{ "aboutHtml": "

Speech 2.6 HD הוא מהדורת הדיבור המדויקת של MiniMax שנבחרת באמצעות model: "minimax/speech-2.6-hd". השתמשו ב-POST /v1/audio/speech עם גוף application/json המכיל model ואת text שיש להקריא. הקלט שלו הוא תסריט כתוב והתוצאה שלו היא אודיו מסונתז. לקטע לימודי, הכינו את ההסבר והדוגמאות המדויקים שיש לקרוא בקול. להדרכה על מוצר, כתבו את הרצף המדובר באותו סדר כמו השלבים הנראים. תסריט קריינות יכול לכלול משפטים שלמים ופיסוק מכוון; השאירו הוראות עריכה שצריכות להישאר שקטות מחוץ ל-text.

השדה text חייב להיות לא ריק ולהכיל פחות מ-10,000 תווי Unicode. שלחו את התסריט המדובר המלא עם stream:false, או השמיטו את stream. חלקו חומר ארוך יותר למקטעי תסריט נפרדים ושלמים לפני שליחת כל מקטע. אפשר להשתמש במסמך באמצעות קריאת תוכנו בפועל והכנסת הקטע הרלוונטי ל-text; כתובת URL של מסמך אינה תחליף לתסריט.

בחרו קול באמצעות voice_setting.voice_id. קטגוריות הקול המתועדות כוללות קולות מערכת וקולות משוכפלים או מעוצבים מטקסט שכבר נוצרו; השתמשו במזהה קול תקף לקטגוריה שנבחרה. הקול שבדוגמה הוא audiobook_male_1. אותו אובייקט שולט ב-speed בין 0.5 ל-2, ב-vol גדול מ-0 ועד 10, וב-pitch שלם בין -12 ל-12. ברירות המחדל שלהם הן 1, 1 ו-0. הבקרות האלה מכווננות היבטים שונים של ההגשה המדוברת, לכן בחרו אותן בנפרד במקום להכניס את שמותיהן לתסריט.

voice_setting.emotion מקבל happy, sad, angry, fearful, disgusted, surprised, calm ו-fluent. התיעוד מתאר גם התאמה אוטומטית של הרגש מהטקסט. לתסריטים עתירי מספרים, voice_setting.text_normalization מפעיל נרמול טקסט בסינית ובאנגלית וברירת המחדל שלו היא false. voice_setting.latex_read שולט בקריאת ביטויי LaTeX וגם ברירת המחדל שלו היא false. pronunciation_dict.tone הוא מערך מחרוזות של כללי הגייה. הדוגמה שפורסמה היא ["草地/(cao3)(di1)"]; שימרו את המילה, הלוכסן ומבנה ההגייה בסוגריים בעת אספקת כלל.

audio_setting.format מקבל mp3, pcm, flac ו-wav, עם mp3 כברירת המחדל. sample_rate מקבל 8000, 16000, 22050, 24000, 32000 ו-44100 Hz; ברירת המחדל שלו היא 32000. channel הוא 1 למונו או 2 לשני ערוצים, עם ברירת מחדל 1. ערכי bitrate הם 32000, 64000, 128000 ו-256000 סיביות לשנייה, עם ברירת מחדל 128000, והם חלים על mp3. בחרו בקידוד הדרוש לנגן או לכלי העריכה שיצרוך את התוצאה.

language_boost הוא מחרוזת אופציונלית וברירת המחדל שלו היא null. הערכים המותרים שלו הם 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 ו-auto. "Chinese,Yue" הוא ערך יחיד. זו בקרה נפרדת מהתסריט וממזהה הקול. הסכמה מציעה גם timber_weights לרשימת זוגות של voice_id ו-weight שלם, כאשר כל weight הוא בין 1 ל-100. שימרו את איות הפרמטר timber_weights בעת הכנת בקשה. voice_modify.sound_effects הוא מחרוזת אופציונלית עם הערכים spacious_echo, auditorium_echo, lofi_telephone ו-robotic.

ברירת המחדל של stream היא false. לתגובה מלאה, output_format בוחר url או hex וברירת המחדל שלו היא hex. בתוצאת ה-JSON המתועדת, data.audio נושא את הייצוג שנבחר: הורידו את כתובת ה-URL החתומה המלאה של Ailoot, כולל מחרוזת השאילתה שלה, או פענחו את האודיו ההקסדצימלי המלא לבתים. שמרו את התוצאה המקורית יחד עם data.status, base_resp, trace_id ו-extra_info, שכולל את פורמט האודיו בפועל, קצב הדגימה, מספר הערוצים, הגודל ו-usage_characters.

subtitle_enable הוא ערך בוליאני שברירת המחדל שלו היא false וחל על פלט ללא הזרמה. aigc_watermark הוא ערך בוליאני שברירת המחדל שלו היא false ושולט בסמן קצב נשמע בסוף האודיו שנוצר. שמרו כל תוצאת אודיו או כתוביות שהוחזרה, ובדקו הגייה, מספרים ואת הקובץ שהושלם לפני שילובו ביישום. אם המסירה אינה ודאית, שמרו את מזהה הבקשה המקורי ואת התגובה לבדיקת הניסיון הקיים. Ailoot שומר גם את האודיו שהושלם בספריית המדיה שלכם. עם output_format:"url", השדה data.audio מכיל קישור חתום לאותו נכס שנשמר; מזהה הנכס מופיע בנתיב /v1/media/assets/{asset_id}/content שלו. קישורי קבצים חתומים של Ailoot תקפים ל-24 שעות ממועד הנפקתם. השתמשו באותו מפתח API כדי לבצע GET /v1/media/assets?family=audio ועקבו אחר כל next_cursor לאיתור רשומות נכסי האודיו. קראו GET /v1/media/assets/{asset_id} לכל רשומה שנבחרה והורידו את content_url המדויק שלה, כולל מחרוזת השאילתה. אם בקשת קובץ מחזירה 404 עם הקוד link_expired, קראו שוב את אותו נכס לקבלת content_url מעודכן. רעננו את התוצאה שנשמרה במקום ליצור אודיו מחדש כדי להחליף קישור שפג.

", "aboutText": "Speech 2.6 HD הוא מהדורת הדיבור המדויקת של MiniMax שנבחרת באמצעות model: \"minimax/speech-2.6-hd\". השתמשו ב-POST /v1/audio/speech עם גוף application/json המכיל model ואת text שיש להקריא. הקלט שלו הוא תסריט כתוב והתוצאה שלו היא אודיו מסונתז. לקטע לימודי, הכינו את ההסבר והדוגמאות המדויקים שיש לקרוא בקול. להדרכה על מוצר, כתבו את הרצף המדובר באותו סדר כמו השלבים הנראים. תסריט קריינות יכול לכלול משפטים שלמים ופיסוק מכוון; השאירו הוראות עריכה שצריכות להישאר שקטות מחוץ ל-text.\n\nהשדה text חייב להיות לא ריק ולהכיל פחות מ-10,000 תווי Unicode. שלחו את התסריט המדובר המלא עם stream:false, או השמיטו את stream. חלקו חומר ארוך יותר למקטעי תסריט נפרדים ושלמים לפני שליחת כל מקטע. אפשר להשתמש במסמך באמצעות קריאת תוכנו בפועל והכנסת הקטע הרלוונטי ל-text; כתובת URL של מסמך אינה תחליף לתסריט.\n\nבחרו קול באמצעות voice_setting.voice_id. קטגוריות הקול המתועדות כוללות קולות מערכת וקולות משוכפלים או מעוצבים מטקסט שכבר נוצרו; השתמשו במזהה קול תקף לקטגוריה שנבחרה. הקול שבדוגמה הוא audiobook_male_1. אותו אובייקט שולט ב-speed בין 0.5 ל-2, ב-vol גדול מ-0 ועד 10, וב-pitch שלם בין -12 ל-12. ברירות המחדל שלהם הן 1, 1 ו-0. הבקרות האלה מכווננות היבטים שונים של ההגשה המדוברת, לכן בחרו אותן בנפרד במקום להכניס את שמותיהן לתסריט.\n\nvoice_setting.emotion מקבל happy, sad, angry, fearful, disgusted, surprised, calm ו-fluent. התיעוד מתאר גם התאמה אוטומטית של הרגש מהטקסט. לתסריטים עתירי מספרים, voice_setting.text_normalization מפעיל נרמול טקסט בסינית ובאנגלית וברירת המחדל שלו היא false. voice_setting.latex_read שולט בקריאת ביטויי LaTeX וגם ברירת המחדל שלו היא false. pronunciation_dict.tone הוא מערך מחרוזות של כללי הגייה. הדוגמה שפורסמה היא [\"草地/(cao3)(di1)\"]; שימרו את המילה, הלוכסן ומבנה ההגייה בסוגריים בעת אספקת כלל.\n\naudio_setting.format מקבל mp3, pcm, flac ו-wav, עם mp3 כברירת המחדל. sample_rate מקבל 8000, 16000, 22050, 24000, 32000 ו-44100 Hz; ברירת המחדל שלו היא 32000. channel הוא 1 למונו או 2 לשני ערוצים, עם ברירת מחדל 1. ערכי bitrate הם 32000, 64000, 128000 ו-256000 סיביות לשנייה, עם ברירת מחדל 128000, והם חלים על mp3. בחרו בקידוד הדרוש לנגן או לכלי העריכה שיצרוך את התוצאה.\n\nlanguage_boost הוא מחרוזת אופציונלית וברירת המחדל שלו היא null. הערכים המותרים שלו הם 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 ו-auto. \"Chinese,Yue\" הוא ערך יחיד. זו בקרה נפרדת מהתסריט וממזהה הקול. הסכמה מציעה גם timber_weights לרשימת זוגות של voice_id ו-weight שלם, כאשר כל weight הוא בין 1 ל-100. שימרו את איות הפרמטר timber_weights בעת הכנת בקשה. voice_modify.sound_effects הוא מחרוזת אופציונלית עם הערכים spacious_echo, auditorium_echo, lofi_telephone ו-robotic.\n\nברירת המחדל של stream היא false. לתגובה מלאה, output_format בוחר url או hex וברירת המחדל שלו היא hex. בתוצאת ה-JSON המתועדת, data.audio נושא את הייצוג שנבחר: הורידו את כתובת ה-URL החתומה המלאה של Ailoot, כולל מחרוזת השאילתה שלה, או פענחו את האודיו ההקסדצימלי המלא לבתים. שמרו את התוצאה המקורית יחד עם data.status, base_resp, trace_id ו-extra_info, שכולל את פורמט האודיו בפועל, קצב הדגימה, מספר הערוצים, הגודל ו-usage_characters.\n\nsubtitle_enable הוא ערך בוליאני שברירת המחדל שלו היא false וחל על פלט ללא הזרמה. aigc_watermark הוא ערך בוליאני שברירת המחדל שלו היא false ושולט בסמן קצב נשמע בסוף האודיו שנוצר. שמרו כל תוצאת אודיו או כתוביות שהוחזרה, ובדקו הגייה, מספרים ואת הקובץ שהושלם לפני שילובו ביישום. אם המסירה אינה ודאית, שמרו את מזהה הבקשה המקורי ואת התגובה לבדיקת הניסיון הקיים. Ailoot שומר גם את האודיו שהושלם בספריית המדיה שלכם. עם output_format:\"url\", השדה data.audio מכיל קישור חתום לאותו נכס שנשמר; מזהה הנכס מופיע בנתיב /v1/media/assets/{asset_id}/content שלו. קישורי קבצים חתומים של Ailoot תקפים ל-24 שעות ממועד הנפקתם. השתמשו באותו מפתח API כדי לבצע GET /v1/media/assets?family=audio ועקבו אחר כל next_cursor לאיתור רשומות נכסי האודיו. קראו GET /v1/media/assets/{asset_id} לכל רשומה שנבחרה והורידו את content_url המדויק שלה, כולל מחרוזת השאילתה. אם בקשת קובץ מחזירה 404 עם הקוד link_expired, קראו שוב את אותו נכס לקבלת content_url מעודכן. רעננו את התוצאה שנשמרה במקום ליצור אודיו מחדש כדי להחליף קישור שפג.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "bdde75d997efdd44af9e01089b1dd3a34f18d061f058513a1319f6356a478b1f", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "he", "methods": [ { "html": "
MM

MiniMax: Speech 2.6 HD

MiniMax /minimax/speech-2.6-hd

התחלה

Speech 2.6 HD הוא מודל טקסט לדיבור של MiniMax להפיכת תסריט מוגמר לאודיו. מהדורת minimax/speech-2.6-hd מציעה בקרות קול, הגשה ופורמט אודיו, עם תגובת JSON מלאה ובחירה בין פלט אודיו כ-URL או כהקסדצימלי. השתמשו בו להקראת קריינות, קטע לימודי או הדרכה על מוצר שסופקו.

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.

Speech 2.6 HD הוא מהדורת הדיבור המדויקת של MiniMax שנבחרת באמצעות model: "minimax/speech-2.6-hd". השתמשו ב-POST /v1/audio/speech עם גוף application/json המכיל model ואת text שיש להקריא. הקלט שלו הוא תסריט כתוב והתוצאה שלו היא אודיו מסונתז. לקטע לימודי, הכינו את ההסבר והדוגמאות המדויקים שיש לקרוא בקול. להדרכה על מוצר, כתבו את הרצף המדובר באותו סדר כמו השלבים הנראים. תסריט קריינות יכול לכלול משפטים שלמים ופיסוק מכוון; השאירו הוראות עריכה שצריכות להישאר שקטות מחוץ ל-text.

השדה text חייב להיות לא ריק ולהכיל פחות מ-10,000 תווי Unicode. שלחו את התסריט המדובר המלא עם stream:false, או השמיטו את stream. חלקו חומר ארוך יותר למקטעי תסריט נפרדים ושלמים לפני שליחת כל מקטע. אפשר להשתמש במסמך באמצעות קריאת תוכנו בפועל והכנסת הקטע הרלוונטי ל-text; כתובת URL של מסמך אינה תחליף לתסריט.

בחרו קול באמצעות voice_setting.voice_id. קטגוריות הקול המתועדות כוללות קולות מערכת וקולות משוכפלים או מעוצבים מטקסט שכבר נוצרו; השתמשו במזהה קול תקף לקטגוריה שנבחרה. הקול שבדוגמה הוא audiobook_male_1. אותו אובייקט שולט ב-speed בין 0.5 ל-2, ב-vol גדול מ-0 ועד 10, וב-pitch שלם בין -12 ל-12. ברירות המחדל שלהם הן 1, 1 ו-0. הבקרות האלה מכווננות היבטים שונים של ההגשה המדוברת, לכן בחרו אותן בנפרד במקום להכניס את שמותיהן לתסריט.

voice_setting.emotion מקבל happy, sad, angry, fearful, disgusted, surprised, calm ו-fluent. התיעוד מתאר גם התאמה אוטומטית של הרגש מהטקסט. לתסריטים עתירי מספרים, voice_setting.text_normalization מפעיל נרמול טקסט בסינית ובאנגלית וברירת המחדל שלו היא false. voice_setting.latex_read שולט בקריאת ביטויי LaTeX וגם ברירת המחדל שלו היא false. pronunciation_dict.tone הוא מערך מחרוזות של כללי הגייה. הדוגמה שפורסמה היא ["草地/(cao3)(di1)"]; שימרו את המילה, הלוכסן ומבנה ההגייה בסוגריים בעת אספקת כלל.

audio_setting.format מקבל mp3, pcm, flac ו-wav, עם mp3 כברירת המחדל. sample_rate מקבל 8000, 16000, 22050, 24000, 32000 ו-44100 Hz; ברירת המחדל שלו היא 32000. channel הוא 1 למונו או 2 לשני ערוצים, עם ברירת מחדל 1. ערכי bitrate הם 32000, 64000, 128000 ו-256000 סיביות לשנייה, עם ברירת מחדל 128000, והם חלים על mp3. בחרו בקידוד הדרוש לנגן או לכלי העריכה שיצרוך את התוצאה.

language_boost הוא מחרוזת אופציונלית וברירת המחדל שלו היא null. הערכים המותרים שלו הם 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 ו-auto. "Chinese,Yue" הוא ערך יחיד. זו בקרה נפרדת מהתסריט וממזהה הקול. הסכמה מציעה גם timber_weights לרשימת זוגות של voice_id ו-weight שלם, כאשר כל weight הוא בין 1 ל-100. שימרו את איות הפרמטר timber_weights בעת הכנת בקשה. voice_modify.sound_effects הוא מחרוזת אופציונלית עם הערכים spacious_echo, auditorium_echo, lofi_telephone ו-robotic.

ברירת המחדל של stream היא false. לתגובה מלאה, output_format בוחר url או hex וברירת המחדל שלו היא hex. בתוצאת ה-JSON המתועדת, data.audio נושא את הייצוג שנבחר: הורידו את כתובת ה-URL החתומה המלאה של Ailoot, כולל מחרוזת השאילתה שלה, או פענחו את האודיו ההקסדצימלי המלא לבתים. שמרו את התוצאה המקורית יחד עם data.status, base_resp, trace_id ו-extra_info, שכולל את פורמט האודיו בפועל, קצב הדגימה, מספר הערוצים, הגודל ו-usage_characters.

subtitle_enable הוא ערך בוליאני שברירת המחדל שלו היא false וחל על פלט ללא הזרמה. aigc_watermark הוא ערך בוליאני שברירת המחדל שלו היא false ושולט בסמן קצב נשמע בסוף האודיו שנוצר. שמרו כל תוצאת אודיו או כתוביות שהוחזרה, ובדקו הגייה, מספרים ואת הקובץ שהושלם לפני שילובו ביישום. אם המסירה אינה ודאית, שמרו את מזהה הבקשה המקורי ואת התגובה לבדיקת הניסיון הקיים. Ailoot שומר גם את האודיו שהושלם בספריית המדיה שלכם. עם output_format:"url", השדה data.audio מכיל קישור חתום לאותו נכס שנשמר; מזהה הנכס מופיע בנתיב /v1/media/assets/{asset_id}/content שלו. קישורי קבצים חתומים של Ailoot תקפים ל-24 שעות ממועד הנפקתם. השתמשו באותו מפתח API כדי לבצע GET /v1/media/assets?family=audio ועקבו אחר כל next_cursor לאיתור רשומות נכסי האודיו. קראו GET /v1/media/assets/{asset_id} לכל רשומה שנבחרה והורידו את content_url המדויק שלה, כולל מחרוזת השאילתה. אם בקשת קובץ מחזירה 404 עם הקוד link_expired, קראו שוב את אותו נכס לקבלת content_url מעודכן. רעננו את התוצאה שנשמרה במקום ליצור אודיו מחדש כדי להחליף קישור שפג.

זמין ב-Ailoot · קלט ושיטות

Ailoot Ultra · Speech POST /v1/audio/speech
סוגי קלט
text
סוגי פלט
audio
פורמט פלט
mp3,pcm,flac,wav
שדהסוגדרישהערכים ומגבלותברירת מחדל
שדהmodelסוגstringדרישהחובהערכים ומגבלות
minimax/speech-2.6-hd
ברירת מחדל—
שדהtextסוגstringדרישהחובהערכים ומגבלותברירת מחדל—
שדהstreamסוגbooleanדרישהרשותערכים ומגבלות
false
ברירת מחדלfalse
שדהvoice_settingסוגobjectדרישהרשותערכים ומגבלותברירת מחדל—
שדהvoice_setting.voice_idסוגstringדרישהרשותערכים ומגבלותברירת מחדל—
שדהvoice_setting.speedסוגnumberדרישהרשותערכים ומגבלות
מינימום: ⁦0.5⁩
מקסימום: ⁦2⁩
ברירת מחדל⁦1⁩
שדהvoice_setting.volסוגnumberדרישהרשותערכים ומגבלות
מינימום: ⁦0⁩
מקסימום: ⁦10⁩
ברירת מחדל⁦1⁩
שדהvoice_setting.pitchסוגintegerדרישהרשותערכים ומגבלות
מינימום: ⁦‎-12⁩
מקסימום: ⁦12⁩
ברירת מחדל⁦0⁩
שדהvoice_setting.emotionסוגstringדרישהרשותערכים ומגבלות
happy, sad, angry, fearful, disgusted, surprised, calm, fluent
ברירת מחדל—
שדהvoice_setting.text_normalizationסוגbooleanדרישהרשותערכים ומגבלותברירת מחדלfalse
שדהvoice_setting.latex_readסוגbooleanדרישהרשותערכים ומגבלותברירת מחדלfalse
שדהaudio_settingסוגobjectדרישהרשותערכים ומגבלותברירת מחדל—
שדהaudio_setting.sample_rateסוגintegerדרישהרשותערכים ומגבלות
⁦8,000⁩, ⁦16,000⁩, ⁦22,050⁩, ⁦24,000⁩, ⁦32,000⁩, ⁦44,100⁩
ברירת מחדל⁦32,000⁩
שדהaudio_setting.bitrateסוגintegerדרישהרשותערכים ומגבלות
⁦32,000⁩, ⁦64,000⁩, ⁦128,000⁩, ⁦256,000⁩
ברירת מחדל⁦128,000⁩
שדהaudio_setting.formatסוגstringדרישהרשותערכים ומגבלות
mp3, pcm, flac, wav
ברירת מחדלmp3
שדהaudio_setting.channelסוגintegerדרישהרשותערכים ומגבלות
⁦1⁩, ⁦2⁩
ברירת מחדל⁦1⁩
שדהaudio_setting.force_cbrסוגbooleanדרישהרשותערכים ומגבלותברירת מחדלfalse
שדהpronunciation_dictסוגobjectדרישהרשותערכים ומגבלותברירת מחדל—
שדהpronunciation_dict.toneסוגarrayדרישהרשותערכים ומגבלותברירת מחדל—
שדהtimber_weightsסוגarrayדרישהרשותערכים ומגבלותברירת מחדל—
שדהlanguage_boostסוגstringדרישהרשותערכים 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—
שדהvoice_modifyסוגobjectדרישהרשותערכים ומגבלותברירת מחדל—
שדהvoice_modify.pitchסוגintegerדרישהרשותערכים ומגבלות
⁦‎-100⁩, ⁦100⁩
ברירת מחדל—
שדהvoice_modify.intensityסוגintegerדרישהרשותערכים ומגבלות
⁦‎-100⁩, ⁦100⁩
ברירת מחדל—
שדהvoice_modify.timbreסוגintegerדרישהרשותערכים ומגבלות
⁦‎-100⁩, ⁦100⁩
ברירת מחדל—
שדהvoice_modify.sound_effectsסוגstringדרישהרשותערכים ומגבלות
spacious_echo, auditorium_echo, lofi_telephone, robotic
ברירת מחדל—
שדהsubtitle_enableסוגbooleanדרישהרשותערכים ומגבלותברירת מחדלfalse
שדהoutput_formatסוגstringדרישהרשותערכים ומגבלות
url, hex
ברירת מחדלhex
שדהaigc_watermarkסוגbooleanדרישהרשותערכים ומגבלותברירת מחדלfalse
פרמטרים ומחזור חיים של השיטה
פרמטרמפרט
פרמטרcontent_typeמפרטapplication/json
פרמטרrequiredמפרטmodel, text
פרמטרoptionalמפרטstream, voice_setting, audio_setting, pronunciation_dict, timber_weights, language_boost, voice_modify, subtitle_enable, output_format, aigc_watermark
פרמטרmaterial_typesמפרטtext
פרמטרconditionsמפרטUse 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.

תצורהטבלת תעריפיםיחידת חיובחיוב
תצורהתעריפי בסיס לטוקניםטבלת תעריפיםתעריף בסיסיחידת 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 בקלטטבלת תעריפים—יחידת חיובלכל תו בקלטחיוב
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-2.6-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

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
שדהסוג
שדהdata.audioסוגstring
שדהextra_infoסוגobject
שדהtrace_idסוגstring

כינויים

כינויים למודל

Ailoot Ultra minimax/speech-2.6-hd

כינויים לנתיבי שיטות

השתמשו בנתיבי השיטות המוצגים למעלה.

מזהי מודלים קשורים IDs

minimax/speech-2.6-hd

", "method_identity": { "effective_request_model_id": "minimax/speech-2.6-hd", "fmt": "speech", "http": "POST", "path": "/v1/audio/speech", "request_model_id": "minimax/speech-2.6-hd", "route_label": "Ultra" }, "method_key": "Ultra|speech|/v1/audio/speech|minimax%2Fspeech-2.6-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-2.6-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-2.6-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-2.6-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-2.6-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-2.6-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-2.6-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-2.6-hd", "nativeProvenance": { "input_facts_canonical_sha256": "e59e82c37ec7e8beff2b1bd6284b3ba2310931725839f4190f8226a55c59264b", "input_html_sha256": "fc27c4ec4235d16bf75b0c2a1bbf99bc684a634f26f8e772032b2db5a397fe45", "private_audit_sha256": "05fe7cc532f64f6a2a236b9994b0463dcbf71b5443ff2d14919860316ada5b34", "role": "historical-normalized-input-audit-hashes", "schema": "ailoot-native-model-provenance-v2" }, "page": { "canonical": "https://ailoot.ai/models/he/minimax-speech-2-6-hd/", "description": "Speech 2.6 HD הוא מודל טקסט לדיבור של MiniMax להפיכת תסריט מוגמר לאודיו. מהדורת minimax/speech-2.6-hd מציעה בקרות קול, הגשה ופורמט אודיו, עם תגובת JSON מלאה ובחירה בין פלט אודיו כ-URL או כהקסדצימלי. השתמשו בו להקראת קריינות, קטע לימודי או הדרכה על מוצר שסופקו.", "locale": "he", "md_url": "https://ailoot.ai/models/he/minimax-speech-2-6-hd/index.md", "title": "MiniMax: Speech 2.6 HD — Ailoot", "url": "https://ailoot.ai/models/he/minimax-speech-2-6-hd/" }, "rawModel": { "about": "Speech 2.6 HD הוא מהדורת הדיבור המדויקת של MiniMax שנבחרת באמצעות model: \"minimax/speech-2.6-hd\". השתמשו ב-POST /v1/audio/speech עם גוף application/json המכיל model ואת text שיש להקריא. הקלט שלו הוא תסריט כתוב והתוצאה שלו היא אודיו מסונתז. לקטע לימודי, הכינו את ההסבר והדוגמאות המדויקים שיש לקרוא בקול. להדרכה על מוצר, כתבו את הרצף המדובר באותו סדר כמו השלבים הנראים. תסריט קריינות יכול לכלול משפטים שלמים ופיסוק מכוון; השאירו הוראות עריכה שצריכות להישאר שקטות מחוץ ל-text.\n\nהשדה text חייב להיות לא ריק ולהכיל פחות מ-10,000 תווי Unicode. שלחו את התסריט המדובר המלא עם stream:false, או השמיטו את stream. חלקו חומר ארוך יותר למקטעי תסריט נפרדים ושלמים לפני שליחת כל מקטע. אפשר להשתמש במסמך באמצעות קריאת תוכנו בפועל והכנסת הקטע הרלוונטי ל-text; כתובת URL של מסמך אינה תחליף לתסריט.\n\nבחרו קול באמצעות voice_setting.voice_id. קטגוריות הקול המתועדות כוללות קולות מערכת וקולות משוכפלים או מעוצבים מטקסט שכבר נוצרו; השתמשו במזהה קול תקף לקטגוריה שנבחרה. הקול שבדוגמה הוא audiobook_male_1. אותו אובייקט שולט ב-speed בין 0.5 ל-2, ב-vol גדול מ-0 ועד 10, וב-pitch שלם בין -12 ל-12. ברירות המחדל שלהם הן 1, 1 ו-0. הבקרות האלה מכווננות היבטים שונים של ההגשה המדוברת, לכן בחרו אותן בנפרד במקום להכניס את שמותיהן לתסריט.\n\nvoice_setting.emotion מקבל happy, sad, angry, fearful, disgusted, surprised, calm ו-fluent. התיעוד מתאר גם התאמה אוטומטית של הרגש מהטקסט. לתסריטים עתירי מספרים, voice_setting.text_normalization מפעיל נרמול טקסט בסינית ובאנגלית וברירת המחדל שלו היא false. voice_setting.latex_read שולט בקריאת ביטויי LaTeX וגם ברירת המחדל שלו היא false. pronunciation_dict.tone הוא מערך מחרוזות של כללי הגייה. הדוגמה שפורסמה היא [\"草地/(cao3)(di1)\"]; שימרו את המילה, הלוכסן ומבנה ההגייה בסוגריים בעת אספקת כלל.\n\naudio_setting.format מקבל mp3, pcm, flac ו-wav, עם mp3 כברירת המחדל. sample_rate מקבל 8000, 16000, 22050, 24000, 32000 ו-44100 Hz; ברירת המחדל שלו היא 32000. channel הוא 1 למונו או 2 לשני ערוצים, עם ברירת מחדל 1. ערכי bitrate הם 32000, 64000, 128000 ו-256000 סיביות לשנייה, עם ברירת מחדל 128000, והם חלים על mp3. בחרו בקידוד הדרוש לנגן או לכלי העריכה שיצרוך את התוצאה.\n\nlanguage_boost הוא מחרוזת אופציונלית וברירת המחדל שלו היא null. הערכים המותרים שלו הם 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 ו-auto. \"Chinese,Yue\" הוא ערך יחיד. זו בקרה נפרדת מהתסריט וממזהה הקול. הסכמה מציעה גם timber_weights לרשימת זוגות של voice_id ו-weight שלם, כאשר כל weight הוא בין 1 ל-100. שימרו את איות הפרמטר timber_weights בעת הכנת בקשה. voice_modify.sound_effects הוא מחרוזת אופציונלית עם הערכים spacious_echo, auditorium_echo, lofi_telephone ו-robotic.\n\nברירת המחדל של stream היא false. לתגובה מלאה, output_format בוחר url או hex וברירת המחדל שלו היא hex. בתוצאת ה-JSON המתועדת, data.audio נושא את הייצוג שנבחר: הורידו את כתובת ה-URL החתומה המלאה של Ailoot, כולל מחרוזת השאילתה שלה, או פענחו את האודיו ההקסדצימלי המלא לבתים. שמרו את התוצאה המקורית יחד עם data.status, base_resp, trace_id ו-extra_info, שכולל את פורמט האודיו בפועל, קצב הדגימה, מספר הערוצים, הגודל ו-usage_characters.\n\nsubtitle_enable הוא ערך בוליאני שברירת המחדל שלו היא false וחל על פלט ללא הזרמה. aigc_watermark הוא ערך בוליאני שברירת המחדל שלו היא false ושולט בסמן קצב נשמע בסוף האודיו שנוצר. שמרו כל תוצאת אודיו או כתוביות שהוחזרה, ובדקו הגייה, מספרים ואת הקובץ שהושלם לפני שילובו ביישום. אם המסירה אינה ודאית, שמרו את מזהה הבקשה המקורי ואת התגובה לבדיקת הניסיון הקיים. Ailoot שומר גם את האודיו שהושלם בספריית המדיה שלכם. עם output_format:\"url\", השדה data.audio מכיל קישור חתום לאותו נכס שנשמר; מזהה הנכס מופיע בנתיב /v1/media/assets/{asset_id}/content שלו. קישורי קבצים חתומים של Ailoot תקפים ל-24 שעות ממועד הנפקתם. השתמשו באותו מפתח API כדי לבצע GET /v1/media/assets?family=audio ועקבו אחר כל next_cursor לאיתור רשומות נכסי האודיו. קראו GET /v1/media/assets/{asset_id} לכל רשומה שנבחרה והורידו את content_url המדויק שלה, כולל מחרוזת השאילתה. אם בקשת קובץ מחזירה 404 עם הקוד link_expired, קראו שוב את אותו נכס לקבלת content_url מעודכן. רעננו את התוצאה שנשמרה במקום ליצור אודיו מחדש כדי להחליף קישור שפג.", "alias_of": null, "aliases": [], "author": "MiniMax", "ctx": null, "formats": [ "speech" ], "id": "minimax/speech-2.6-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-2.6-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-2.6-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-2.6-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-2.6-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-2.6-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-2.6-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-2.6-hd", "request_model_id": "minimax/speech-2.6-hd", "route_label": "Ultra" } ], "name": "MiniMax: Speech 2.6 HD", "price": { "in": "0.0002", "in_label": "per input character", "out": null, "out_label": null, "sort_in": null, "sort_out": null, "varies": false }, "short": "Speech 2.6 HD הוא מודל טקסט לדיבור של MiniMax להפיכת תסריט מוגמר לאודיו. מהדורת minimax/speech-2.6-hd מציעה בקרות קול, הגשה ופורמט אודיו, עם תגובת JSON מלאה ובחירה בין פלט אודיו כ-URL או כהקסדצימלי. השתמשו בו להקראת קריינות, קטע לימודי או הדרכה על מוצר שסופקו." }, "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": "Speech 2.6 HD הוא מודל טקסט לדיבור של MiniMax להפיכת תסריט מוגמר לאודיו. מהדורת minimax/speech-2.6-hd מציעה בקרות קול, הגשה ופורמט אודיו, עם תגובת JSON מלאה ובחירה בין פלט אודיו כ-URL או כהקסדצימלי. השתמשו בו להקראת קריינות, קטע לימודי או הדרכה על מוצר שסופקו.", "source": { "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1", "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036", "raw_model_json_sha256": "0860ed4a7b671ede6407bd61e85ba9d50d2897913240eee886e70051826e49df", "renderer_sha256": "c36bd89b8b0dac234af52bf68530df83530b908ec7a9f2e1de2483fe236ae910" }, "sourceRevision": "07c5d9ae1f3c7b011902188091041be2abd352fe37809c9c2c28423c50bbc641" }