Microsoft AI: MAI-Voice-2

MAI-Voice-2 של Microsoft AI מפיק דיבור רב־לשוני עשיר בהבעה לקריינות, לדיאלוג וליישומים קוליים. עקביות בתוכן ארוך, ריבוי דוברים ובקרת רגש ברמת התור תומכים בספרי שמע, בשיעורים ובקולות דמויות.

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

על המודל

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

MAI-Voice-2 הוא מודל המרת הטקסט לדיבור באמצעות הנחיות של Microsoft AI לתוכן מדובר טבעי ועשיר בהבעה. היצרן מדגיש נאמנות אקוסטית, עקביות הדובר וטווח רגשי. המשימות המתועדות כוללות עוזרים, ספרי שמע, פודקאסטים, הרצאות, דמויות חינוכיות וקריינות לנגישות. טקסט תמליל הופך לשמע בקול שנבחר; לווריאנט Voice-2-Flash יש פרופיל משלו לאינטראקציות שבהן תגובה מיידית היא בעדיפות.

שפה ודובר

הפצת Voice-2 של Microsoft מתארת חמש עשרה שפות, ובהן אנגלית, צרפתית, גרמנית, איטלקית, ספרדית, פורטוגזית, הינדי, קוריאנית, סינית מפושטת, טורקית, רוסית, תאית, הולנדית, רומנית והונגרית. לחלק מהשפות יש וריאציות אזוריות נפרדות. ההפצה מתארת גם מעבר בין הינדי לאנגלית ובין ספרדית לאנגלית, כך שקטעים נבחרים המשלבים שפות יכולים לשמר את הדרך הטבעית שבה דובר מחליף שפות.

הכינו את המילים שייאמרו בפועל ושמרו על שפתן המיועדת. קטע חינוכי דו־לשוני יכול להציג מונח בשפה אחת ולהסבירו באחרת, תוך שימור שמות וציטוטים. יש לבדוק את תוצאת הדיבור בהתאם למבטא ולקהל הנדרשים ליצירה, במקום להתייחס לכל הווריאציות האזוריות כניתנות להחלפה.

כרטיס המודל מספק ספריית קולות נבחרת ונתיב נפרד להנחיה באמצעות קול ייחוס. דיבור ייחוס מספק את זהות הדובר הרצויה ללא כוונון נוסף. Microsoft ממליצה על הגשה שיחתית טבעית עם אנרגיה מתונה, משום שההקלטה משפיעה על הקצב ועל ההגשה. השתמשו בהקלטה מייצגת שניתנה לה הסכמה כאשר המשימה דורשת קול מותאם.

קריינות ארוכה ודיאלוג

כרטיס המודל מתעד יצירת תוכן ארוך באמצעות חלוקה למקטעים והעברת הקשר. הדבר תומך בקריינות מחוברת, כגון פרק, שיעור או רצף קטעי פודקאסט. חלקו את התסריט בגבולות מקטעים בעלי משמעות ושמרו על מונחים ובחירת דובר עקביים. הסבר ארוך מפיק תועלת ממעברים מדוברים המספרים למאזין מתי הנושא משתנה.

תמיכה בריבוי דוברים מאפשרת תפקידים נפרדים בדיאלוג מוכן. הקצו את השאלה והתשובה לדוברים המיועדים ושמרו על ההקצאות כשהתפקיד חוזר. הקלט צריך להכיל את השורות הסופיות והוראות הביצוע הרלוונטיות, ולא בקשה פתוחה המבקשת ממסנתז הדיבור להמציא את השיחה.

טון והגשה רגשית

Microsoft מתעדת שליטה מפורטת ברמת התור בטון, בהגשה וברגש. דוגמאות ההפצה שלה מדגימות תפקידים מדוברים עשירים בהבעה וקטעים רגשיים. בנרטיב, קבעו איזה משפט עובדתי, מהורהר או נרגש, ואז החילו הגשה התואמת למשמעותו. שורה מעשית היא: ״החלק השקט ביותר בניסוי התברר כחלק שחשף הכי הרבה. שם הדפוס נעשה ברור לראשונה.״ הניסוח מעניק לביצוע שינוי הדגשה מכוון.

בקריינות הדרכה, שמרו על פעולה ברורה ועל ההסבר במשפט נפרד. בדיאלוג הבחינו בין דברי הדמות לבין הערות הסצנה. האזינו לשמות חוזרים ולמעברים בין קטעים כדי שהרצף הסופי יישאר מגובש.

שימוש בשמע

הפלט הוא דיבור שנוצר מחדש עבור התמליל שסופק. צורתו השימושית היא קריינות, דיאלוג או תשובה קולית של יישום שהקול וההגשה שלהם עוקבים אחר התסריט. שמרו על הקישור של הטקסט, הדובר וסדר המקטעים להקלטה, כדי שתיקון ישנה את הקטע המיועד בלי לאבד את יתר הביצוע.

MAI-Voice-2 מדגיש טבעיות והבעה בחוויית האזנה ממושכת. יכולתו לתוכן ארוך אינה מגדירה קלט בלתי מוגבל או מבטיחה משך הקלטה מרבי. התיאור המדויק של Voice-2 נשאר נפרד מקטלוג השפות המורחב ומהגדרות הקול של גרסאות Voice-2.1 המאוחרות יותר.

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

microsoft/mai-voice-2

Microsoft AI /microsoft/mai-voice-2

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	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 $0.044 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

מחירים לפי תצורה

תצורה	תנאי חיוב	חיוב
תצורהMicrosoft AI: MAI-Voice-2 · תצורת ברירת המחדל	תנאי חיובתצורת ברירת מחדל	חיוב קלט · תווי קלט ⁦‏0.000044 ‏$⁩ 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", "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

כינויים לנתיבי שיטות

השתמשו בנתיבי השיטות המוצגים למעלה.

מזהי מודלים קשורים IDs

microsoft/mai-voice-2

FAQ · Microsoft AI: MAI-Voice-2

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

Microsoft AI: MAI-Voice-2