Source: https://ailoot.ai/models/hu/speech-02-hd/ Canonical: https://ailoot.ai/models/hu/speech-02-hd/ Language: hu # speech-02-hd [Markdown](https://ailoot.ai/models/hu/speech-02-hd/index.md) · [JSON](https://ailoot.ai/models/hu/speech-02-hd/facts.json) ## [speech-02-hd](https://ailoot.ai/models/hu/speech-02-hd/) A Speech-02 HD beszédszintézis-modell, amely a hangminőségre és a hanghasonlóságra helyezi a hangsúlyt. - [**Ailoot · Felolvasás** `POST /v1/audio/speech` `speech-02-hd`](https://ailoot.ai/models/hu/speech-02-hd/#method-0) A modellről Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók. #### Hang narrációhoz és hosszú felolvasáshoz A Speech 02 HD a minőségre, a ritmusra és a hangzás stabilitására összpontosítva készít beszédet. A gyártó az anyagok narrációját és a hangoskönyveket emeli ki, ahol a hangnak meg kell őriznie karakterét, és egyenletesen kell végighaladnia a hosszú szövegen. Ez szintézismodell: szöveget fogad, és beszédhanggá alakítja. #### A szöveg és a hangszín összekapcsolása A Speech 02 család alapja autoregresszív Transformer-architektúra és tanítható beszélőkódoló. A hangszínkinyerés és a beszédgenerálás együtt lett tanítva a hangjellemzők és a tartalom összehangolásához. A család képességei között előkészített klónozott hangok használata, valamint a nyelv, az akcentus és a kiejtésmód kombinálása szerepel. #### Érzelem és többnyelvű felolvasás Az érzelmi árnyalat a szöveg jelentéséből határozható meg vagy kézzel adható meg. Elérhető az öröm, a szomorúság, a harag, a félelem, az undor, a meglepetés és a nyugalom. A modell orosszal, angollal és más nyelvekkel dolgozik; a gyártó különféle angol akcentusokat, kínait és kantonit, japánt, koreait, európai és más nyelveket ír le. A Speech 02 jelenlegi leírása külön kizárja a perzsát, a filippínót és a tamilt. Az újabb Speech-generációk általános nyelvlistája nem vihető át automatikusan erre a verzióra. #### Hangbeállítás Szintézishez hangválasztás, **0,5–2** közötti sebesség, 0 fölötti és legfeljebb **10** hangerő, valamint **−12 és 12 közötti** hangmagasság áll rendelkezésre. A kiejtési szótárban az íráskép a kívánt felolvasással helyettesíthető; fonetikus leírások és japán kiejtési változatok támogatottak. Ez segít vezérelni a nevek és többértelmű szavak hangzását. #### Szünetek és kész hang A gyártó **0,01–99,99 másodperces** szünetek megadását engedi a kimondott részletek között. A szünet időtartama két tizedesjegy pontossággal adható meg; a jelölőket a kimondott részletek közé kell tenni, nem közvetlenül egymás után. Egy szinkron kérés szövegének **10 000 karakternél** rövidebbnek kell lennie. A hang egyben és fokozatosan is fogadható; 3000 karakter fölötti szöveghez streamkimenet ajánlott. A modell formátumai között MP3, WAV, FLAC és PCM szerepel; az általános szintézisbeállítások Opus és G.711 μ-law változatokat is leírnak. Monó vagy sztereó használható. E kártyán szövegfelolvasás érhető el, a külön hang-előkészítés és a kibővített beállítások pedig csak az Ailoot által támogatott hozzáférési mód keretein belül alkalmazhatók. 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 · Felolvasás** `POST /v1/audio/speech` `speech-02-hd` [`speech-02-hd`](https://ailoot.ai/models/hu/#m=speech-02-hd&route=Core&caller=speech-02-hd&fmt=speech) MiniMax /`speech-02-hd` ### Kezdő lépések A Speech-02 HD beszédszintézis-modell, amely a hangminőségre és a hanghasonlóságra helyezi a hangsúlyt. Elfogadott bemenetek Szöveg Eredmények speech ### Elérhető az Ailootban · bemenetek és metódusok **Ailoot · Felolvasás** `POST /v1/audio/speech` Bemenet `text` Kimenet `speech` Kimeneti formátum mp3 | Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett | | --- | --- | --- | --- | --- | | Mező`model` | Típus`string` | KövetelményKötelező | Értékek és korlátok speech-02-hd | Alapértelmezett— | | Mező`input` | Típus`string` | KövetelményKötelező | Értékek és korlátok Minimális hossz: 1 Maximális hossz (kizáró): 10 000 Egység: Unicode-karakterek | Alapértelmezett— | | Mező`voice` | Típus`string` | KövetelményKötelező | Értékek és korlátok Minta: ^\[A-Za-z0-9\_-\]{1,128}$ | Alapértelmezett— | | Mező`response_format` | Típus`string` | KövetelményOpcionális | Értékek és korlátok mp3 | Alapértelmezett— | Bemeneti anyagok kombinációi **text\_to\_speech** · Kötelező: input Metódus paraméterei és életciklusa | Paraméter | Szerződés | | --- | --- | | Paraméter`material_types` | Szerződéstext | | Paraméter`required` | Szerződésnull | | Paraméter`optional_controls` | Szerződésnull | 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}` A metódusok szerkezete és azonosítói pontosak; a beszállítói képesség különbözik a kérelmek befogadásától. ### Díjcsomagok #### Ailoot-metódusok díjai Bemenet 100,00 USD *1 millió 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 →](https://ailoot.ai/docs/hu/billing/reserve/) ### Példakérések #### Ailoot · Felolvasás Beszédpélda ```bash 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-hd", "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 ``` ### Eredmények fogadása és mentése #### Ailoot · 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}` ##### 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** [`speech-02-hd`](https://ailoot.ai/models/hu/#m=speech-02-hd&route=Core&caller=speech-02-hd&fmt=speech) #### Metódusútvonalak álnevei Használja a fent látható metódusútvonalakat. #### Kapcsolódó modellazonosítók [`speech-02-hd`](https://ailoot.ai/models/hu/#m=speech-02-hd&route=Core&caller=speech-02-hd&fmt=speech) FAQ · speech-02-hd Milyen bemenetek és eredmények érhetők el? `POST /v1/audio/speech` · `speech-02-hd`: `text` → `speech` Mely mezőket használja a kérés? `POST /v1/audio/speech` · `speech-02-hd`: `model`, `input`, `voice`, `response_format` Csatlakoztassa az Ailootot a Claude Code-hoz, OpenCode-hoz, Hermeshez vagy saját alkalmazásához. ## A vállalat és projektportfóliója A vállalat és projektportfóliója: ügyfelek milliói; havi értékesítés milliárdos nagyságrendben. ## Vásároljon tokeneket kedvezménnyel. Előfizetési kedvezmény rendszeres munkához. Promókódok — akár 50% tokenvásárlási kedvezmény. Előfizetés Válasszon kedvezményes tarifát a rendszeres kéréseihez. Promókód akár 50%-ig Vásárláskor adja meg a kódot. Az ár az érvényes akció szerint újraszámolódik. Költségek az előzményekben Minden kéréshez megmarad a modell, a tokenek és az összeg. [Előfizetés kiválasztása](https://ailoot.ai/docs/hu/billing/subscriptions/) · [Modellárak megtekintése](https://ailoot.ai/models/hu/) ## Csatlakoztassa az API-t az értékesített termékéhez. SaaS, alkalmazások és botok — az Ailoot ajánlati feltételei és licencszerződése alapján. Viszonteladáshoz kérjen viszonteladói licencet. Kereskedelmi alkalmazás Építsen szöveg-, kép-, videó- és hanggenerálást szolgáltatása fizetős funkcióiba. Viszonteladói licenc Küldje el a projekt leírását és a hozzáférés módját. Kérjen írásos használati és viszonteladási feltételeket. Dokumentumok a weboldalon Az ajánlati feltételek, licencszerződés és adatkezelési szabályzat már a csatlakoztatás előtt elérhető. [Viszonteladói licenc kérése](mailto:support@ailoot.ai) · [Ajánlati feltételek és licencszerződés](https://ailoot.ai/legal/offer?lang=hu) ## Ailoot · A vállalat és projektportfóliója Az Ailoot felhalmozott működési tapasztalatra, széles ügyfélkörre, stabil szolgáltatásra és folyamatos KPI-ellenőrzésre épít. A vállalat és projektportfóliója: ügyfelek milliói; havi értékesítés milliárdos nagyságrendben. Az Ailoot ezt a működési tapasztalatot használja az ügyfelek termékeiben, ágenseiben, alkalmazásaiban és automatizálásaiban elérhető AI-funkciók API-hozzáféréséhez.