MiniMax: Speech 2.8 HD

A Speech 2.8 HD kifejező beszédet szintetizál, az érzelmek és az olyan hangrészletek vezérlésével, mint a légzés és a nevetés.

Ailoot Ultra · Felolvasás POST /v1/audio/speech minimax/speech-2.8-hd

A modellről

Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.

Élő beszéd apró hangrészletekkel

A Speech 2.8 HD természetes és tiszta hangzásra készült. A generáció fő sajátossága a hangjelölések használata, amelyek társalgási részleteket illesztenek a beszédbe: nevetést, halk kuncogást, légzést, belégzést, kilégzést, sóhajt, köhögést, torokköszörülést és más rövid hangokat. Segítenek átadni az élő megszólalás ritmusát és szüneteit anélkül, hogy minden mondat egyenletes bemondói felolvasássá válna.

A jelölések a modellhez megadott formában kerülnek a szövegbe: például a (chuckle), a (breath) és a (sighs) jelöli a megfelelő hangeseményeket. A hangjelölési képesség kifejezetten a Speech 2.8 verzióhoz tartozik. Ezek a beszédszintézisen belüli hangrészletek, nem külön zenei vagy hangkompozíció generálása.

Hangszín és tisztaság

A gyártó a hang jellegzetes vonásainak átadását emeli ki: a textúrát, a légzést és a kiejtésmódot. A család képességei között már előkészített klónozott hanggal végzett szintézis szerepel; e hang létrehozása külön folyamat. A Speech 2.8 feldolgozását a háttérzaj és a digitális torzítás csökkentéséhez is átdolgozták.

Nyelvek és kifejezőerő

A Speech 2.8 40 nyelvet támogat, köztük az oroszt. A gyártó külön leírja a nyelvek közötti kiejtés fejlesztését a kínai-japán kombináción. E felhasználás a természetes hangzás megőrzését érinti különféle nyelvek használatakor, nem a szöveg automatikus fordítását.

A MiniMax hangválasztást, valamint a tempó, a hangerő és a hangmagasság vezérlését kínálja. A sebesség 0,5–2 között, a hangerő 0 fölött és legfeljebb 10 értéken, a hangmagasság-változtatás −12 és 12 között adható meg. Az érzelem a szöveg jelentése alapján a modellre bízható, vagy kézzel megadható: öröm, szomorúság, harag, félelem, undor, meglepetés vagy nyugalom.

A kiejtés helyettesítési szótárral és fonetikus leírással pontosítható; ezekhez nemzetközi fonetikai ábécé, kínai pinjin és japán olvasati változatok állnak rendelkezésre. A kimondott részletek között 0,01–99,99 másodperces szünetek adhatók meg. A szünet időtartama két tizedesjegy pontossággal adható meg; a jelölőket a kimondott részletek közé kell tenni, nem közvetlenül egymás után. E beállítások segítenek a nevek, rövidítések és többértelmű szavak hangzását a felolvasás elképzeléséhez igazítani.

Hangeredmény

A szintézis 10 000 karakternél rövidebb szöveget fogad. 3000 karakter fölötti hosszú szöveghez a gyártó streamkimenetet ajánl; a kész hang egyben történő fogadása is rendelkezésre áll. Az általános szintézisbeállítások MP3, PCM, FLAC, WAV, Opus és G.711 μ-law változatokat, monót vagy sztereót tartalmaznak; az adott kérés elérhető formátumkészletét az Ailoot eszközei határozzák meg.

Ez a kártya a szöveget beszédhanggá alakítja. A hangbeállítási képességek a MiniMax modellt írják le; hangklón létrehozása, külön feliratok és speciális csatlakozási módok nem tartoznak automatikusan a felolvasási kéréshez.

További hangbeállítások a 8, 16, 22,05, 24, 32 és 44,1 kHz mintavételi frekvenciák. MP3-hoz 32, 64, 128 vagy 256 kbit/s bitráta áll rendelkezésre. A hang színezete is módosítható, és egy effekt alkalmazható: tágas visszhang, teremvisszhang, telefonhangzás vagy robothang. A hangmódosító effektek MP3, WAV és FLAC esetén a teljes hang egyben történő fogadásakor, streamkimenetnél pedig csak MP3-hoz támogatottak. A G.711 μ-law formátumok 8 kHz frekvenciát használnak. E képességek a MiniMax szintézisbeállításaihoz tartoznak.

A gyártó a beszéd szöveggel való szinkronizálását is kínálja: mondat- vagy szószintű időbélyegeket, illetve szószintű jelölést fokozatos kimenetnél. Az ilyen eredmény segít összehangolni a kiejtést a szöveg megjelenítésével. E további képesség a megfelelő válaszformátum támogatását igényli.

Ailoot Ultra · Felolvasás POST /v1/audio/speech minimax/speech-2.8-hd

minimax/speech-2.8-hd

MiniMax /minimax/speech-2.8-hd

Kezdő lépések

A Speech 2.8 HD kifejező beszédet szintetizál, az érzelmek és az olyan hangrészletek vezérlésével, mint a légzés és a nevetés.

Elfogadott bemenetek: Szöveg
Eredmények: Hang

Elérhető az Ailootban · bemenetek és metódusok

Ailoot Ultra · Felolvasás POST /v1/audio/speech

Bemenet: text
Kimenet: audio
Kimeneti formátum: mp3

Mező	Típus	Követelmény	Értékek és korlátok	Alapértelmezett
Mező`model`	Típus`string`	KövetelményKötelező	Értékek és korlátok minimax/speech-2.8-hd	Alapértelmezett—
Mező`input`	Típus`string`	KövetelményKötelező	Értékek és korlátok Minimális hossz: 1 Egység: Unicode-karakterek	Alapértelmezett—
Mező`voice`	Típus`string`	KövetelményKötelező	Értékek és korlátok English_expressive_narrator, English_radiant_girl, English_magnetic_voiced_man, English_compelling_lady1, English_Aussie_Bloke, English_captivating_female1, English_Upbeat_Woman, English_Trustworth_Man, English_CalmWoman, English_UpsetGirl, English_Gentle-voiced_man, English_Whispering_girl, English_Diligent_Man, English_Graceful_Lady, English_ReservedYoungMan, English_PlayfulGirl, English_ManWithDeepVoice, English_MaturePartner, English_FriendlyPerson, English_MatureBoss, English_Debator, English_LovelyGirl, English_Steadymentor, English_Deep-VoicedGentleman, English_Wiselady, English_CaptivatingStoryteller, English_DecentYoungMan, English_SentimentalLady, English_ImposingManner, English_SadTeen, English_PassionateWarrior, English_WiseScholar, English_Soft-spokenGirl, English_SereneWoman, English_ConfidentWoman, English_PatientMan, English_Comedian, English_BossyLeader, English_Strong-WilledBoy, English_StressedLady, English_AssertiveQueen, English_AnimeCharacter, English_Jovialman, English_WhimsicalGirl, English_Kind-heartedGirl	Alapértelmezett—
Mező`response_format`	Típus`string`	KövetelményKötelező	Értékek és korlátok mp3	Alapértelmezett—

Bemeneti anyagok kombinációi

text_to_speech · Kötelező: input

Metódus paraméterei és életciklusa

Paraméter	Szerződés
Paraméter`content_type`	Szerződésapplication/json
Paraméter`required`	Szerződésmodel, input, voice, response_format
Paraméter`voice_ids`	SzerződésEnglish_expressive_narrator, English_radiant_girl, English_magnetic_voiced_man, English_compelling_lady1, English_Aussie_Bloke, English_captivating_female1, English_Upbeat_Woman, English_Trustworth_Man, English_CalmWoman, English_UpsetGirl, English_Gentle-voiced_man, English_Whispering_girl, English_Diligent_Man, English_Graceful_Lady, English_ReservedYoungMan, English_PlayfulGirl, English_ManWithDeepVoice, English_MaturePartner, English_FriendlyPerson, English_MatureBoss, English_Debator, English_LovelyGirl, English_Steadymentor, English_Deep-VoicedGentleman, English_Wiselady, English_CaptivatingStoryteller, English_DecentYoungMan, English_SentimentalLady, English_ImposingManner, English_SadTeen, English_PassionateWarrior, English_WiseScholar, English_Soft-spokenGirl, English_SereneWoman, English_ConfidentWoman, English_PatientMan, English_Comedian, English_BossyLeader, English_Strong-WilledBoy, English_StressedLady, English_AssertiveQueen, English_AnimeCharacter, English_Jovialman, English_WhimsicalGirl, English_Kind-heartedGirl
Paraméter`response_format`	Szerződésmp3
Paraméter`max_input_characters`	Szerződésnull
Paraméter`other_options`	Szerződésfalse
Paraméter`input`	Szerződéspontos UTF-8 szöveg; Unicode-karakterszám normalizálás nélkül
Paraméter`material_types`	Szerződéstext

Életciklus: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · A ténylegesen visszaadott task_id vagy a médiatár bejegyzése

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

E modell profiljából válassza ki a pontos hangot.

A bemeneti karakterek és a hangmásodpercek külön mérési egységek.

Díjcsomagok

A díjszabás nem ad új kérési lehetőségeket. A támogatott paraméterek a kiválasztott módszernél szerepelnek.

Gyors mód: Nincs megadva Ha a gyors mód van kiválasztva
Flex mód: Nincs megadva Ha a flex mód van kiválasztva
Maximális gondolkodási ráfordítás: Nincs megadva Ha a maximális gondolkodási ráfordításra a default beállításhoz tartozó korrekció vonatkozik

Ailoot-díjak

Árak beállításonként

Minden díjat a megjelenített feltételekhez rendeljen. Az alternatív beállítások minden csoportjához egy díjtételt használjon.

Beállítás	Díjtáblázat	Számlázható mennyiség	Elszámolási egység	Díj
BeállításTokenek alapdíjai	DíjtáblázatAlapdíj	Számlázható mennyiség—	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
BeállításUltra	Díjtáblázat—	Számlázható mennyiségMinden Unicode-kódpont egy karakternek számít, a Han-karaktereket is beleértve.	Elszámolási egység1K bemeneti karakterenként	Díj Bemenet · bemeneti karakter $0.2 1K bemeneti karakterenként

A referencia-díjszabás részletei

A modellszintű referenciatáblázatok nem módosítják a metódusválasztást, az árajánlatokat vagy a díjakat. A tényleges díjak a kiválasztott Ailoot-metódus díjtételeit használják.

MiniMax: Speech 2.8 HD

Árak beállításonként

Beállítás	Elszámolási feltételek	Díj
BeállításMiniMax: Speech 2.8 HD · Alapértelmezett beállítások	Elszámolási feltételekAlapértelmezett konfiguráció	Díj Bemenet · Bemeneti karakterek 0,0002 USD 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 →

Példakérések

Ailoot Ultra · Felolvasás

curl

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_VOICE_ID:?Choose an accepted voice ID from this exact model profile}"
export AILOOT_VOICE_ID
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "minimax/speech-2.8-hd", "input": "Good afternoon! This is a short voice take."}')
voice=os.environ["AILOOT_VOICE_ID"]
allowed=json.loads('["English_expressive_narrator", "English_radiant_girl", "English_magnetic_voiced_man", "English_compelling_lady1", "English_Aussie_Bloke", "English_captivating_female1", "English_Upbeat_Woman", "English_Trustworth_Man", "English_CalmWoman", "English_UpsetGirl", "English_Gentle-voiced_man", "English_Whispering_girl", "English_Diligent_Man", "English_Graceful_Lady", "English_ReservedYoungMan", "English_PlayfulGirl", "English_ManWithDeepVoice", "English_MaturePartner", "English_FriendlyPerson", "English_MatureBoss", "English_Debator", "English_LovelyGirl", "English_Steadymentor", "English_Deep-VoicedGentleman", "English_Wiselady", "English_CaptivatingStoryteller", "English_DecentYoungMan", "English_SentimentalLady", "English_ImposingManner", "English_SadTeen", "English_PassionateWarrior", "English_WiseScholar", "English_Soft-spokenGirl", "English_SereneWoman", "English_ConfidentWoman", "English_PatientMan", "English_Comedian", "English_BossyLeader", "English_Strong-WilledBoy", "English_StressedLady", "English_AssertiveQueen", "English_AnimeCharacter", "English_Jovialman", "English_WhimsicalGirl", "English_Kind-heartedGirl"]')
if voice not in allowed: raise SystemExit("Choose an accepted voice ID from this exact model profile")
p["voice"]=voice
p["response_format"]="mp3"
Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/speech \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o speech.mp3

Eredmények fogadása és mentése

Ailoot Ultra · Felolvasás

mp3

GET /v1/media/tasks/{task_id}
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}

További tartalomlekérések

MédiatárFeladat állapotaMédiafájl részletei

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o media-assets.json

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_MEDIA_TASK_ID:?Set the actual ID returned by the response or media-library metadata}"
export AILOOT_MEDIA_TASK_ID
resource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_MEDIA_TASK_ID"],safe=""))')
curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/tasks/$resource_id" \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o media-task.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path("media-task.json").read_text())))
PY_RESULT

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_ASSET_ID:?Set the actual ID returned by the response or media-library metadata}"
export AILOOT_ASSET_ID
resource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_ASSET_ID"],safe=""))')
curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/assets/$resource_id" \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o media-asset.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path("media-asset.json").read_text())))
PY_RESULT

Őrizzen meg minden elkészült eredményt

Őrizzen meg minden teljes visszaadott választ, fájlt és tartalomrészt.

Őrizze meg a teljes bináris eredményt és a fejléceket. JSON vagy több kimenet esetén őrizzen meg minden adatelemet, és töltse le minden ténylegesen visszaadott, aláírt média-URL tartalmát.

Ha az eredeti választ ellenőrizni kell

Őrizze meg az eredeti operation_id/X-Client-Request-ID értéket az egyeztetéshez, újbóli beküldés nélkül; nincs külön hangállapot-lekérdezési útvonal.

Válaszmezők

Mező	Típus
Mező`binary audio`	Típusbytes
Mező`response headers`	Típusheaders

Hibák és következő lépések

Válasz	Feltétel	Következő lépés
Válasz400 · `invalid_request_error`	FeltételÉrvénytelen kötelező mezők, az anyag érvénytelen reprezentációja vagy érvénytelen paraméterérték	Következő lépésJavítsa a jelzett mezőket egy új létrehozási kérés előtt.
Válasz`server_error`	FeltételA visszaadott válasz szerint a művelet vagy az eredmény ellenőrzést igényel	Következő lépésŐrizze meg az eredetileg visszaadott művelet- vagy feladatazonosítót, a kérés fejléceit és a választ; folytassa az eredeti művelet támogatott lekérdezéseit. Ne küldje be újra a létrehozási kérést.

Álnevek

Modell álnevei

Ailoot Ultra minimax/speech-2.8-hd

Metódusútvonalak álnevei

Használja a fent látható metódusútvonalakat.

Kapcsolódó modellazonosítók

minimax/speech-2.8-hd

FAQ · MiniMax: Speech 2.8 HD

Milyen bemenetek és eredmények érhetők el?: POST /v1/audio/speech · minimax/speech-2.8-hd: text → audio
Mely mezőket használja a kérés?: POST /v1/audio/speech · minimax/speech-2.8-hd: model, input, voice, response_format

MiniMax: Speech 2.8 HD