A Speech 02 Turbo a MiniMax beszédmodelljének konkrét kiadása, amelyet a model: "minimax/speech-02-turbo" választ ki. Használjon POST /v1/audio/speech kérést application/json törzzsel, amely a model és a felolvasandó text mezőt tartalmazza. Bemenete írásos szövegkönyv, eredménye szintetizált hang. Közleményhez csak a kimondandó szavakat helyezze a text mezőbe, például egy rövid átvételi értesítést. Termékismertetőhöz ossza teljes mondatokra a szövegkönyvet, és a hang generálása előtt véglegesítse a termékneveket és számokat. A gyártási megjegyzéseket, fájlneveket és a fel nem olvasandó utasításokat tartsa a kimondandó szövegkönyvön kívül.
A text mező nem lehet üres vagy csupa üres karakter, és 10 000 Unicode-karakternél kevesebbet kell tartalmaznia. A teljes felolvasandó szövegkönyvet stream:false beállítással küldje el, vagy hagyja el a stream mezőt. A hosszabb anyagot beküldés előtt bontsa különálló, teljes szövegkönyvszakaszokra. Dokumentumot úgy használhat, hogy kiolvassa tényleges tartalmát, és a releváns szakaszt a text mezőbe helyezi; a dokumentum URL-je nem helyettesíti a szövegkönyvet.
A hangot a voice_setting.voice_id mezőben válassza ki. A dokumentált hangkategóriák rendszerhangokat és már létrehozott klónozott vagy szövegesen megtervezett hangokat tartalmaznak; a választott kategóriához érvényes hangazonosítót használjon. A példában szereplő hang audiobook_male_1. Ugyanez az objektum vezérli a speed értéket 0,5 és 2 között, a vol értéket 0 fölött és legfeljebb 10-ig, valamint az egész számú pitch értéket -12 és 12 között. Alapértékeik 1, 1 és 0. Ezek a vezérlők az előadásmód különböző jellemzőit módosítják, ezért külön válassza meg őket, és ne a nevüket helyezze a szövegkönyvbe.
A voice_setting.emotion a happy, sad, angry, fearful, disgusted, surprised, calm és fluent értékeket fogadja. A dokumentáció a szövegből történő automatikus érzelmi illesztést is leírja. Sok számot tartalmazó szövegkönyvnél a voice_setting.text_normalization engedélyezi a kínai és angol szövegnormalizálást, alapértéke false. A voice_setting.latex_read a LaTeX-kifejezések felolvasását vezérli, és szintén false az alapértéke. A pronunciation_dict.tone kiejtési szabályokat tartalmazó karakterláncok tömbje. A közzétett példa ["草地/(cao3)(di1)"]; szabály megadásakor őrizze meg a szó, a perjel és a zárójelezett kiejtés szerkezetét.
Az audio_setting.format mp3, pcm, flac és wav értéket fogad, alapértéke mp3. A sample_rate 8000, 16000, 22050, 24000, 32000 és 44100 Hz értékeket fogad; alapértéke 32000. A channel 1 értéke monót, 2 értéke két csatornát jelent, alapértéke 1. A bitrate értékei 32000, 64000, 128000 és 256000 bit másodpercenként, alapértéke 128000, és az mp3 formátumra vonatkozik. Válassza az eredményt felhasználó lejátszóhoz vagy szerkesztőhöz szükséges kódolást.
A language_boost opcionális karakterlánc, alapértéke null. Megengedett értékei 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 és auto. A "Chinese,Yue" egyetlen érték. Ez a szövegkönyvtől és a hangazonosítótól különálló vezérlő. A séma a timber_weights mezőt is elérhetővé teszi voice_id és egész weight párok listájához, ahol minden weight 1 és 100 közötti. Kérés előkészítésekor őrizze meg a timber_weights paraméternév írásmódját. A voice_modify.sound_effects opcionális karakterlánc, amelynek értékei spacious_echo, auditorium_echo, lofi_telephone és robotic.
A stream alapértéke false. Teljes válasznál az output_format url vagy hex értéket választ, alapértéke hex. A dokumentált JSON-eredményben a data.audio hordozza a választott reprezentációt: töltse le a teljes aláírt Ailoot URL tartalmát a lekérdezési karakterlánccal együtt, vagy dekódolja bájtokká a teljes hexadecimális hangot. Az eredeti eredményt őrizze meg a data.status, base_resp, trace_id és extra_info mezőkkel együtt; az utóbbi tartalmazza a tényleges hangformátumot, mintavételi frekvenciát, csatornaszámot, méretet és usage_characters adatot.
A subtitle_enable logikai érték, alapértéke false, és nem folyamatos kimenetre vonatkozik. Az aigc_watermark logikai érték, alapértéke false, és a generált hang végén hallható ritmusjelölőt vezérli. Őrizzen meg minden visszaadott hang- vagy felirateredményt, és ellenőrizze a kiejtést, a számokat és az elkészült fájlt, mielőtt az alkalmazásba helyezi. Bizonytalan kézbesítésnél őrizze meg az eredeti kérés azonosítóját és a választ a meglévő próbálkozás ellenőrzéséhez. Az Ailoot a kész hangot a médiatárába is elmenti. output_format:"url" esetén a data.audio aláírt hivatkozást tartalmaz az elmentett médiaelemre; a médiaelem azonosítója annak /v1/media/assets/{asset_id}/content útvonalában jelenik meg. Az Ailoot aláírt fájlhivatkozásai a kiadástól számított 24 óráig érvényesek. Ugyanazzal az API-kulccsal küldjön GET /v1/media/assets?family=audio kérést, és minden next_cursor értéket követve keresse meg a hangmédiaelemek rekordjait. Minden kiválasztott rekordhoz olvassa ki a GET /v1/media/assets/{asset_id} végpontot, és töltse le a pontos content_url tartalmát a lekérdezési karakterlánccal együtt. Ha a fájlkérés 404 választ ad link_expired kóddal, olvassa ki újra ugyanazt a médiaelemet a frissített content_url lekéréséhez. A mentett eredményt frissítse ahelyett, hogy egy lejárt hivatkozás pótlására újra hangot generálna.
", "aboutText": "A Speech 02 Turbo a MiniMax beszédmodelljének konkrét kiadása, amelyet a model: \"minimax/speech-02-turbo\" választ ki. Használjon POST /v1/audio/speech kérést application/json törzzsel, amely a model és a felolvasandó text mezőt tartalmazza. Bemenete írásos szövegkönyv, eredménye szintetizált hang. Közleményhez csak a kimondandó szavakat helyezze a text mezőbe, például egy rövid átvételi értesítést. Termékismertetőhöz ossza teljes mondatokra a szövegkönyvet, és a hang generálása előtt véglegesítse a termékneveket és számokat. A gyártási megjegyzéseket, fájlneveket és a fel nem olvasandó utasításokat tartsa a kimondandó szövegkönyvön kívül.\n\nA text mező nem lehet üres vagy csupa üres karakter, és 10 000 Unicode-karakternél kevesebbet kell tartalmaznia. A teljes felolvasandó szövegkönyvet stream:false beállítással küldje el, vagy hagyja el a stream mezőt. A hosszabb anyagot beküldés előtt bontsa különálló, teljes szövegkönyvszakaszokra. Dokumentumot úgy használhat, hogy kiolvassa tényleges tartalmát, és a releváns szakaszt a text mezőbe helyezi; a dokumentum URL-je nem helyettesíti a szövegkönyvet.\n\nA hangot a voice_setting.voice_id mezőben válassza ki. A dokumentált hangkategóriák rendszerhangokat és már létrehozott klónozott vagy szövegesen megtervezett hangokat tartalmaznak; a választott kategóriához érvényes hangazonosítót használjon. A példában szereplő hang audiobook_male_1. Ugyanez az objektum vezérli a speed értéket 0,5 és 2 között, a vol értéket 0 fölött és legfeljebb 10-ig, valamint az egész számú pitch értéket -12 és 12 között. Alapértékeik 1, 1 és 0. Ezek a vezérlők az előadásmód különböző jellemzőit módosítják, ezért külön válassza meg őket, és ne a nevüket helyezze a szövegkönyvbe.\n\nA voice_setting.emotion a happy, sad, angry, fearful, disgusted, surprised, calm és fluent értékeket fogadja. A dokumentáció a szövegből történő automatikus érzelmi illesztést is leírja. Sok számot tartalmazó szövegkönyvnél a voice_setting.text_normalization engedélyezi a kínai és angol szövegnormalizálást, alapértéke false. A voice_setting.latex_read a LaTeX-kifejezések felolvasását vezérli, és szintén false az alapértéke. A pronunciation_dict.tone kiejtési szabályokat tartalmazó karakterláncok tömbje. A közzétett példa [\"草地/(cao3)(di1)\"]; szabály megadásakor őrizze meg a szó, a perjel és a zárójelezett kiejtés szerkezetét.\n\nAz audio_setting.format mp3, pcm, flac és wav értéket fogad, alapértéke mp3. A sample_rate 8000, 16000, 22050, 24000, 32000 és 44100 Hz értékeket fogad; alapértéke 32000. A channel 1 értéke monót, 2 értéke két csatornát jelent, alapértéke 1. A bitrate értékei 32000, 64000, 128000 és 256000 bit másodpercenként, alapértéke 128000, és az mp3 formátumra vonatkozik. Válassza az eredményt felhasználó lejátszóhoz vagy szerkesztőhöz szükséges kódolást.\n\nA language_boost opcionális karakterlánc, alapértéke null. Megengedett értékei 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 és auto. A \"Chinese,Yue\" egyetlen érték. Ez a szövegkönyvtől és a hangazonosítótól különálló vezérlő. A séma a timber_weights mezőt is elérhetővé teszi voice_id és egész weight párok listájához, ahol minden weight 1 és 100 közötti. Kérés előkészítésekor őrizze meg a timber_weights paraméternév írásmódját. A voice_modify.sound_effects opcionális karakterlánc, amelynek értékei spacious_echo, auditorium_echo, lofi_telephone és robotic.\n\nA stream alapértéke false. Teljes válasznál az output_format url vagy hex értéket választ, alapértéke hex. A dokumentált JSON-eredményben a data.audio hordozza a választott reprezentációt: töltse le a teljes aláírt Ailoot URL tartalmát a lekérdezési karakterlánccal együtt, vagy dekódolja bájtokká a teljes hexadecimális hangot. Az eredeti eredményt őrizze meg a data.status, base_resp, trace_id és extra_info mezőkkel együtt; az utóbbi tartalmazza a tényleges hangformátumot, mintavételi frekvenciát, csatornaszámot, méretet és usage_characters adatot.\n\nA subtitle_enable logikai érték, alapértéke false, és nem folyamatos kimenetre vonatkozik. Az aigc_watermark logikai érték, alapértéke false, és a generált hang végén hallható ritmusjelölőt vezérli. Őrizzen meg minden visszaadott hang- vagy felirateredményt, és ellenőrizze a kiejtést, a számokat és az elkészült fájlt, mielőtt az alkalmazásba helyezi. Bizonytalan kézbesítésnél őrizze meg az eredeti kérés azonosítóját és a választ a meglévő próbálkozás ellenőrzéséhez. Az Ailoot a kész hangot a médiatárába is elmenti. output_format:\"url\" esetén a data.audio aláírt hivatkozást tartalmaz az elmentett médiaelemre; a médiaelem azonosítója annak /v1/media/assets/{asset_id}/content útvonalában jelenik meg. Az Ailoot aláírt fájlhivatkozásai a kiadástól számított 24 óráig érvényesek. Ugyanazzal az API-kulccsal küldjön GET /v1/media/assets?family=audio kérést, és minden next_cursor értéket követve keresse meg a hangmédiaelemek rekordjait. Minden kiválasztott rekordhoz olvassa ki a GET /v1/media/assets/{asset_id} végpontot, és töltse le a pontos content_url tartalmát a lekérdezési karakterlánccal együtt. Ha a fájlkérés 404 választ ad link_expired kóddal, olvassa ki újra ugyanazt a médiaelemet a frissített content_url lekéréséhez. A mentett eredményt frissítse ahelyett, hogy egy lejárt hivatkozás pótlására újra hangot generálna.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "62cdf78f524282efbe6d1d9b6cb75949dfce928e928acf9b0a1d2da1e9ea30fd", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "hu", "methods": [ { "html": "minimax/speech-02-turboA Speech 02 Turbo a MiniMax szöveget beszéddé alakító modellje, amely kész szövegkönyvből készít hangot. A minimax/speech-02-turbo kiadás hang-, előadásmód- és hangformátum-vezérlőket tesz elérhetővé, teljes JSON-válasszal, valamint URL-alapú vagy hexadecimális hangkimenet választási lehetőségével. Előkészített közlemény, termékismertető vagy narráció szövegkönyvének beszédhanggá alakítására használható.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A Speech 02 Turbo a MiniMax beszédmodelljének konkrét kiadása, amelyet a model: "minimax/speech-02-turbo" választ ki. Használjon POST /v1/audio/speech kérést application/json törzzsel, amely a model és a felolvasandó text mezőt tartalmazza. Bemenete írásos szövegkönyv, eredménye szintetizált hang. Közleményhez csak a kimondandó szavakat helyezze a text mezőbe, például egy rövid átvételi értesítést. Termékismertetőhöz ossza teljes mondatokra a szövegkönyvet, és a hang generálása előtt véglegesítse a termékneveket és számokat. A gyártási megjegyzéseket, fájlneveket és a fel nem olvasandó utasításokat tartsa a kimondandó szövegkönyvön kívül.
A text mező nem lehet üres vagy csupa üres karakter, és 10 000 Unicode-karakternél kevesebbet kell tartalmaznia. A teljes felolvasandó szövegkönyvet stream:false beállítással küldje el, vagy hagyja el a stream mezőt. A hosszabb anyagot beküldés előtt bontsa különálló, teljes szövegkönyvszakaszokra. Dokumentumot úgy használhat, hogy kiolvassa tényleges tartalmát, és a releváns szakaszt a text mezőbe helyezi; a dokumentum URL-je nem helyettesíti a szövegkönyvet.
A hangot a voice_setting.voice_id mezőben válassza ki. A dokumentált hangkategóriák rendszerhangokat és már létrehozott klónozott vagy szövegesen megtervezett hangokat tartalmaznak; a választott kategóriához érvényes hangazonosítót használjon. A példában szereplő hang audiobook_male_1. Ugyanez az objektum vezérli a speed értéket 0,5 és 2 között, a vol értéket 0 fölött és legfeljebb 10-ig, valamint az egész számú pitch értéket -12 és 12 között. Alapértékeik 1, 1 és 0. Ezek a vezérlők az előadásmód különböző jellemzőit módosítják, ezért külön válassza meg őket, és ne a nevüket helyezze a szövegkönyvbe.
A voice_setting.emotion a happy, sad, angry, fearful, disgusted, surprised, calm és fluent értékeket fogadja. A dokumentáció a szövegből történő automatikus érzelmi illesztést is leírja. Sok számot tartalmazó szövegkönyvnél a voice_setting.text_normalization engedélyezi a kínai és angol szövegnormalizálást, alapértéke false. A voice_setting.latex_read a LaTeX-kifejezések felolvasását vezérli, és szintén false az alapértéke. A pronunciation_dict.tone kiejtési szabályokat tartalmazó karakterláncok tömbje. A közzétett példa ["草地/(cao3)(di1)"]; szabály megadásakor őrizze meg a szó, a perjel és a zárójelezett kiejtés szerkezetét.
Az audio_setting.format mp3, pcm, flac és wav értéket fogad, alapértéke mp3. A sample_rate 8000, 16000, 22050, 24000, 32000 és 44100 Hz értékeket fogad; alapértéke 32000. A channel 1 értéke monót, 2 értéke két csatornát jelent, alapértéke 1. A bitrate értékei 32000, 64000, 128000 és 256000 bit másodpercenként, alapértéke 128000, és az mp3 formátumra vonatkozik. Válassza az eredményt felhasználó lejátszóhoz vagy szerkesztőhöz szükséges kódolást.
A language_boost opcionális karakterlánc, alapértéke null. Megengedett értékei 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 és auto. A "Chinese,Yue" egyetlen érték. Ez a szövegkönyvtől és a hangazonosítótól különálló vezérlő. A séma a timber_weights mezőt is elérhetővé teszi voice_id és egész weight párok listájához, ahol minden weight 1 és 100 közötti. Kérés előkészítésekor őrizze meg a timber_weights paraméternév írásmódját. A voice_modify.sound_effects opcionális karakterlánc, amelynek értékei spacious_echo, auditorium_echo, lofi_telephone és robotic.
A stream alapértéke false. Teljes válasznál az output_format url vagy hex értéket választ, alapértéke hex. A dokumentált JSON-eredményben a data.audio hordozza a választott reprezentációt: töltse le a teljes aláírt Ailoot URL tartalmát a lekérdezési karakterlánccal együtt, vagy dekódolja bájtokká a teljes hexadecimális hangot. Az eredeti eredményt őrizze meg a data.status, base_resp, trace_id és extra_info mezőkkel együtt; az utóbbi tartalmazza a tényleges hangformátumot, mintavételi frekvenciát, csatornaszámot, méretet és usage_characters adatot.
A subtitle_enable logikai érték, alapértéke false, és nem folyamatos kimenetre vonatkozik. Az aigc_watermark logikai érték, alapértéke false, és a generált hang végén hallható ritmusjelölőt vezérli. Őrizzen meg minden visszaadott hang- vagy felirateredményt, és ellenőrizze a kiejtést, a számokat és az elkészült fájlt, mielőtt az alkalmazásba helyezi. Bizonytalan kézbesítésnél őrizze meg az eredeti kérés azonosítóját és a választ a meglévő próbálkozás ellenőrzéséhez. Az Ailoot a kész hangot a médiatárába is elmenti. output_format:"url" esetén a data.audio aláírt hivatkozást tartalmaz az elmentett médiaelemre; a médiaelem azonosítója annak /v1/media/assets/{asset_id}/content útvonalában jelenik meg. Az Ailoot aláírt fájlhivatkozásai a kiadástól számított 24 óráig érvényesek. Ugyanazzal az API-kulccsal küldjön GET /v1/media/assets?family=audio kérést, és minden next_cursor értéket követve keresse meg a hangmédiaelemek rekordjait. Minden kiválasztott rekordhoz olvassa ki a GET /v1/media/assets/{asset_id} végpontot, és töltse le a pontos content_url tartalmát a lekérdezési karakterlánccal együtt. Ha a fájlkérés 404 választ ad link_expired kóddal, olvassa ki újra ugyanazt a médiaelemet a frissített content_url lekéréséhez. A mentett eredményt frissítse ahelyett, hogy egy lejárt hivatkozás pótlására újra hangot generálna.
POST /v1/audio/speechtextaudio| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok minimax/speech-02-turbo | Alapértelmezett— |
Mezőtext | Típusstring | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— |
Mezőstream | Típusboolean | KövetelményOpcionális | Értékek és korlátok false | Alapértelmezettfalse |
Mezővoice_setting | Típusobject | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezővoice_setting.voice_id | Típusstring | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezővoice_setting.speed | Típusnumber | KövetelményOpcionális | Értékek és korlátok Minimum: 0,5 Maximum: 2 | Alapértelmezett1 |
Mezővoice_setting.vol | Típusnumber | KövetelményOpcionális | Értékek és korlátok Minimum: 0 Maximum: 10 | Alapértelmezett1 |
Mezővoice_setting.pitch | Típusinteger | KövetelményOpcionális | Értékek és korlátok Minimum: -12 Maximum: 12 | Alapértelmezett0 |
Mezővoice_setting.emotion | Típusstring | KövetelményOpcionális | Értékek és korlátok happy, sad, angry, fearful, disgusted, surprised, calm, fluent | Alapértelmezett— |
Mezővoice_setting.text_normalization | Típusboolean | KövetelményOpcionális | Értékek és korlátok | Alapértelmezettfalse |
Mezővoice_setting.latex_read | Típusboolean | KövetelményOpcionális | Értékek és korlátok | Alapértelmezettfalse |
Mezőaudio_setting | Típusobject | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőaudio_setting.sample_rate | Típusinteger | KövetelményOpcionális | Értékek és korlátok 8000, 16 000, 22 050, 24 000, 32 000, 44 100 | Alapértelmezett32 000 |
Mezőaudio_setting.bitrate | Típusinteger | KövetelményOpcionális | Értékek és korlátok 32 000, 64 000, 128 000, 256 000 | Alapértelmezett128 000 |
Mezőaudio_setting.format | Típusstring | KövetelményOpcionális | Értékek és korlátok mp3, pcm, flac, wav | Alapértelmezettmp3 |
Mezőaudio_setting.channel | Típusinteger | KövetelményOpcionális | Értékek és korlátok 1, 2 | Alapértelmezett1 |
Mezőaudio_setting.force_cbr | Típusboolean | KövetelményOpcionális | Értékek és korlátok | Alapértelmezettfalse |
Mezőpronunciation_dict | Típusobject | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőpronunciation_dict.tone | Típusarray | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőtimber_weights | Típusarray | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőlanguage_boost | Típusstring | KövetelményOpcionális | Értékek és korlátok 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 | Alapértelmezett— |
Mezővoice_modify | Típusobject | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezővoice_modify.pitch | Típusinteger | KövetelményOpcionális | Értékek és korlátok -100, 100 | Alapértelmezett— |
Mezővoice_modify.intensity | Típusinteger | KövetelményOpcionális | Értékek és korlátok -100, 100 | Alapértelmezett— |
Mezővoice_modify.timbre | Típusinteger | KövetelményOpcionális | Értékek és korlátok -100, 100 | Alapértelmezett— |
Mezővoice_modify.sound_effects | Típusstring | KövetelményOpcionális | Értékek és korlátok spacious_echo, auditorium_echo, lofi_telephone, robotic | Alapértelmezett— |
Mezősubtitle_enable | Típusboolean | KövetelményOpcionális | Értékek és korlátok | Alapértelmezettfalse |
Mezőoutput_format | Típusstring | KövetelményOpcionális | Értékek és korlátok url, hex | Alapértelmezetthex |
Mezőaigc_watermark | Típusboolean | KövetelményOpcionális | Értékek és korlátok | Alapértelmezettfalse |
| Paraméter | Szerződés |
|---|---|
Paramétercontent_type | Szerződésapplication/json |
Paraméterrequired | Szerződésmodel, text |
Paraméteroptional | Szerződésstream, voice_setting, audio_setting, pronunciation_dict, timber_weights, language_boost, voice_modify, subtitle_enable, output_format, aigc_watermark |
Paramétermaterial_types | Szerződéstext |
Paraméterconditions | SzerződésUse 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. |
Életciklus: synchronous_result_then_owned_library
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
A díjszabás nem ad új kérési lehetőségeket. A támogatott paraméterek a kiválasztott módszernél szerepelnek.
Minden díjat a megjelenített feltételekhez rendeljen. Az alternatív beállítások minden csoportjához egy díjtételt használjon.
| Beállítás | Díjtáblázat | Elszámolási egység | Díj |
|---|---|---|---|
| BeállításTokenek alapdíjai | DíjtáblázatAlapdíj | Elszámolási egység— | Díj Bemenet · Bemeneti tokenek — / 1K token Kimenet · Kimeneti tokenek — / 1K token Bemenet · Gyorsítótár olvasása — / 1K token Bemenet · Írás a gyorsítótárba — / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
| Beállításbemeneti karakter | Díjtáblázat— | Elszámolási egységbemeneti karakterenként | Díj Bemenet · bemeneti karakter $0.00012 bemeneti karakterenként |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
set -eu\n: "${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-turbo", "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.\nmp3,pcm,flac,wav
GET /v1/media/assetsGET /v1/media/assets/{asset_id}Őrizzen meg minden teljes visszaadott választ, fájlt és tartalomrészt.
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.
Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.
| Mező | Típus |
|---|---|
Meződata.audio | Típusstring |
Mezőextra_info | Típusobject |
Mezőtrace_id | Típusstring |
Ailoot Ultra minimax/speech-02-turbo
Használja a fent látható metódusútvonalakat.