-library metadata}"
export AILOOT_ASSET_ID
resource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_ASSET_ID"],safe=""))')
curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/assets/$resource_id" \
-H "Authorization: Bearer $AILOOT_API_KEY" -o media-asset.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path("media-asset.json").read_text())))
PY_RESULT
Conserver tous les résultats terminés
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez le résultat binaire complet et les en-têtes. Si une réponse JSON ou plusieurs sorties sont renvoyées, conservez chaque élément de données et récupérez chaque ressource via son URL signée réelle.
Si la réponse d’origine doit être vérifiée
Conservez l’operation_id/X-Client-Request-ID d’origine pour le rapprochement sans nouvelle soumission ; aucune route dédiée à l’interrogation du statut audio.
Champs de la réponse
| Champ | Type |
|---|---|
Champbinary audio | Typebytes |
Champresponse headers | Typeheaders |
Erreurs et étapes suivantes
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
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. |
Alias
Alias du modèle
Ailoot Ultra microsoft/mai-voice-2-flash
Alias des chemins de méthode
Utilisez les chemins de méthode indiqués ci-dessus.
ID d’appel associés
FAQ · Microsoft AI: MAI-Voice-2-Flash
- Quelles entrées et quels résultats sont disponibles ?
POST /v1/audio/speech·microsoft/mai-voice-2-flash:text→audio- Quels champs la requête utilise-t-elle ?
POST /v1/audio/speech·microsoft/mai-voice-2-flash:model,input,voice,response_format