Microsoft AI: MAI-Voice-2-Flash

MAI-Voice-2-Flash של Microsoft AI מייצר דיבור עשיר בהבעה ב־15 שפות לעוזרים, לתמיכת לקוחות ולתפריטים קוליים. הוא משלב הגשה מהירה בתגובתה עם ספריית קולות נבחרת, הנחיה באמצעות קול ייחוס ובקרת טון ברמת התור.

Ailoot Ultra · הקראה POST /v1/audio/speech microsoft/mai-voice-2-flash

על המודל

התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.

MAI-Voice-2-Flash הוא מודל המרת הטקסט לדיבור של Microsoft AI, המיועד לחוויות קוליות מהירות בתגובתן ובהיקף גבוה. היצרן מתאר פרוזודיה טבעית, שמע ברור והגשה עשירה בהבעה, ומונה עוזרים, סוכני תמיכת לקוחות ותפריטי טלפון בין משימותיו העיקריות. טקסט תמליל כתוב הופך לשמע מדובר בקול שנבחר. Flash הוא וריאנט מסוים של MAI-Voice-2, הנפרד ממשפחת MAI-Voice-2.1 המאוחרת יותר.

בחירת שפה וקול

כרטיס המודל המדויק מתעד חמש עשרה שפות ושמונה עשרה וריאציות אזוריות. הן מכסות אנגלית, איטלקית, ספרדית, הינדי, צרפתית, גרמנית, פורטוגזית, קוריאנית, סינית מפושטת, טורקית, רוסית, תאית, הולנדית, רומנית והונגרית, עם גרסאות אזוריות נפרדות לחלק מהשפות. בחרו את השפה המיועדת והכינו את הנוסח שהמאזין אמור לשמוע בפועל. הבחנה אזורית עשויה להיות חשובה לברכה, לשם מוצר או להגייה המוכרת לקהל.

Microsoft מתעדת שני נתיבים לבחירת קול: ספרייה נבחרת והנחיית קול מתוך הקלטה קצרה. הספרייה מספקת דובר קיים לקריינות או לאינטראקציה. הקלטת ייחוס מגדירה זהות דובר אחרת באמצעות תהליך הקול המותאם של היצרן. שמרו על בחירת דובר עקבית בין הנחיות קשורות, כדי שהודעת הפתיחה, ההסבר וההמשך יישמעו כחלקים מחוויה אחת.

טון בדיבור אינטראקטיבי

המודל תומך בשליטה ברמת התור בטון, בהגשה וברגש. לעוזר קולי כתבו הוראה ראשונה תמציתית ואחריה את הפרטים שהמאזין צריך. שורה מעשית היא: ״בחרו את המסמך שברצונכם לפתוח. אם אינכם בטוחים מה כותרתו, ספרו לי במה הוא עוסק.״ התסריט נותן למאזין פעולה ברורה ומשאיר מקום לשאלת המשך.

בשיחה חינוכית, הפרידו בין ההסבר לבין השאלה שהלומד אמור לענות עליה. בתפריט, שמרו על שמות אפשרויות קצרים והשתמשו בניסוח שנשאר ברור גם בשמיעה אחת. הטון צריך לעקוב אחר מטרת הקטע: הרגעה, הוראה ושאלה יכולות לדרוש הגשות שונות תוך שימור אותו קול.

הכנת קול ייחוס

היצרן מציין הקלטה של חמש עד שישים שניות להנחיית קול ומתאר התאמה לדובר שנתן הסכמה ללא אימון נוסף. הוא ממליץ על הגשה שיחתית טבעית עם אנרגיה מתונה, משום שלדוגמת הייחוס יש השפעה ניכרת על התוצאה. הכינו הקלטה המייצגת את הקול הרצוי, ולא ביצוע בעל קיצוניות בלתי קשורה בעוצמה או בהבעה.

מצב זה מתועד לקול מאושר שניתנה הסכמה לשימוש בו. תהליך היצרן וספריית הקולות המוגדרים מראש הם נתיבי הכנה נפרדים. הפלט נשאר דיבור שסונתז מחדש מתוך התמליל שסופק; ההקלטה מספקת את זהות הדובר הרצויה.

עבודה עם תוצאת הדיבור

השתמשו ב־Flash לאינטראקציה שבה התשובה צריכה להישמע במהירות ולהישאר קלה להבנה. היצרן ממקם וריאנט זה סביב מהירות תגובה, תוך שימור הפרוזודיה והאיכות האקוסטית של קו MAI-Voice-2. שמרו על הקישור של כל תור מדובר לתמליל ולדובר שלו, כדי שאפשר יהיה לבדוק בהקשר שמות חשובים, פקודות ושינויים רגשיים.

תוצאה שימושית היא הנחיה או תשובה מדוברת ברורה בשפה ובקול הדרושים. האזינו לניסוח כפי שהקהל ישמע אותו, במיוחד ברצף של הנחיות. המפרט הכולל חמש עשרה שפות ושמונה עשרה וריאציות אזוריות שייך לגרסת Voice-2-Flash המדויקת הזאת; קטלוג השפות המורחב ופרטי הקולות המנוהלים בגרסאות מאוחרות יותר שייכים לפרופילים שלהן.

Ailoot Ultra · הקראה POST /v1/audio/speech microsoft/mai-voice-2-flash

microsoft/mai-voice-2-flash

Microsoft AI /microsoft/mai-voice-2-flash

התחלה

סוגי קלט נתמכים: טקסט
תוצאות: שמע

זמין ב-Ailoot · קלט ושיטות

Ailoot Ultra · הקראה POST /v1/audio/speech

סוגי קלט: text
סוגי פלט: audio
פורמט פלט: mp3

שדה	סוג	דרישה	ערכים ומגבלות	ברירת מחדל
שדה`model`	סוג`string`	דרישהחובה	ערכים ומגבלות microsoft/mai-voice-2-flash	ברירת מחדל—
שדה`input`	סוג`string`	דרישהחובה	ערכים ומגבלות אורך מזערי: ⁦1⁩ יחידה: תווי Unicode	ברירת מחדל—
שדה`voice`	סוג`string`	דרישהחובה	ערכים ומגבלות en-US-Harper:MAI-Voice-2, es-MX-Valeria:MAI-Voice-2, fr-FR-Soleil:MAI-Voice-2, de-DE-Klaus:MAI-Voice-2	ברירת מחדל—
שדה`response_format`	סוג`string`	דרישהחובה	ערכים ומגבלות mp3	ברירת מחדל—

שילובים של חומרי קלט

text_to_speech · נדרש: input

פרמטרים ומחזור חיים של השיטה

פרמטר	מפרט
פרמטר`content_type`	מפרטapplication/json
פרמטר`required`	מפרטmodel, input, voice, response_format
פרמטר`voice_ids`	מפרטen-US-Harper:MAI-Voice-2, es-MX-Valeria:MAI-Voice-2, fr-FR-Soleil:MAI-Voice-2, de-DE-Klaus:MAI-Voice-2
פרמטר`response_format`	מפרטmp3
פרמטר`max_input_characters`	מפרטnull
פרמטר`other_options`	מפרטfalse
פרמטר`input`	מפרטטקסט UTF-8 מדויק; ספירת תווי Unicode ללא נרמול
פרמטר`material_types`	מפרטtext

מחזור חיים: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · ערך task_id שהוחזר בפועל או רשומה בספריית המדיה

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

יש לבחור קול מדויק מתוך פרופיל המודל הזה.

תווי קלט ושניות אודיו הם מדדי חיוב שונים.

תעריפים

מידע תעריפים אינו מוסיף אפשרויות לבקשה. הפרמטרים הנתמכים מפורטים בשיטה שנבחרה.

מצב מהיר: לא צוין כאשר נבחר מצב מהיר
מצב Flex: לא צוין כאשר נבחר מצב flex
מאמץ חשיבה מרבי: לא צוין כאשר מאמץ החשיבה המרבי משתמש בהתאמת ברירת המחדל (default)

תעריפי Ailoot

מחירים לפי תצורה

התאימו כל חיוב לתנאים המוצגים. השתמשו בתעריף אחד לכל קבוצה של תצורות חלופיות.

תצורה	טבלת תעריפים	כמות לחיוב	יחידת חיוב	חיוב
תצורהתעריפי בסיס לטוקנים	טבלת תעריפיםתעריף בסיס	כמות לחיוב—	יחידת חיוב—	חיוב קלט · טוקני קלט — / 1K טוקנים פלט · טוקני פלט — / 1K טוקנים קלט · קריאה מהמטמון — / 1K טוקנים קלט · כתיבה למטמון — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים
תצורהUltra	טבלת תעריפים—	כמות לחיובכל נקודת קוד של Unicode נספרת כתו אחד, כולל סימני האן.	יחידת חיובלכל 1K תווי קלט	חיוב קלט · תו בקלט $0.03 לכל 1K תווי קלט

פרטי תעריף הייחוס

טבלאות הייחוס ברמת המודל אינן משנות את בחירת השיטה, הצעות המחיר או החיובים. החיובים בפועל משתמשים בתעריפי שיטת Ailoot שנבחרה.

Microsoft AI: MAI-Voice-2-Flash

מחירים לפי תצורה

תצורה	תנאי חיוב	חיוב
תצורהMicrosoft AI: MAI-Voice-2-Flash · תצורת ברירת המחדל	תנאי חיובתצורת ברירת מחדל	חיוב קלט · תווי קלט ⁦‏0.00003 ‏$⁩ לכל תו בקלט

לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →

דוגמאות לבקשות

Ailoot Ultra · הקראה

curl

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_VOICE_ID:?Choose an accepted voice ID from this exact model profile}"
export AILOOT_VOICE_ID
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "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

קבלה ושמירה של תוצאות

Ailoot Ultra · הקראה

mp3

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

קריאות תוכן נוספות

ספריית מדיהמצב המשימהפרטי הנכס

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

שמירת כל התוצאות שהושלמו

שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.

שמרו את התוצאה הבינארית המלאה ואת הכותרות. אם מוחזרים JSON או פלטים מרובים, שמרו כל פריט נתונים והורידו כל נכס מה־URL החתום שלו שהוחזר בפועל.

כשצריך לבדוק את התגובה המקורית

שמרו את operation_id/X-Client-Request-ID המקורי לצורך התאמת רישומים ללא שליחה מחדש; אין נתיב ייעודי לתשאול סטטוס אודיו.

שדות התגובה

שדה	סוג
שדה`binary audio`	סוגbytes
שדה`response headers`	סוגheaders

שגיאות והשלבים הבאים

תגובה	תנאי	השלב הבא
תגובה⁦400⁩ · `invalid_request_error`	תנאישדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקינים	השלב הבאתקנו את השדות שצוינו לפני בקשת יצירה חדשה.
תגובה`server_error`	תנאיהתשובה שהוחזרה מציינת שהפעולה או התוצאה דורשת בדיקה	השלב הבאשמרו את מזהה הפעולה/המשימה המקורי שהוחזר, את כותרות הבקשה ואת התשובה; המשיכו לבצע פעולות קריאה נתמכות של אותה פעולה מקורית. אל תשלחו שוב את בקשת היצירה.

כינויים

כינויים למודל

Ailoot Ultra microsoft/mai-voice-2-flash

כינויים לנתיבי שיטות

השתמשו בנתיבי השיטות המוצגים למעלה.

מזהי מודלים קשורים IDs

microsoft/mai-voice-2-flash

FAQ · Microsoft AI: MAI-Voice-2-Flash

אילו קלטים ותוצאות זמינים?: POST /v1/audio/speech · microsoft/mai-voice-2-flash: text → audio
באילו שדות הבקשה משתמשת?: POST /v1/audio/speech · microsoft/mai-voice-2-flash: model, input, voice, response_format

Microsoft AI: MAI-Voice-2-Flash