speech-02-turbo
Speech-02 Turbo מיועד לסינתזת דיבור מהירה עם קצב יציב וצליל רב־לשוני.
על המודל
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
דיבור מהיר לתשובה אינטראקטיבית
Speech 02 Turbo מיועד לסינתזת דיבור אינטראקטיבית. היצרן מתאר שילוב של מהירות עם קצב יציב וצליל טבעי; בין התרחישים: תשובות קוליות, אמירות במשחקים ותוכן אינטראקטיבי. המודל מקבל טקסט ומפיק אודיו של דיבור.
בחירת אופי הצליל
משפחת Speech 02 מאפשרת לשלב קול, שפה, מבטא ואופי רגשי. Transformer אוטורגרסיבי ומקודד דובר שמאומנים יחד קושרים את גוון הקול לתוכן. אפשר לסנתז טקסט בקול מוכן; יצירת קול משוכפל חדש שייכת להכנה נפרדת.
המודל בוחר בעצמו אינטונציה רגשית לפי הטקסט או מקבל מצב שהוגדר: שמחה, עצב, כעס, פחד, גועל, הפתעה או רוגע. בנוסף נשלטים המהירות, גובה הצליל והעוצמה, כדי להתאים את האמירה לקצב האינטראקציה הרצוי.
שפות וקריאת מילים
נתמכים דיבור ברוסית ושפות אחרות, כולל אנגלית, סינית, קנטונזית, יפנית, קוריאנית, צרפתית, גרמנית, ספרדית, פורטוגזית, טורקית, ערבית ואוקראינית. ל־Speech 02 המפרט הנוכחי מחריג בנפרד פרסית, פיליפינית וטמילית.
אפשר לדייק את ההגייה באמצעות מילון החלפות, ייצוג פונטי בין־לאומי, פיניין סיני ואפשרויות קריאה ביפנית. הפסקות בין החלקים המוקראים מוגדרות בטווח 0,01–99,99 שניות. משך ההפסקה מוגדר בדיוק של שתי ספרות אחרי הפסיק; הסמנים ממוקמים בין המקטעים המוקראים ולא ברצף זה אחרי זה. המודל מספק מהירות 0,5–2, עוצמה מעל 0 ועד 10, ושינוי גובה צליל בין −12 ל־12.
אודיו להשמעה
הקלט הסינכרוני מוגבל לטקסט עם פחות מ־10 000 תווים; לנפח מעל 3000 תווים היצרן ממליץ על פלט הדרגתי. יכולות המודל כוללות MP3, WAV, FLAC ו־PCM; בהגדרות הכלליות מתוארים גם Opus ו־G.711 μ-law, עם ערוץ אודיו אחד או שניים.
כרטיס זה של Ailoot מקבל טקסט ומחזיר דיבור. המהירות של Turbo מתייחסת לייעוד גרסת המודל; משך התשובה המסוימת וזמינות הפורמטים המורחבים נקבעים לפי דרך הפנייה שנבחרה.
הגדרות אודיו נוספות כוללות קצבי דגימה של 8, 16, 22,05, 24, 32 ו־44,1 קילו־הרץ. ל־MP3 זמין קצב סיביות של 32, 64, 128 או 256 קילו־ביט לשנייה. אפשר גם לשנות את גוון הקול ולהחיל אפקט אחד: הד מרחבי, הד אולם, צליל טלפון או קול רובוטי. אפקטים לשינוי קול נתמכים ב־MP3, WAV ו־FLAC בקבלת האודיו בשלמותו, ובפלט זורם רק ב־MP3. פורמטי G.711 μ-law משתמשים בקצב של 8 קילו־הרץ. היכולות האלה מתייחסות להגדרות הסינתזה של MiniMax.
היצרן מספק סנכרון בין דיבור לטקסט: חותמות זמן לפי משפטים, לפי מילים או לפי מילים בפלט הדרגתי. תוצאה כזו מסייעת להתאים את ההגייה להצגת הטקסט. היכולת הנוספת הזו דורשת תמיכה בפורמט התשובה המתאים.
Ailoot · הקראה POST /v1/audio/speech speech-02-turbo
speech-02-turboהתחלה
Speech-02 Turbo מיועד לסינתזת דיבור מהירה עם קצב יציב וצליל רב־לשוני.
- סוגי קלט נתמכים
- טקסט
- תוצאות
- speech
זמין ב-Ailoot · קלט ושיטות
Ailoot · הקראה POST /v1/audio/speech
- סוגי קלט
text- סוגי פלט
speech- פורמט פלט
- mp3
| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות speech-02-turbo | ברירת מחדל— |
שדהinput | סוגstring | דרישהחובה | ערכים ומגבלות אורך מזערי: 1 אורך מרבי ללא ערך הגבול: 10,000 יחידה: תווי Unicode | ברירת מחדל— |
שדהvoice | סוגstring | דרישהחובה | ערכים ומגבלות תבנית: ^[A-Za-z0-9_-]{1,128}$ | ברירת מחדל— |
שדהresponse_format | סוגstring | דרישהרשות | ערכים ומגבלות mp3 | ברירת מחדל— |
שילובים של חומרי קלט
text_to_speech · נדרש: input
פרמטרים ומחזור חיים של השיטה
| פרמטר | מפרט |
|---|---|
פרמטרmaterial_types | מפרטtext |
פרמטרrequired | מפרטnull |
פרמטרoptional_controls | מפרטnull |
מחזור חיים: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · ערך task_id שהוחזר בפועל או רשומה בספריית המדיה
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
מבני המתודות והמזהים מדויקים; יכולת הספק נפרדת מקבלת הבקשה לביצוע.
תעריפים
תעריפי שיטות Ailoot
POST /v1/audio/speech- קלט
- 60.00 $ לכל 1 מיליון תווים
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 · הקראה
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 narration script}"
export AILOOT_TEXT_FILE
: "${AILOOT_VOICE_ID:?Set the actual accepted voice ID for this model}"
export AILOOT_VOICE_ID
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "speech-02-turbo", "input": ""}')
f=Path(os.environ["AILOOT_TEXT_FILE"])
if not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")
text=f.read_text(encoding="utf-8")
if not text.strip():raise SystemExit("Source material must contain text")
p["input"]=text
import re
voice=os.environ["AILOOT_VOICE_ID"]
if not re.fullmatch(r"[A-Za-z0-9_-]{1,128}",voice):raise SystemExit("Set an actual accepted voice ID")
p["voice"]=voice
Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/speech \
-H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o speech.mp3
קבלה ושמירה של תוצאות
Ailoot · הקראה
mp3
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
שמירת כל התוצאות שהושלמו
שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.
שמרו את התוצאה הבינארית המלאה ואת הכותרות. אם מוחזרים JSON או פלטים מרובים, שמרו כל פריט נתונים והורידו כל נכס מה־URL החתום שלו שהוחזר בפועל.
כשצריך לבדוק את התגובה המקורית
שמרו את operation_id/X-Client-Request-ID המקורי לצורך התאמת רישומים ללא שליחה מחדש; אין נתיב ייעודי לתשאול סטטוס אודיו.
שדות התגובה
| שדה | סוג |
|---|---|
שדהbinary audio | סוגbytes |
שדהresponse headers | סוגheaders |
שגיאות והשלבים הבאים
| תגובה | תנאי | השלב הבא |
|---|---|---|
תגובה400 · invalid_request_error | תנאישדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקינים | השלב הבאתקנו את השדות שצוינו לפני בקשת יצירה חדשה. |
תגובהserver_error | תנאיהתשובה שהוחזרה מציינת שהפעולה או התוצאה דורשת בדיקה | השלב הבאשמרו את מזהה הפעולה/המשימה המקורי שהוחזר, את כותרות הבקשה ואת התשובה; המשיכו לבצע פעולות קריאה נתמכות של אותה פעולה מקורית. אל תשלחו שוב את בקשת היצירה. |
כינויים
כינויים למודל
Ailoot speech-02-turbo
כינויים לנתיבי שיטות
השתמשו בנתיבי השיטות המוצגים למעלה.
מזהי מודלים קשורים IDs
FAQ · speech-02-turbo
- אילו קלטים ותוצאות זמינים?
POST /v1/audio/speech·speech-02-turbo:text→speech- באילו שדות הבקשה משתמשת?
POST /v1/audio/speech·speech-02-turbo:model,input,voice,response_format