{ "aboutHtml": "

MiniMax Speech 02 HD ממיר טקסט שסופק לאודיו מדובר. מזהה המודל המדויק שלו ב-Ailoot הוא minimax/speech-02-hd, ובורר הסינתזה המתועד שלו הוא speech-02-hd. השתמשו במתודת audio_speech לקריינות, לשיעור מדובר, להסבר מוצר או לטיוטת קריינות שהנוסח שלהם כבר בידיכם. הקלט הוא הקטע לקריאה, והתוצאה היא דיבור מסונתז בפורמט האודיו שנבחר.

הכינו את הטקסט כמילים המיועדות לאמירה, עם פיסוק שמשקף את אופן החלוקה לביטויים. לטיוטת קריינות, ספקו את סדר המשפטים והאיות הסופיים של השמות לפני בחירת הגדרות הקול. השאירו הוראות במה בנפרד מהקטע המדובר, אלא אם המילים האלה אמורות להופיע בהקלטה. האזינו לשמות חשובים, למספרים ולמעברים בתוצאה והשוו אותם לטקסט המקור.

הטקסט חייב להיות קצר מ-10,000 תווים. חוזה הסינתזה שפורסם דורש model ו-text. לחומר ארוך יותר, הכינו קטעים במסגרת המגבלה הזו ושמרו על סדרם לעריכה. הפרופיל הסינכרוני משתמש בתגובה מלאה, כאשר stream=false הוא ברירת המחדל המתועדת. ה-API הכללי מתאר גם אפשרויות הזרמה, אך המתודה שנבחרה בכרטיס הזה היא תהליך הדיבור הסינכרוני.

voice_setting בוחר voice_id זמין ושולט ב-speed, vol ו-pitch. טווח speed המתועד הוא 0.5–2, עם 1 כברירת המחדל. vol חייב להיות גדול מ-0 ולכל היותר 10, עם 1 כברירת המחדל; pitch הוא מספר שלם בין -12 ל-12, עם 0 כברירת המחדל. התאימו כל הגדרה לצורכי הקטע: השוו את קצב הקריאה ואת בהירות השמע בהקלטה בפועל במקום להניח ששינוי מספרי יוצר ביצוע מסוים.

ערכי emotion המתועדים הם happy, sad, angry, fearful, disgusted, surprised, calm ו-fluent. הטקסט יכול גם להנחות את הרגש של המודל. text_normalization הוא בקרה בוליאנית נפרדת להכנת קריאת מספרים בסינית ובאנגלית, ו-latex_read שולט בקריאת נוסחאות LaTeX; ברירת המחדל של שניהם היא false. pronunciation_dict.tone יכול להכיל כללי החלפת הגייה מתועדים. בדקו שם או ביטוי מקצועי באודיו שהתקבל לפני שתשתמשו בו בקריינות ארוכה יותר.

audio_setting.format מקבל mp3, pcm, flac או wav, עם mp3 כברירת המחדל. sample_rate מקבל 8000, 16000, 22050, 24000, 32000 או 44100, וברירת המחדל שלו היא 32000. bitrate מקבל 32000, 64000, 128000 או 256000, ברירת המחדל שלו היא 128000 והוא חל על MP3. channel בוחר 1 למונו או 2 לסטריאו, עם 1 כברירת המחדל. שמרו את הבחירות האלה לצד קטע המקור כדי שיהיה אפשר לבדוק את הקובץ שהוחזר מול יעד העריכה או ההשמעה הרצוי.

בקרות מתועדות נוספות כוללות language_boost, שהערכים המדויקים שלו כוללים English, Russian, Chinese ו-Chinese,Yue; בחרו לקטע ערך שמופיע בפועל ברשימה. timber_weights יכול לשלב רשומות voice_id קיימות עם ערכי weight שלמים מ-1 עד 100. ערכי sound_effects שפורסמו הם spacious_echo, auditorium_echo, lofi_telephone ו-robotic. אלו בקרות אופציונליות לעיצוב קול נבחר; תעדו את ההגדרות שלהן בפועל כאשר משווים קריאות.

התוצאה הסינכרונית מכילה דיבור שנוצר. output_format בוחר url או hex, וברירת המחדל שלו בסכמת הסינתזה היא hex. הורידו את הקובץ שאליו מפנה תוצאת URL, או פענחו תוצאת hex לבתי אודיו לפני ההשמעה. שמרו את מטא-נתוני האודיו שהוחזרו, ובהם הפורמט, קצב הדגימה, מספר הערוצים והגודל, יחד עם ההקלטה. subtitle_enable הוא false כברירת מחדל וחל רק על פלט ללא הזרמה כשהוא מופעל; המקור אינו קובע פורמט לקובץ כתוביות בפרופיל הזה.

שמרו יחד את קטע המקור, מזהה המודל המדויק, בחירת הקול וההקלטה שהושלמה. בדקו את הקריאה כולה מבחינת הנוסח הרצוי, ההפסקות והגדרות ההגשה שנבחרו לפני שילובה בווידאו, בשיעור או במדריך מדובר. אם התגובה חלקית, שמרו את זהות הבקשה המקורית ואת המידע שהוחזר לצורך בירור והתאמה לפני בקשת הקלטה נוספת. תיקון מאוחר יותר יכול לשנות ביטוי מסוים או הגדרת קול תוך שימור שאר התסריט להשוואה ברורה.

", "aboutText": "MiniMax Speech 02 HD ממיר טקסט שסופק לאודיו מדובר. מזהה המודל המדויק שלו ב-Ailoot הוא minimax/speech-02-hd, ובורר הסינתזה המתועד שלו הוא speech-02-hd. השתמשו במתודת audio_speech לקריינות, לשיעור מדובר, להסבר מוצר או לטיוטת קריינות שהנוסח שלהם כבר בידיכם. הקלט הוא הקטע לקריאה, והתוצאה היא דיבור מסונתז בפורמט האודיו שנבחר.\n\nהכינו את הטקסט כמילים המיועדות לאמירה, עם פיסוק שמשקף את אופן החלוקה לביטויים. לטיוטת קריינות, ספקו את סדר המשפטים והאיות הסופיים של השמות לפני בחירת הגדרות הקול. השאירו הוראות במה בנפרד מהקטע המדובר, אלא אם המילים האלה אמורות להופיע בהקלטה. האזינו לשמות חשובים, למספרים ולמעברים בתוצאה והשוו אותם לטקסט המקור.\n\nהטקסט חייב להיות קצר מ-10,000 תווים. חוזה הסינתזה שפורסם דורש model ו-text. לחומר ארוך יותר, הכינו קטעים במסגרת המגבלה הזו ושמרו על סדרם לעריכה. הפרופיל הסינכרוני משתמש בתגובה מלאה, כאשר stream=false הוא ברירת המחדל המתועדת. ה-API הכללי מתאר גם אפשרויות הזרמה, אך המתודה שנבחרה בכרטיס הזה היא תהליך הדיבור הסינכרוני.\n\nvoice_setting בוחר voice_id זמין ושולט ב-speed, vol ו-pitch. טווח speed המתועד הוא 0.5–2, עם 1 כברירת המחדל. vol חייב להיות גדול מ-0 ולכל היותר 10, עם 1 כברירת המחדל; pitch הוא מספר שלם בין -12 ל-12, עם 0 כברירת המחדל. התאימו כל הגדרה לצורכי הקטע: השוו את קצב הקריאה ואת בהירות השמע בהקלטה בפועל במקום להניח ששינוי מספרי יוצר ביצוע מסוים.\n\nערכי emotion המתועדים הם happy, sad, angry, fearful, disgusted, surprised, calm ו-fluent. הטקסט יכול גם להנחות את הרגש של המודל. text_normalization הוא בקרה בוליאנית נפרדת להכנת קריאת מספרים בסינית ובאנגלית, ו-latex_read שולט בקריאת נוסחאות LaTeX; ברירת המחדל של שניהם היא false. pronunciation_dict.tone יכול להכיל כללי החלפת הגייה מתועדים. בדקו שם או ביטוי מקצועי באודיו שהתקבל לפני שתשתמשו בו בקריינות ארוכה יותר.\n\naudio_setting.format מקבל mp3, pcm, flac או wav, עם mp3 כברירת המחדל. sample_rate מקבל 8000, 16000, 22050, 24000, 32000 או 44100, וברירת המחדל שלו היא 32000. bitrate מקבל 32000, 64000, 128000 או 256000, ברירת המחדל שלו היא 128000 והוא חל על MP3. channel בוחר 1 למונו או 2 לסטריאו, עם 1 כברירת המחדל. שמרו את הבחירות האלה לצד קטע המקור כדי שיהיה אפשר לבדוק את הקובץ שהוחזר מול יעד העריכה או ההשמעה הרצוי.\n\nבקרות מתועדות נוספות כוללות language_boost, שהערכים המדויקים שלו כוללים English, Russian, Chinese ו-Chinese,Yue; בחרו לקטע ערך שמופיע בפועל ברשימה. timber_weights יכול לשלב רשומות voice_id קיימות עם ערכי weight שלמים מ-1 עד 100. ערכי sound_effects שפורסמו הם spacious_echo, auditorium_echo, lofi_telephone ו-robotic. אלו בקרות אופציונליות לעיצוב קול נבחר; תעדו את ההגדרות שלהן בפועל כאשר משווים קריאות.\n\nהתוצאה הסינכרונית מכילה דיבור שנוצר. output_format בוחר url או hex, וברירת המחדל שלו בסכמת הסינתזה היא hex. הורידו את הקובץ שאליו מפנה תוצאת URL, או פענחו תוצאת hex לבתי אודיו לפני ההשמעה. שמרו את מטא-נתוני האודיו שהוחזרו, ובהם הפורמט, קצב הדגימה, מספר הערוצים והגודל, יחד עם ההקלטה. subtitle_enable הוא false כברירת מחדל וחל רק על פלט ללא הזרמה כשהוא מופעל; המקור אינו קובע פורמט לקובץ כתוביות בפרופיל הזה.\n\nשמרו יחד את קטע המקור, מזהה המודל המדויק, בחירת הקול וההקלטה שהושלמה. בדקו את הקריאה כולה מבחינת הנוסח הרצוי, ההפסקות והגדרות ההגשה שנבחרו לפני שילובה בווידאו, בשיעור או במדריך מדובר. אם התגובה חלקית, שמרו את זהות הבקשה המקורית ואת המידע שהוחזר לצורך בירור והתאמה לפני בקשת הקלטה נוספת. תיקון מאוחר יותר יכול לשנות ביטוי מסוים או הגדרת קול תוך שימור שאר התסריט להשוואה ברורה.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "dc865c20bb976108b924a4681a81919a45f29452e4084f7e9637ea07f0372582", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "he", "methods": [ { "html": "

MM

MiniMax: Speech 02 HD

MiniMax /minimax/speech-02-hd

התחלה

MiniMax Speech 02 HD קורא טקסט שסופק כדיבור שנוצר באמצעות בקשת audio_speech סינכרונית. הוא מקבל טקסט קצר מ-10,000 תווים ומציע הגדרות קול, קצב וגובה צליל, עם פלט MP3, PCM, FLAC או WAV.

סוגי קלט נתמכים: טקסט
תוצאות: שמע

על המודל

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

MiniMax Speech 02 HD ממיר טקסט שסופק לאודיו מדובר. מזהה המודל המדויק שלו ב-Ailoot הוא minimax/speech-02-hd, ובורר הסינתזה המתועד שלו הוא speech-02-hd. השתמשו במתודת audio_speech לקריינות, לשיעור מדובר, להסבר מוצר או לטיוטת קריינות שהנוסח שלהם כבר בידיכם. הקלט הוא הקטע לקריאה, והתוצאה היא דיבור מסונתז בפורמט האודיו שנבחר.

הכינו את הטקסט כמילים המיועדות לאמירה, עם פיסוק שמשקף את אופן החלוקה לביטויים. לטיוטת קריינות, ספקו את סדר המשפטים והאיות הסופיים של השמות לפני בחירת הגדרות הקול. השאירו הוראות במה בנפרד מהקטע המדובר, אלא אם המילים האלה אמורות להופיע בהקלטה. האזינו לשמות חשובים, למספרים ולמעברים בתוצאה והשוו אותם לטקסט המקור.

הטקסט חייב להיות קצר מ-10,000 תווים. חוזה הסינתזה שפורסם דורש model ו-text. לחומר ארוך יותר, הכינו קטעים במסגרת המגבלה הזו ושמרו על סדרם לעריכה. הפרופיל הסינכרוני משתמש בתגובה מלאה, כאשר stream=false הוא ברירת המחדל המתועדת. ה-API הכללי מתאר גם אפשרויות הזרמה, אך המתודה שנבחרה בכרטיס הזה היא תהליך הדיבור הסינכרוני.

voice_setting בוחר voice_id זמין ושולט ב-speed, vol ו-pitch. טווח speed המתועד הוא 0.5–2, עם 1 כברירת המחדל. vol חייב להיות גדול מ-0 ולכל היותר 10, עם 1 כברירת המחדל; pitch הוא מספר שלם בין -12 ל-12, עם 0 כברירת המחדל. התאימו כל הגדרה לצורכי הקטע: השוו את קצב הקריאה ואת בהירות השמע בהקלטה בפועל במקום להניח ששינוי מספרי יוצר ביצוע מסוים.

ערכי emotion המתועדים הם happy, sad, angry, fearful, disgusted, surprised, calm ו-fluent. הטקסט יכול גם להנחות את הרגש של המודל. text_normalization הוא בקרה בוליאנית נפרדת להכנת קריאת מספרים בסינית ובאנגלית, ו-latex_read שולט בקריאת נוסחאות LaTeX; ברירת המחדל של שניהם היא false. pronunciation_dict.tone יכול להכיל כללי החלפת הגייה מתועדים. בדקו שם או ביטוי מקצועי באודיו שהתקבל לפני שתשתמשו בו בקריינות ארוכה יותר.

audio_setting.format מקבל mp3, pcm, flac או wav, עם mp3 כברירת המחדל. sample_rate מקבל 8000, 16000, 22050, 24000, 32000 או 44100, וברירת המחדל שלו היא 32000. bitrate מקבל 32000, 64000, 128000 או 256000, ברירת המחדל שלו היא 128000 והוא חל על MP3. channel בוחר 1 למונו או 2 לסטריאו, עם 1 כברירת המחדל. שמרו את הבחירות האלה לצד קטע המקור כדי שיהיה אפשר לבדוק את הקובץ שהוחזר מול יעד העריכה או ההשמעה הרצוי.

בקרות מתועדות נוספות כוללות language_boost, שהערכים המדויקים שלו כוללים English, Russian, Chinese ו-Chinese,Yue; בחרו לקטע ערך שמופיע בפועל ברשימה. timber_weights יכול לשלב רשומות voice_id קיימות עם ערכי weight שלמים מ-1 עד 100. ערכי sound_effects שפורסמו הם spacious_echo, auditorium_echo, lofi_telephone ו-robotic. אלו בקרות אופציונליות לעיצוב קול נבחר; תעדו את ההגדרות שלהן בפועל כאשר משווים קריאות.

התוצאה הסינכרונית מכילה דיבור שנוצר. output_format בוחר url או hex, וברירת המחדל שלו בסכמת הסינתזה היא hex. הורידו את הקובץ שאליו מפנה תוצאת URL, או פענחו תוצאת hex לבתי אודיו לפני ההשמעה. שמרו את מטא-נתוני האודיו שהוחזרו, ובהם הפורמט, קצב הדגימה, מספר הערוצים והגודל, יחד עם ההקלטה. subtitle_enable הוא false כברירת מחדל וחל רק על פלט ללא הזרמה כשהוא מופעל; המקור אינו קובע פורמט לקובץ כתוביות בפרופיל הזה.

שמרו יחד את קטע המקור, מזהה המודל המדויק, בחירת הקול וההקלטה שהושלמה. בדקו את הקריאה כולה מבחינת הנוסח הרצוי, ההפסקות והגדרות ההגשה שנבחרו לפני שילובה בווידאו, בשיעור או במדריך מדובר. אם התגובה חלקית, שמרו את זהות הבקשה המקורית ואת המידע שהוחזר לצורך בירור והתאמה לפני בקשת הקלטה נוספת. תיקון מאוחר יותר יכול לשנות ביטוי מסוים או הגדרת קול תוך שימור שאר התסריט להשוואה ברורה.

זמין ב-Ailoot · קלט ושיטות

Ailoot Ultra · Speech POST /v1/audio/speech

סוגי קלט: text
סוגי פלט: audio
פורמט פלט: mp3,pcm,flac,wav

שדה	סוג	דרישה	ערכים ומגבלות	ברירת מחדל
שדה`model`	סוג`string`	דרישהחובה	ערכים ומגבלות minimax/speech-02-hd	ברירת מחדל—
שדה`text`	סוג`string`	דרישהחובה	ערכים ומגבלות	ברירת מחדל—
שדה`stream`	סוג`boolean`	דרישהרשות	ערכים ומגבלות false	ברירת מחדלfalse
שדה`voice_setting`	סוג`object`	דרישהרשות	ערכים ומגבלות	ברירת מחדל—
שדה`voice_setting.voice_id`	סוג`string`	דרישהרשות	ערכים ומגבלות	ברירת מחדל—
שדה`voice_setting.speed`	סוג`number`	דרישהרשות	ערכים ומגבלות מינימום: ⁦0.5⁩ מקסימום: ⁦2⁩	ברירת מחדל⁦1⁩
שדה`voice_setting.vol`	סוג`number`	דרישהרשות	ערכים ומגבלות מינימום: ⁦0⁩ מקסימום: ⁦10⁩	ברירת מחדל⁦1⁩
שדה`voice_setting.pitch`	סוג`integer`	דרישהרשות	ערכים ומגבלות מינימום: ⁦‎-12⁩ מקסימום: ⁦12⁩	ברירת מחדל⁦0⁩
שדה`voice_setting.emotion`	סוג`string`	דרישהרשות	ערכים ומגבלות happy, sad, angry, fearful, disgusted, surprised, calm, fluent	ברירת מחדל—
שדה`voice_setting.text_normalization`	סוג`boolean`	דרישהרשות	ערכים ומגבלות	ברירת מחדלfalse
שדה`voice_setting.latex_read`	סוג`boolean`	דרישהרשות	ערכים ומגבלות	ברירת מחדלfalse
שדה`audio_setting`	סוג`object`	דרישהרשות	ערכים ומגבלות	ברירת מחדל—
שדה`audio_setting.sample_rate`	סוג`integer`	דרישהרשות	ערכים ומגבלות ⁦8,000⁩, ⁦16,000⁩, ⁦22,050⁩, ⁦24,000⁩, ⁦32,000⁩, ⁦44,100⁩	ברירת מחדל⁦32,000⁩
שדה`audio_setting.bitrate`	סוג`integer`	דרישהרשות	ערכים ומגבלות ⁦32,000⁩, ⁦64,000⁩, ⁦128,000⁩, ⁦256,000⁩	ברירת מחדל⁦128,000⁩
שדה`audio_setting.format`	סוג`string`	דרישהרשות	ערכים ומגבלות mp3, pcm, flac, wav	ברירת מחדלmp3
שדה`audio_setting.channel`	סוג`integer`	דרישהרשות	ערכים ומגבלות ⁦1⁩, ⁦2⁩	ברירת מחדל⁦1⁩
שדה`audio_setting.force_cbr`	סוג`boolean`	דרישהרשות	ערכים ומגבלות	ברירת מחדלfalse
שדה`pronunciation_dict`	סוג`object`	דרישהרשות	ערכים ומגבלות	ברירת מחדל—
שדה`pronunciation_dict.tone`	סוג`array`	דרישהרשות	ערכים ומגבלות	ברירת מחדל—
שדה`timber_weights`	סוג`array`	דרישהרשות	ערכים ומגבלות	ברירת מחדל—
שדה`language_boost`	סוג`string`	דרישהרשות	ערכים ומגבלות Chinese, Chinese,Yue, English, Arabic, Russian, Spanish, French, Portuguese, German, Turkish, Dutch, Ukrainian, Vietnamese, Indonesian, Japanese, Italian, Korean, Thai, Polish, Romanian, Greek, Czech, Finnish, Hindi, Bulgarian, Danish, Hebrew, Malay, Persian, Slovak, Swedish, Croatian, Filipino, Hungarian, Norwegian, Slovenian, Catalan, Nynorsk, Tamil, Afrikaans, auto	ברירת מחדל—
שדה`voice_modify`	סוג`object`	דרישהרשות	ערכים ומגבלות	ברירת מחדל—
שדה`voice_modify.pitch`	סוג`integer`	דרישהרשות	ערכים ומגבלות ⁦‎-100⁩, ⁦100⁩	ברירת מחדל—
שדה`voice_modify.intensity`	סוג`integer`	דרישהרשות	ערכים ומגבלות ⁦‎-100⁩, ⁦100⁩	ברירת מחדל—
שדה`voice_modify.timbre`	סוג`integer`	דרישהרשות	ערכים ומגבלות ⁦‎-100⁩, ⁦100⁩	ברירת מחדל—
שדה`voice_modify.sound_effects`	סוג`string`	דרישהרשות	ערכים ומגבלות spacious_echo, auditorium_echo, lofi_telephone, robotic	ברירת מחדל—
שדה`subtitle_enable`	סוג`boolean`	דרישהרשות	ערכים ומגבלות	ברירת מחדלfalse
שדה`output_format`	סוג`string`	דרישהרשות	ערכים ומגבלות url, hex	ברירת מחדלhex
שדה`aigc_watermark`	סוג`boolean`	דרישהרשות	ערכים ומגבלות	ברירת מחדלfalse

פרמטרים ומחזור חיים של השיטה

פרמטר	מפרט
פרמטר`content_type`	מפרטapplication/json
פרמטר`required`	מפרטmodel, text
פרמטר`optional`	מפרטstream, voice_setting, audio_setting, pronunciation_dict, timber_weights, language_boost, voice_modify, subtitle_enable, output_format, aigc_watermark
פרמטר`material_types`	מפרטtext
פרמטר`conditions`	מפרטUse text, not input or contents. Fewer than 10000 Unicode characters; stream is false or omitted., PCM is raw audio with its returned sample geometry; do not invent a WAV header or bit depth.

מחזור חיים: synchronous_result_then_owned_library

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

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	יחידת חיוב	חיוב
תצורהתעריפי בסיס לטוקנים	טבלת תעריפיםתעריף בסיס	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
תצורהתו בקלט	טבלת תעריפים—	יחידת חיובלכל תו בקלט	חיוב קלט · תו בקלט $0.0002 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 · Speech

set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "minimax/speech-02-hd", "text": "Hello, this is a short speech example.", "stream": false, "output_format": "hex", "audio_setting": {"format": "mp3", "sample_rate": 32000, "channel": 1}}')\n\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 result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\n

קבלה ושמירה של תוצאות

Ailoot Ultra · Speech

mp3,pcm,flac,wav

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

שמירת כל התוצאות שהושלמו

שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.

Retain the full JSON. Decode every hex audio byte or use the returned owned URL. Keep the actual format, sample rate, channel count and usage_characters.

כשצריך לבדוק את התגובה המקורית

Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.

שדות התגובה

שדה	סוג
שדה`data.audio`	סוגstring
שדה`extra_info`	סוגobject
שדה`trace_id`	סוגstring

כינויים

כינויים למודל

Ailoot Ultra minimax/speech-02-hd

כינויים לנתיבי שיטות

השתמשו בנתיבי השיטות המוצגים למעלה.

מזהי מודלים קשורים IDs

minimax/speech-02-hd

", "method_identity": { "effective_request_model_id": "minimax/speech-02-hd", "fmt": "speech", "http": "POST", "path": "/v1/audio/speech", "request_model_id": "minimax/speech-02-hd", "route_label": "Ultra" }, "method_key": "Ultra|speech|/v1/audio/speech|minimax%2Fspeech-02-hd", "ordinal": 0, "rawMethod": { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Retain the complete response, all actual results, original identifiers, usage and response headers.", "authentication": { "api_key_source": "AILOOT_API_KEY", "header": "Authorization: Bearer" }, "example_body": { "audio_setting": { "channel": 1, "format": "mp3", "sample_rate": 32000 }, "model": "minimax/speech-02-hd", "output_format": "hex", "stream": false, "text": "Hello, this is a short speech example." }, "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets", "query": { "cursor": "actual returned next_cursor, when present", "family": "audio" } }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "cancel_endpoint": null, "create": { "http": "POST", "path": "/v1/audio/speech" }, "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "owned_content": { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "Use the exact returned content_url. Refresh an expired link by reading the same existing asset." }, "status": [], "unknown": "Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.", "unknown_no_replay": true }, "outputs": { "all_results": "Retain the full JSON. Decode every hex audio byte or use the returned owned URL. Keep the actual format, sample rate, channel count and usage_characters.", "family": "audio", "fields": [ { "name": "data.audio", "type": "string" }, { "name": "extra_info", "type": "object" }, { "name": "trace_id", "type": "string" } ], "format": [ "mp3", "pcm", "flac", "wav" ] }, "parameters": [ { "default_known": false, "enum": [ "minimax/speech-02-hd" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "default_known": false, "enum_known": false, "maxLength": 9999, "minLength": 1, "name": "text", "required": true, "type": "string" }, { "default": false, "default_known": true, "enum": [ false ], "enum_known": true, "name": "stream", "required": false, "type": "boolean" }, { "default_known": false, "enum_known": false, "name": "voice_setting", "properties": { "emotion": { "enum": [ "happy", "sad", "angry", "fearful", "disgusted", "surprised", "calm", "fluent" ], "type": "string" }, "latex_read": { "default": false, "type": "boolean" }, "pitch": { "default": 0, "maximum": 12, "minimum": -12, "type": "integer" }, "speed": { "default": 1, "maximum": 2, "minimum": 0.5, "type": "number" }, "text_normalization": { "default": false, "type": "boolean" }, "voice_id": { "type": "string" }, "vol": { "default": 1, "exclusiveMinimum": true, "maximum": 10, "minimum": 0, "type": "number" } }, "required": false, "type": "object" }, { "default_known": false, "enum_known": false, "name": "voice_setting.voice_id", "required": false, "type": "string" }, { "default": 1, "default_known": true, "enum_known": false, "maximum": 2, "minimum": 0.5, "name": "voice_setting.speed", "required": false, "type": "number" }, { "default": 1, "default_known": true, "enum_known": false, "exclusiveMinimum": true, "maximum": 10, "minimum": 0, "name": "voice_setting.vol", "required": false, "type": "number" }, { "default": 0, "default_known": true, "enum_known": false, "maximum": 12, "minimum": -12, "name": "voice_setting.pitch", "required": false, "type": "integer" }, { "default_known": false, "enum": [ "happy", "sad", "angry", "fearful", "disgusted", "surprised", "calm", "fluent" ], "enum_known": true, "name": "voice_setting.emotion", "required": false, "type": "string" }, { "default": false, "default_known": true, "enum_known": false, "name": "voice_setting.text_normalization", "required": false, "type": "boolean" }, { "default": false, "default_known": true, "enum_known": false, "name": "voice_setting.latex_read", "required": false, "type": "boolean" }, { "default_known": false, "enum_known": false, "name": "audio_setting", "properties": { "bitrate": { "default": 128000, "enum": [ 32000, 64000, 128000, 256000 ], "type": "integer" }, "channel": { "default": 1, "enum": [ 1, 2 ], "type": "integer" }, "force_cbr": { "default": false, "type": "boolean" }, "format": { "default": "mp3", "enum": [ "mp3", "pcm", "flac", "wav" ], "type": "string" }, "sample_rate": { "default": 32000, "enum": [ 8000, 16000, 22050, 24000, 32000, 44100 ], "type": "integer" } }, "required": false, "type": "object" }, { "default": 32000, "default_known": true, "enum": [ 8000, 16000, 22050, 24000, 32000, 44100 ], "enum_known": true, "name": "audio_setting.sample_rate", "required": false, "type": "integer" }, { "default": 128000, "default_known": true, "enum": [ 32000, 64000, 128000, 256000 ], "enum_known": true, "name": "audio_setting.bitrate", "required": false, "type": "integer" }, { "default": "mp3", "default_known": true, "enum": [ "mp3", "pcm", "flac", "wav" ], "enum_known": true, "name": "audio_setting.format", "required": false, "type": "string" }, { "default": 1, "default_known": true, "enum": [ 1, 2 ], "enum_known": true, "name": "audio_setting.channel", "required": false, "type": "integer" }, { "default": false, "default_known": true, "enum_known": false, "name": "audio_setting.force_cbr", "required": false, "type": "boolean" }, { "default_known": false, "enum_known": false, "name": "pronunciation_dict", "properties": { "tone": { "items": { "type": "string" }, "type": "array" } }, "required": false, "type": "object" }, { "default_known": false, "enum_known": false, "items": { "type": "string" }, "name": "pronunciation_dict.tone", "required": false, "type": "array" }, { "default_known": false, "enum_known": false, "items": { "properties": { "voice_id": { "type": "string" }, "weight": { "type": "integer" } }, "type": "object" }, "name": "timber_weights", "required": false, "type": "array" }, { "default_known": false, "enum": [ "Chinese", "Chinese,Yue", "English", "Arabic", "Russian", "Spanish", "French", "Portuguese", "German", "Turkish", "Dutch", "Ukrainian", "Vietnamese", "Indonesian", "Japanese", "Italian", "Korean", "Thai", "Polish", "Romanian", "Greek", "Czech", "Finnish", "Hindi", "Bulgarian", "Danish", "Hebrew", "Malay", "Persian", "Slovak", "Swedish", "Croatian", "Filipino", "Hungarian", "Norwegian", "Slovenian", "Catalan", "Nynorsk", "Tamil", "Afrikaans", "auto" ], "enum_known": true, "name": "language_boost", "required": false, "type": "string" }, { "default_known": false, "enum_known": false, "name": "voice_modify", "properties": { "intensity": { "enum": [ -100, 100 ], "type": "integer" }, "pitch": { "enum": [ -100, 100 ], "type": "integer" }, "sound_effects": { "enum": [ "spacious_echo", "auditorium_echo", "lofi_telephone", "robotic" ], "type": "string" }, "timbre": { "enum": [ -100, 100 ], "type": "integer" } }, "required": false, "type": "object" }, { "default_known": false, "enum": [ -100, 100 ], "enum_known": true, "name": "voice_modify.pitch", "required": false, "type": "integer" }, { "default_known": false, "enum": [ -100, 100 ], "enum_known": true, "name": "voice_modify.intensity", "required": false, "type": "integer" }, { "default_known": false, "enum": [ -100, 100 ], "enum_known": true, "name": "voice_modify.timbre", "required": false, "type": "integer" }, { "default_known": false, "enum": [ "spacious_echo", "auditorium_echo", "lofi_telephone", "robotic" ], "enum_known": true, "name": "voice_modify.sound_effects", "required": false, "type": "string" }, { "default": false, "default_known": true, "enum_known": false, "name": "subtitle_enable", "required": false, "type": "boolean" }, { "default": "hex", "default_known": true, "enum": [ "url", "hex" ], "enum_known": true, "name": "output_format", "required": false, "type": "string" }, { "default": false, "default_known": true, "enum_known": false, "name": "aigc_watermark", "required": false, "type": "boolean" } ], "request_schema": { "properties": { "aigc_watermark": { "default": false, "type": "boolean" }, "audio_setting": { "properties": { "bitrate": { "default": 128000, "enum": [ 32000, 64000, 128000, 256000 ], "type": "integer" }, "channel": { "default": 1, "enum": [ 1, 2 ], "type": "integer" }, "force_cbr": { "default": false, "type": "boolean" }, "format": { "default": "mp3", "enum": [ "mp3", "pcm", "flac", "wav" ], "type": "string" }, "sample_rate": { "default": 32000, "enum": [ 8000, 16000, 22050, 24000, 32000, 44100 ], "type": "integer" } }, "type": "object" }, "language_boost": { "enum": [ "Chinese", "Chinese,Yue", "English", "Arabic", "Russian", "Spanish", "French", "Portuguese", "German", "Turkish", "Dutch", "Ukrainian", "Vietnamese", "Indonesian", "Japanese", "Italian", "Korean", "Thai", "Polish", "Romanian", "Greek", "Czech", "Finnish", "Hindi", "Bulgarian", "Danish", "Hebrew", "Malay", "Persian", "Slovak", "Swedish", "Croatian", "Filipino", "Hungarian", "Norwegian", "Slovenian", "Catalan", "Nynorsk", "Tamil", "Afrikaans", "auto" ], "type": "string" }, "model": { "enum": [ "minimax/speech-02-hd" ], "type": "string" }, "output_format": { "default": "hex", "enum": [ "url", "hex" ], "type": "string" }, "pronunciation_dict": { "properties": { "tone": { "items": { "type": "string" }, "type": "array" } }, "type": "object" }, "stream": { "default": false, "enum": [ false ], "type": "boolean" }, "subtitle_enable": { "default": false, "type": "boolean" }, "text": { "maxLength": 9999, "minLength": 1, "type": "string" }, "timber_weights": { "items": { "properties": { "voice_id": { "type": "string" }, "weight": { "type": "integer" } }, "type": "object" }, "type": "array" }, "voice_modify": { "properties": { "intensity": { "enum": [ -100, 100 ], "type": "integer" }, "pitch": { "enum": [ -100, 100 ], "type": "integer" }, "sound_effects": { "enum": [ "spacious_echo", "auditorium_echo", "lofi_telephone", "robotic" ], "type": "string" }, "timbre": { "enum": [ -100, 100 ], "type": "integer" } }, "type": "object" }, "voice_setting": { "properties": { "emotion": { "enum": [ "happy", "sad", "angry", "fearful", "disgusted", "surprised", "calm", "fluent" ], "type": "string" }, "latex_read": { "default": false, "type": "boolean" }, "pitch": { "default": 0, "maximum": 12, "minimum": -12, "type": "integer" }, "speed": { "default": 1, "maximum": 2, "minimum": 0.5, "type": "number" }, "text_normalization": { "default": false, "type": "boolean" }, "voice_id": { "type": "string" }, "vol": { "default": 1, "exclusiveMinimum": true, "maximum": 10, "minimum": 0, "type": "number" } }, "type": "object" } }, "required": [ "model", "text" ], "type": "object" }, "schema_template": { "body": { "audio_setting": { "channel": 1, "format": "mp3", "sample_rate": 32000 }, "model": "minimax/speech-02-hd", "output_format": "hex", "stream": false, "text": "Hello, this is a short speech example." }, "content_type": "application/json" } }, "input": { "conditions": [ "Use text, not input or contents. Fewer than 10000 Unicode characters; stream is false or omitted.", "PCM is raw audio with its returned sample geometry; do not invent a WAV header or bit depth." ], "content_type": "application/json", "material_types": [ "text" ], "optional": [ "stream", "voice_setting", "audio_setting", "pronunciation_dict", "timber_weights", "language_boost", "voice_modify", "subtitle_enable", "output_format", "aigc_watermark" ], "required": [ "model", "text" ] }, "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets", "query": { "cursor": "actual returned next_cursor, when present", "family": "audio" } }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "cancel_endpoint": null, "create": { "http": "POST", "path": "/v1/audio/speech" }, "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "owned_content": { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "Use the exact returned content_url. Refresh an expired link by reading the same existing asset." }, "status": [], "unknown": "Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.", "unknown_no_replay": true }, "method": { "http": "POST", "path": "/v1/audio/speech" }, "method_aliases": [], "output": { "all_results": "Retain the full JSON. Decode every hex audio byte or use the returned owned URL. Keep the actual format, sample rate, channel count and usage_characters.", "family": "audio", "fields": [ { "name": "data.audio", "type": "string" }, { "name": "extra_info", "type": "object" }, { "name": "trace_id", "type": "string" } ], "format": [ "mp3", "pcm", "flac", "wav" ] } }, "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": { "quoted_unit": "per input character" }, "label": "input character", "units": [ { "amount": "0.0002", "amount_unit": "usd_per_exact_native_unit", "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 input character", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_character" } ] } ], "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"minimax/speech-02-hd\", \"text\": \"Hello, this is a short speech example.\", \"stream\": false, \"output_format\": \"hex\", \"audio_setting\": {\"format\": \"mp3\", \"sample_rate\": 32000, \"channel\": 1}}')\n\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 result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\n", "label": "curl · create once and retain the complete result", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "speech", "http": "POST", "img_in": null, "img_out": null, "in": null, "input": [ "text" ], "label": "Speech", "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", "cache_read_price": null, "cache_write_1h_price": null, "cache_write_price": null, "fast_multiplier": null, "flex_multiplier": null, "image_input_price": null, "image_output_price": null, "input_price": null, "intervals": null, "max_reasoning_effort_multiplier": null, "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": { "quoted_unit": "per input character" }, "label": "input character", "units": [ { "amount": "0.0002", "amount_unit": "usd_per_exact_native_unit", "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 input character", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_character" } ] } ], "request_model_id": "minimax/speech-02-hd", "route_label": "Ultra", "status_reads": [], "tiers": [], "unit": "per_request", "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": "0.0002", "amount_unit": "usd_per_exact_native_unit", "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 input character", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_character" } ] } } ], "model_id": "minimax/speech-02-hd", "nativeProvenance": { "input_facts_canonical_sha256": "f64df419e31934be21a1e975d1a52b35f7147c215a1a857a92ee3e175e80f056", "input_html_sha256": "5bc4765cf2a9fcce50af3337e18a1e25b44b5dd94029d33d966cc005ad7fbe0c", "private_audit_sha256": "2538f17a7f1b664a3a907ed55352952ad88acc6136ed8305346de8ffc1bfb809", "role": "historical-normalized-input-audit-hashes", "schema": "ailoot-native-model-provenance-v2" }, "page": { "canonical": "https://ailoot.ai/models/he/minimax-speech-02-hd/", "description": "MiniMax Speech 02 HD קורא טקסט שסופק כדיבור שנוצר באמצעות בקשת audio_speech סינכרונית. הוא מקבל טקסט קצר מ-10,000 תווים ומציע הגדרות קול, קצב וגובה צליל, עם פלט MP3, PCM, FLAC או WAV.", "locale": "he", "md_url": "https://ailoot.ai/models/he/minimax-speech-02-hd/index.md", "title": "MiniMax: Speech 02 HD — Ailoot", "url": "https://ailoot.ai/models/he/minimax-speech-02-hd/" }, "rawModel": { "about": "MiniMax Speech 02 HD ממיר טקסט שסופק לאודיו מדובר. מזהה המודל המדויק שלו ב-Ailoot הוא minimax/speech-02-hd, ובורר הסינתזה המתועד שלו הוא speech-02-hd. השתמשו במתודת audio_speech לקריינות, לשיעור מדובר, להסבר מוצר או לטיוטת קריינות שהנוסח שלהם כבר בידיכם. הקלט הוא הקטע לקריאה, והתוצאה היא דיבור מסונתז בפורמט האודיו שנבחר.\n\nהכינו את הטקסט כמילים המיועדות לאמירה, עם פיסוק שמשקף את אופן החלוקה לביטויים. לטיוטת קריינות, ספקו את סדר המשפטים והאיות הסופיים של השמות לפני בחירת הגדרות הקול. השאירו הוראות במה בנפרד מהקטע המדובר, אלא אם המילים האלה אמורות להופיע בהקלטה. האזינו לשמות חשובים, למספרים ולמעברים בתוצאה והשוו אותם לטקסט המקור.\n\nהטקסט חייב להיות קצר מ-10,000 תווים. חוזה הסינתזה שפורסם דורש model ו-text. לחומר ארוך יותר, הכינו קטעים במסגרת המגבלה הזו ושמרו על סדרם לעריכה. הפרופיל הסינכרוני משתמש בתגובה מלאה, כאשר stream=false הוא ברירת המחדל המתועדת. ה-API הכללי מתאר גם אפשרויות הזרמה, אך המתודה שנבחרה בכרטיס הזה היא תהליך הדיבור הסינכרוני.\n\nvoice_setting בוחר voice_id זמין ושולט ב-speed, vol ו-pitch. טווח speed המתועד הוא 0.5–2, עם 1 כברירת המחדל. vol חייב להיות גדול מ-0 ולכל היותר 10, עם 1 כברירת המחדל; pitch הוא מספר שלם בין -12 ל-12, עם 0 כברירת המחדל. התאימו כל הגדרה לצורכי הקטע: השוו את קצב הקריאה ואת בהירות השמע בהקלטה בפועל במקום להניח ששינוי מספרי יוצר ביצוע מסוים.\n\nערכי emotion המתועדים הם happy, sad, angry, fearful, disgusted, surprised, calm ו-fluent. הטקסט יכול גם להנחות את הרגש של המודל. text_normalization הוא בקרה בוליאנית נפרדת להכנת קריאת מספרים בסינית ובאנגלית, ו-latex_read שולט בקריאת נוסחאות LaTeX; ברירת המחדל של שניהם היא false. pronunciation_dict.tone יכול להכיל כללי החלפת הגייה מתועדים. בדקו שם או ביטוי מקצועי באודיו שהתקבל לפני שתשתמשו בו בקריינות ארוכה יותר.\n\naudio_setting.format מקבל mp3, pcm, flac או wav, עם mp3 כברירת המחדל. sample_rate מקבל 8000, 16000, 22050, 24000, 32000 או 44100, וברירת המחדל שלו היא 32000. bitrate מקבל 32000, 64000, 128000 או 256000, ברירת המחדל שלו היא 128000 והוא חל על MP3. channel בוחר 1 למונו או 2 לסטריאו, עם 1 כברירת המחדל. שמרו את הבחירות האלה לצד קטע המקור כדי שיהיה אפשר לבדוק את הקובץ שהוחזר מול יעד העריכה או ההשמעה הרצוי.\n\nבקרות מתועדות נוספות כוללות language_boost, שהערכים המדויקים שלו כוללים English, Russian, Chinese ו-Chinese,Yue; בחרו לקטע ערך שמופיע בפועל ברשימה. timber_weights יכול לשלב רשומות voice_id קיימות עם ערכי weight שלמים מ-1 עד 100. ערכי sound_effects שפורסמו הם spacious_echo, auditorium_echo, lofi_telephone ו-robotic. אלו בקרות אופציונליות לעיצוב קול נבחר; תעדו את ההגדרות שלהן בפועל כאשר משווים קריאות.\n\nהתוצאה הסינכרונית מכילה דיבור שנוצר. output_format בוחר url או hex, וברירת המחדל שלו בסכמת הסינתזה היא hex. הורידו את הקובץ שאליו מפנה תוצאת URL, או פענחו תוצאת hex לבתי אודיו לפני ההשמעה. שמרו את מטא-נתוני האודיו שהוחזרו, ובהם הפורמט, קצב הדגימה, מספר הערוצים והגודל, יחד עם ההקלטה. subtitle_enable הוא false כברירת מחדל וחל רק על פלט ללא הזרמה כשהוא מופעל; המקור אינו קובע פורמט לקובץ כתוביות בפרופיל הזה.\n\nשמרו יחד את קטע המקור, מזהה המודל המדויק, בחירת הקול וההקלטה שהושלמה. בדקו את הקריאה כולה מבחינת הנוסח הרצוי, ההפסקות והגדרות ההגשה שנבחרו לפני שילובה בווידאו, בשיעור או במדריך מדובר. אם התגובה חלקית, שמרו את זהות הבקשה המקורית ואת המידע שהוחזר לצורך בירור והתאמה לפני בקשת הקלטה נוספת. תיקון מאוחר יותר יכול לשנות ביטוי מסוים או הגדרת קול תוך שימור שאר התסריט להשוואה ברורה.", "alias_of": null, "aliases": [], "author": "MiniMax", "ctx": null, "formats": [ "speech" ], "id": "minimax/speech-02-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": "Retain the complete response, all actual results, original identifiers, usage and response headers.", "authentication": { "api_key_source": "AILOOT_API_KEY", "header": "Authorization: Bearer" }, "example_body": { "audio_setting": { "channel": 1, "format": "mp3", "sample_rate": 32000 }, "model": "minimax/speech-02-hd", "output_format": "hex", "stream": false, "text": "Hello, this is a short speech example." }, "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets", "query": { "cursor": "actual returned next_cursor, when present", "family": "audio" } }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "cancel_endpoint": null, "create": { "http": "POST", "path": "/v1/audio/speech" }, "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "owned_content": { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "Use the exact returned content_url. Refresh an expired link by reading the same existing asset." }, "status": [], "unknown": "Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.", "unknown_no_replay": true }, "outputs": { "all_results": "Retain the full JSON. Decode every hex audio byte or use the returned owned URL. Keep the actual format, sample rate, channel count and usage_characters.", "family": "audio", "fields": [ { "name": "data.audio", "type": "string" }, { "name": "extra_info", "type": "object" }, { "name": "trace_id", "type": "string" } ], "format": [ "mp3", "pcm", "flac", "wav" ] }, "parameters": [ { "default_known": false, "enum": [ "minimax/speech-02-hd" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "default_known": false, "enum_known": false, "maxLength": 9999, "minLength": 1, "name": "text", "required": true, "type": "string" }, { "default": false, "default_known": true, "enum": [ false ], "enum_known": true, "name": "stream", "required": false, "type": "boolean" }, { "default_known": false, "enum_known": false, "name": "voice_setting", "properties": { "emotion": { "enum": [ "happy", "sad", "angry", "fearful", "disgusted", "surprised", "calm", "fluent" ], "type": "string" }, "latex_read": { "default": false, "type": "boolean" }, "pitch": { "default": 0, "maximum": 12, "minimum": -12, "type": "integer" }, "speed": { "default": 1, "maximum": 2, "minimum": 0.5, "type": "number" }, "text_normalization": { "default": false, "type": "boolean" }, "voice_id": { "type": "string" }, "vol": { "default": 1, "exclusiveMinimum": true, "maximum": 10, "minimum": 0, "type": "number" } }, "required": false, "type": "object" }, { "default_known": false, "enum_known": false, "name": "voice_setting.voice_id", "required": false, "type": "string" }, { "default": 1, "default_known": true, "enum_known": false, "maximum": 2, "minimum": 0.5, "name": "voice_setting.speed", "required": false, "type": "number" }, { "default": 1, "default_known": true, "enum_known": false, "exclusiveMinimum": true, "maximum": 10, "minimum": 0, "name": "voice_setting.vol", "required": false, "type": "number" }, { "default": 0, "default_known": true, "enum_known": false, "maximum": 12, "minimum": -12, "name": "voice_setting.pitch", "required": false, "type": "integer" }, { "default_known": false, "enum": [ "happy", "sad", "angry", "fearful", "disgusted", "surprised", "calm", "fluent" ], "enum_known": true, "name": "voice_setting.emotion", "required": false, "type": "string" }, { "default": false, "default_known": true, "enum_known": false, "name": "voice_setting.text_normalization", "required": false, "type": "boolean" }, { "default": false, "default_known": true, "enum_known": false, "name": "voice_setting.latex_read", "required": false, "type": "boolean" }, { "default_known": false, "enum_known": false, "name": "audio_setting", "properties": { "bitrate": { "default": 128000, "enum": [ 32000, 64000, 128000, 256000 ], "type": "integer" }, "channel": { "default": 1, "enum": [ 1, 2 ], "type": "integer" }, "force_cbr": { "default": false, "type": "boolean" }, "format": { "default": "mp3", "enum": [ "mp3", "pcm", "flac", "wav" ], "type": "string" }, "sample_rate": { "default": 32000, "enum": [ 8000, 16000, 22050, 24000, 32000, 44100 ], "type": "integer" } }, "required": false, "type": "object" }, { "default": 32000, "default_known": true, "enum": [ 8000, 16000, 22050, 24000, 32000, 44100 ], "enum_known": true, "name": "audio_setting.sample_rate", "required": false, "type": "integer" }, { "default": 128000, "default_known": true, "enum": [ 32000, 64000, 128000, 256000 ], "enum_known": true, "name": "audio_setting.bitrate", "required": false, "type": "integer" }, { "default": "mp3", "default_known": true, "enum": [ "mp3", "pcm", "flac", "wav" ], "enum_known": true, "name": "audio_setting.format", "required": false, "type": "string" }, { "default": 1, "default_known": true, "enum": [ 1, 2 ], "enum_known": true, "name": "audio_setting.channel", "required": false, "type": "integer" }, { "default": false, "default_known": true, "enum_known": false, "name": "audio_setting.force_cbr", "required": false, "type": "boolean" }, { "default_known": false, "enum_known": false, "name": "pronunciation_dict", "properties": { "tone": { "items": { "type": "string" }, "type": "array" } }, "required": false, "type": "object" }, { "default_known": false, "enum_known": false, "items": { "type": "string" }, "name": "pronunciation_dict.tone", "required": false, "type": "array" }, { "default_known": false, "enum_known": false, "items": { "properties": { "voice_id": { "type": "string" }, "weight": { "type": "integer" } }, "type": "object" }, "name": "timber_weights", "required": false, "type": "array" }, { "default_known": false, "enum": [ "Chinese", "Chinese,Yue", "English", "Arabic", "Russian", "Spanish", "French", "Portuguese", "German", "Turkish", "Dutch", "Ukrainian", "Vietnamese", "Indonesian", "Japanese", "Italian", "Korean", "Thai", "Polish", "Romanian", "Greek", "Czech", "Finnish", "Hindi", "Bulgarian", "Danish", "Hebrew", "Malay", "Persian", "Slovak", "Swedish", "Croatian", "Filipino", "Hungarian", "Norwegian", "Slovenian", "Catalan", "Nynorsk", "Tamil", "Afrikaans", "auto" ], "enum_known": true, "name": "language_boost", "required": false, "type": "string" }, { "default_known": false, "enum_known": false, "name": "voice_modify", "properties": { "intensity": { "enum": [ -100, 100 ], "type": "integer" }, "pitch": { "enum": [ -100, 100 ], "type": "integer" }, "sound_effects": { "enum": [ "spacious_echo", "auditorium_echo", "lofi_telephone", "robotic" ], "type": "string" }, "timbre": { "enum": [ -100, 100 ], "type": "integer" } }, "required": false, "type": "object" }, { "default_known": false, "enum": [ -100, 100 ], "enum_known": true, "name": "voice_modify.pitch", "required": false, "type": "integer" }, { "default_known": false, "enum": [ -100, 100 ], "enum_known": true, "name": "voice_modify.intensity", "required": false, "type": "integer" }, { "default_known": false, "enum": [ -100, 100 ], "enum_known": true, "name": "voice_modify.timbre", "required": false, "type": "integer" }, { "default_known": false, "enum": [ "spacious_echo", "auditorium_echo", "lofi_telephone", "robotic" ], "enum_known": true, "name": "voice_modify.sound_effects", "required": false, "type": "string" }, { "default": false, "default_known": true, "enum_known": false, "name": "subtitle_enable", "required": false, "type": "boolean" }, { "default": "hex", "default_known": true, "enum": [ "url", "hex" ], "enum_known": true, "name": "output_format", "required": false, "type": "string" }, { "default": false, "default_known": true, "enum_known": false, "name": "aigc_watermark", "required": false, "type": "boolean" } ], "request_schema": { "properties": { "aigc_watermark": { "default": false, "type": "boolean" }, "audio_setting": { "properties": { "bitrate": { "default": 128000, "enum": [ 32000, 64000, 128000, 256000 ], "type": "integer" }, "channel": { "default": 1, "enum": [ 1, 2 ], "type": "integer" }, "force_cbr": { "default": false, "type": "boolean" }, "format": { "default": "mp3", "enum": [ "mp3", "pcm", "flac", "wav" ], "type": "string" }, "sample_rate": { "default": 32000, "enum": [ 8000, 16000, 22050, 24000, 32000, 44100 ], "type": "integer" } }, "type": "object" }, "language_boost": { "enum": [ "Chinese", "Chinese,Yue", "English", "Arabic", "Russian", "Spanish", "French", "Portuguese", "German", "Turkish", "Dutch", "Ukrainian", "Vietnamese", "Indonesian", "Japanese", "Italian", "Korean", "Thai", "Polish", "Romanian", "Greek", "Czech", "Finnish", "Hindi", "Bulgarian", "Danish", "Hebrew", "Malay", "Persian", "Slovak", "Swedish", "Croatian", "Filipino", "Hungarian", "Norwegian", "Slovenian", "Catalan", "Nynorsk", "Tamil", "Afrikaans", "auto" ], "type": "string" }, "model": { "enum": [ "minimax/speech-02-hd" ], "type": "string" }, "output_format": { "default": "hex", "enum": [ "url", "hex" ], "type": "string" }, "pronunciation_dict": { "properties": { "tone": { "items": { "type": "string" }, "type": "array" } }, "type": "object" }, "stream": { "default": false, "enum": [ false ], "type": "boolean" }, "subtitle_enable": { "default": false, "type": "boolean" }, "text": { "maxLength": 9999, "minLength": 1, "type": "string" }, "timber_weights": { "items": { "properties": { "voice_id": { "type": "string" }, "weight": { "type": "integer" } }, "type": "object" }, "type": "array" }, "voice_modify": { "properties": { "intensity": { "enum": [ -100, 100 ], "type": "integer" }, "pitch": { "enum": [ -100, 100 ], "type": "integer" }, "sound_effects": { "enum": [ "spacious_echo", "auditorium_echo", "lofi_telephone", "robotic" ], "type": "string" }, "timbre": { "enum": [ -100, 100 ], "type": "integer" } }, "type": "object" }, "voice_setting": { "properties": { "emotion": { "enum": [ "happy", "sad", "angry", "fearful", "disgusted", "surprised", "calm", "fluent" ], "type": "string" }, "latex_read": { "default": false, "type": "boolean" }, "pitch": { "default": 0, "maximum": 12, "minimum": -12, "type": "integer" }, "speed": { "default": 1, "maximum": 2, "minimum": 0.5, "type": "number" }, "text_normalization": { "default": false, "type": "boolean" }, "voice_id": { "type": "string" }, "vol": { "default": 1, "exclusiveMinimum": true, "maximum": 10, "minimum": 0, "type": "number" } }, "type": "object" } }, "required": [ "model", "text" ], "type": "object" }, "schema_template": { "body": { "audio_setting": { "channel": 1, "format": "mp3", "sample_rate": 32000 }, "model": "minimax/speech-02-hd", "output_format": "hex", "stream": false, "text": "Hello, this is a short speech example." }, "content_type": "application/json" } }, "input": { "conditions": [ "Use text, not input or contents. Fewer than 10000 Unicode characters; stream is false or omitted.", "PCM is raw audio with its returned sample geometry; do not invent a WAV header or bit depth." ], "content_type": "application/json", "material_types": [ "text" ], "optional": [ "stream", "voice_setting", "audio_setting", "pronunciation_dict", "timber_weights", "language_boost", "voice_modify", "subtitle_enable", "output_format", "aigc_watermark" ], "required": [ "model", "text" ] }, "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets", "query": { "cursor": "actual returned next_cursor, when present", "family": "audio" } }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "cancel_endpoint": null, "create": { "http": "POST", "path": "/v1/audio/speech" }, "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "owned_content": { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "Use the exact returned content_url. Refresh an expired link by reading the same existing asset." }, "status": [], "unknown": "Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.", "unknown_no_replay": true }, "method": { "http": "POST", "path": "/v1/audio/speech" }, "method_aliases": [], "output": { "all_results": "Retain the full JSON. Decode every hex audio byte or use the returned owned URL. Keep the actual format, sample rate, channel count and usage_characters.", "family": "audio", "fields": [ { "name": "data.audio", "type": "string" }, { "name": "extra_info", "type": "object" }, { "name": "trace_id", "type": "string" } ], "format": [ "mp3", "pcm", "flac", "wav" ] } }, "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": { "quoted_unit": "per input character" }, "label": "input character", "units": [ { "amount": "0.0002", "amount_unit": "usd_per_exact_native_unit", "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 input character", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_character" } ] } ], "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"minimax/speech-02-hd\", \"text\": \"Hello, this is a short speech example.\", \"stream\": false, \"output_format\": \"hex\", \"audio_setting\": {\"format\": \"mp3\", \"sample_rate\": 32000, \"channel\": 1}}')\n\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 result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\n", "label": "curl · create once and retain the complete result", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "speech", "http": "POST", "img_in": null, "img_out": null, "in": null, "input": [ "text" ], "label": "Speech", "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", "cache_read_price": null, "cache_write_1h_price": null, "cache_write_price": null, "fast_multiplier": null, "flex_multiplier": null, "image_input_price": null, "image_output_price": null, "input_price": null, "intervals": null, "max_reasoning_effort_multiplier": null, "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": { "quoted_unit": "per input character" }, "label": "input character", "units": [ { "amount": "0.0002", "amount_unit": "usd_per_exact_native_unit", "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 input character", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_character" } ] } ], "request_model_id": "minimax/speech-02-hd", "route_label": "Ultra", "status_reads": [], "tiers": [], "unit": "per_request", "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": "0.0002", "amount_unit": "usd_per_exact_native_unit", "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 input character", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_character" } ] } ], "model_aliases": [ { "canonical_model_id": "minimax/speech-02-hd", "request_model_id": "minimax/speech-02-hd", "route_label": "Ultra" } ], "name": "MiniMax: Speech 02 HD", "price": { "in": "0.0002", "in_label": "per input character", "out": null, "out_label": null, "sort_in": null, "sort_out": null, "varies": false }, "short": "MiniMax Speech 02 HD קורא טקסט שסופק כדיבור שנוצר באמצעות בקשת audio_speech סינכרונית. הוא מקבל טקסט קצר מ-10,000 תווים ומציע הגדרות קול, קצב וגובה צליל, עם פלט MP3, PCM, FLAC או WAV." }, "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": "MiniMax Speech 02 HD קורא טקסט שסופק כדיבור שנוצר באמצעות בקשת audio_speech סינכרונית. הוא מקבל טקסט קצר מ-10,000 תווים ומציע הגדרות קול, קצב וגובה צליל, עם פלט MP3, PCM, FLAC או WAV.", "source": { "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1", "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036", "raw_model_json_sha256": "153e51a416fe2daa4fadb3889ebe4f3ca104f57c2b15a938256878abc0251703", "renderer_sha256": "c36bd89b8b0dac234af52bf68530df83530b908ec7a9f2e1de2483fe236ae910" }, "sourceRevision": "2808978acc4bcf9f7796399b85701dc3cb4f1bf99f5b28850a0a78189bb2b72d" }