speech-02-hd

Speech-02 HD est un modèle de synthèse vocale qui privilégie la qualité sonore et la ressemblance de la voix.

Ailoot · Synthèse vocale POST /v1/audio/speech speech-02-hd

À propos du modèle

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

Une voix pour la lecture et les longs textes

Speech 02 HD crée de la parole en privilégiant la qualité, le rythme et la stabilité sonore. Le fabricant met en avant la lecture de contenus et les livres audio, où la voix doit conserver son caractère et rester régulière sur un texte long. Il s’agit d’un modèle de synthèse : il accepte du texte et le transforme en audio vocal.

L’association du texte et du timbre

La famille Speech 02 repose sur une architecture Transformer autorégressive et un encodeur de locuteur entraînable. L’extraction du timbre et la génération de parole ont été entraînées conjointement afin d’accorder les caractéristiques de la voix au contenu. Les capacités de la famille comprennent l’utilisation de voix clonées préparées et l’association de la langue, de l’accent et du style de prononciation.

L’émotion et la lecture multilingue

L’expression émotionnelle peut être déterminée à partir du sens du texte ou définie manuellement. La joie, la tristesse, la colère, la peur, le dégoût, la surprise et le calme sont disponibles. Le modèle travaille avec le russe, l’anglais et d’autres langues ; le fabricant décrit différents accents de l’anglais, le chinois et le cantonais, le japonais, le coréen, des langues européennes et d’autres langues.

Dans la description actuelle de Speech 02, le persan, le filipino et le tamoul sont explicitement exclus. La liste générale des langues des générations Speech plus récentes ne doit pas être transposée automatiquement à cette version.

Les réglages de la voix

La synthèse prévoit le choix de la voix, une vitesse de 0,5–2, un volume supérieur à 0 et allant jusqu’à 10, et une hauteur de −12 à 12. Le lexique de prononciation permet de remplacer une graphie par la lecture souhaitée ; les transcriptions phonétiques et les variantes de prononciation japonaises sont prises en charge. Cela aide à contrôler la prononciation des noms et des mots ambigus.

Les pauses et l’audio final

Le fabricant permet de définir des pauses entre les passages prononcés, d’une durée de 0,01–99,99 secondes. La durée d’une pause est définie avec une précision de deux chiffres après la virgule ; les marqueurs sont placés entre les passages prononcés et ne doivent pas se suivre. Le texte d’une requête synchrone doit contenir moins de 10 000 caractères. Il est prévu de recevoir l’audio en entier ou progressivement ; pour les textes de plus de 3000 caractères, une sortie en streaming est recommandée.

Les formats du modèle comprennent MP3, WAV, FLAC et PCM ; les réglages généraux de synthèse décrivent également Opus et les variantes G.711 μ-law. Le mono ou la stéréo peuvent être utilisés. Cette fiche permet la lecture de texte, tandis que la préparation distincte de la voix et les réglages avancés ne s’appliquent que dans les limites du mode d’appel pris en charge par Ailoot.

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

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

Ailoot · Synthèse vocale POST /v1/audio/speech speech-02-hd

speech-02-hd

MiniMax /speech-02-hd

Premiers pas

Speech-02 HD est un modèle de synthèse vocale qui privilégie la qualité sonore et la ressemblance de la voix.

Entrées acceptées: Texte
Résultats: speech

Disponible dans Ailoot · entrées et méthodes

Ailoot · Synthèse vocale POST /v1/audio/speech

Types d’entrée: text
Types de sortie: speech
Format de sortie: mp3

Champ	Type	Exigence	Valeurs et limites	Par défaut
Champ`model`	Type`string`	ExigenceObligatoire	Valeurs et limites speech-02-hd	Par défaut—
Champ`input`	Type`string`	ExigenceObligatoire	Valeurs et limites Longueur minimale: 1 Longueur maximale (exclue): 10 000 Unité: caractères Unicode	Par défaut—
Champ`voice`	Type`string`	ExigenceObligatoire	Valeurs et limites Motif: ^[A-Za-z0-9_-]{1,128}$	Par défaut—
Champ`response_format`	Type`string`	ExigenceFacultatif	Valeurs et limites mp3	Par défaut—

Combinaisons d’éléments d’entrée

text_to_speech · Obligatoire : input

Paramètres et cycle de vie de la méthode

Paramètre	Contrat
Paramètre`material_types`	Contrattext
Paramètre`required`	Contratnull
Paramètre`optional_controls`	Contratnull

Cycle de vie : synchronous_result_then_owned_library

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

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Les structures des méthodes et les identifiants sont exacts ; la capacité du fournisseur est distincte de l’admission.

Tarifs

Tarifs des méthodes Ailoot

Ailoot Synthèse vocalePOST /v1/audio/speech

Entrée: 100,00 USD par 1 million de caractères

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 · Synthèse vocale

Exemple de synthèse vocale

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 narration script}"
export AILOOT_TEXT_FILE
: "${AILOOT_VOICE_ID:?Set the actual accepted voice ID for this model}"
export AILOOT_VOICE_ID
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "speech-02-hd", "input": ""}')
f=Path(os.environ["AILOOT_TEXT_FILE"])
if not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")
text=f.read_text(encoding="utf-8")
if not text.strip():raise SystemExit("Source material must contain text")
p["input"]=text
import re
voice=os.environ["AILOOT_VOICE_ID"]
if not re.fullmatch(r"[A-Za-z0-9_-]{1,128}",voice):raise SystemExit("Set an actual accepted voice ID")
p["voice"]=voice
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 · Synthèse vocale

mp3

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

Conserver tous les résultats terminés

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

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

Si la réponse d’origine doit être vérifiée

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

Champs de la réponse

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

Erreurs et étapes suivantes

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

Alias

Alias du modèle

Ailoot speech-02-hd

Alias des chemins de méthode

Utilisez les chemins de méthode indiqués ci-dessus.

ID d’appel associés

speech-02-hd

FAQ · speech-02-hd

Quelles entrées et quels résultats sont disponibles ?: POST /v1/audio/speech · speech-02-hd: text → speech
Quels champs la requête utilise-t-elle ?: POST /v1/audio/speech · speech-02-hd: model, input, voice, response_format

speech-02-hd

speech-02-hd

Une voix pour la lecture et les longs textes

L’association du texte et du timbre

L’émotion et la lecture multilingue

Les réglages de la voix

Les pauses et l’audio final

Premiers pas

Disponible dans Ailoot · entrées et méthodes

Tarifs

Tarifs des méthodes Ailoot

Exemples de requêtes

Ailoot · Synthèse vocale

Recevoir et enregistrer les résultats

Ailoot · Synthèse vocale

Conserver tous les résultats terminés

Si la réponse d’origine doit être vérifiée

Alias

Alias du modèle

Alias des chemins de méthode

ID d’appel associés

L’entreprise et son portefeuille de projets

Achetez des tokens à prix réduit.

Connectez l’API au produit que vous vendez.