Microsoft AI: MAI-Voice-2

MAI-Voice-2 dari Microsoft AI menghasilkan ucapan multibahasa yang ekspresif untuk narasi, dialog, dan aplikasi suara. Konsistensi narasi panjang, banyak penutur, dan kendali emosi per giliran mendukung buku audio, pelajaran, dan suara karakter.

Ailoot Ultra · Sintesis ucapan POST /v1/audio/speech microsoft/mai-voice-2

Tentang model

Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.

MAI-Voice-2 adalah model teks ke suara berbasis prompt dari Microsoft AI untuk konten lisan yang alami dan ekspresif. Produsennya menekankan fidelitas akustik, konsistensi penutur, dan rentang emosi. Tugas yang didokumentasikan mencakup asisten, buku audio, podcast, kuliah, karakter pendidikan, dan narasi untuk aksesibilitas. Teks transkrip menjadi audio dengan suara pilihan; varian Voice-2-Flash memiliki profil tersendiri untuk interaksi yang mengutamakan respons segera.

Bahasa dan penutur

Rilis Voice-2 Microsoft menjelaskan lima belas bahasa, yaitu Inggris, Prancis, Jerman, Italia, Spanyol, Portugis, Hindi, Korea, Tionghoa Sederhana, Turki, Rusia, Thai, Belanda, Rumania, dan Hungaria. Beberapa bahasa memiliki varian regional terpisah. Rilis ini juga menjelaskan alih kode Hindi–Inggris dan Spanyol–Inggris, sehingga petikan campuran bahasa tertentu dapat mempertahankan cara penutur beralih bahasa secara alami.

Siapkan kata-kata yang benar-benar akan diucapkan dan pertahankan bahasa yang dimaksud. Petikan pendidikan dwibahasa dapat memperkenalkan istilah dalam satu bahasa dan menjelaskannya dalam bahasa lain, sambil mempertahankan nama dan kutipan. Periksa hasil ucapan sesuai aksen dan audiens yang dibutuhkan karya tersebut, alih-alih menganggap semua varian lokal dapat saling menggantikan.

Kartu model menyediakan pustaka suara terkurasi dan jalur prompt suara referensi yang terpisah. Ucapan referensi memberikan identitas penutur yang diinginkan tanpa penyetelan halus. Microsoft menyarankan penyampaian percakapan alami dengan energi sedang karena rekaman memengaruhi tempo dan penyampaian. Gunakan rekaman representatif yang telah mendapat persetujuan ketika tugas memerlukan suara kustom.

Narasi panjang dan dialog

Kartu model mendokumentasikan generasi narasi panjang melalui pembagian menjadi potongan dengan penerusan konteks. Ini mendukung narasi yang saling terhubung, seperti bab, pelajaran, atau rangkaian petikan podcast. Bagi naskah pada batas bagian yang bermakna dan pertahankan konsistensi istilah serta pilihan penutur. Penjelasan panjang terbantu oleh transisi lisan yang memberi tahu pendengar ketika topik berganti.

Dukungan banyak penutur memungkinkan peran yang berbeda dalam dialog yang telah disiapkan. Tetapkan pertanyaan dan jawaban kepada penutur yang dimaksud dan pertahankan penugasan itu ketika suatu peran muncul kembali. Masukan harus berisi kalimat yang telah disiapkan untuk diucapkan dan instruksi penampilan yang relevan, bukan permintaan terbuka agar penyintesis ucapan menciptakan percakapannya sendiri.

Nada dan penyampaian emosi

Microsoft mendokumentasikan kendali terperinci atas nada, penyampaian, dan emosi pada tingkat giliran. Contoh rilisnya memperlihatkan peran lisan yang ekspresif dan petikan emosional. Untuk narasi, tentukan kalimat yang bersifat faktual, reflektif, atau bersemangat, lalu terapkan penyampaian yang mengikuti maknanya. Contoh kalimat praktis: “Bagian percobaan yang paling hening ternyata paling banyak mengungkapkan hal. Di sanalah polanya pertama kali terlihat jelas.” Susunan kata ini memberi penampilan perubahan penekanan yang disengaja.

Untuk sulih suara instruksional, buat tindakannya jelas dan letakkan penjelasan dalam kalimat terpisah. Untuk dialog, bedakan kata-kata yang diucapkan karakter dari catatan adegan. Dengarkan nama yang berulang dan transisi antarpetikan agar urutan akhir tetap koheren.

Gunakan audio

Keluaran berupa ucapan yang baru dihasilkan dari transkrip yang diberikan. Bentuk yang berguna adalah narasi, dialog, atau respons aplikasi suara yang suara dan penyampaiannya mengikuti naskah. Pertahankan kaitan teks, penutur, dan urutan bagian dengan rekaman agar koreksi mengubah petikan yang dimaksud tanpa kehilangan penampilan lainnya.

MAI-Voice-2 menekankan kealamian dan ekspresi dalam pengalaman mendengarkan yang panjang. Kemampuan narasi panjangnya tidak menetapkan masukan tanpa batas atau durasi rekaman maksimum yang dijamin. Deskripsi khusus Voice-2 tetap terpisah dari katalog bahasa yang diperluas dan pengaturan suara edisi Voice-2.1 yang lebih baru.

Ailoot Ultra · Sintesis ucapan POST /v1/audio/speech microsoft/mai-voice-2

microsoft/mai-voice-2

Microsoft AI /microsoft/mai-voice-2

Mulai

Masukan yang diterima: Teks
Hasil: Audio

Tersedia di Ailoot · masukan & metode

Ailoot Ultra · Sintesis ucapan POST /v1/audio/speech

Masukan: text
Keluaran: audio
Format keluaran: mp3

Kolom	Jenis	Persyaratan	Nilai & batasan	Bawaan
Kolom`model`	Jenis`string`	PersyaratanWajib	Nilai & batasan microsoft/mai-voice-2	Bawaan—
Kolom`input`	Jenis`string`	PersyaratanWajib	Nilai & batasan Panjang minimum: 1 Satuan: karakter Unicode	Bawaan—
Kolom`voice`	Jenis`string`	PersyaratanWajib	Nilai & batasan en-US-Harper:MAI-Voice-2, es-MX-Valeria:MAI-Voice-2, fr-FR-Soleil:MAI-Voice-2, de-DE-Klaus:MAI-Voice-2	Bawaan—
Kolom`response_format`	Jenis`string`	PersyaratanWajib	Nilai & batasan mp3	Bawaan—

Kombinasi bahan masukan

text_to_speech · Wajib: input

Parameter metode dan siklus hidup

Parameter	Kontrak
Parameter`content_type`	Kontrakapplication/json
Parameter`required`	Kontrakmodel, input, voice, response_format
Parameter`voice_ids`	Kontraken-US-Harper:MAI-Voice-2, es-MX-Valeria:MAI-Voice-2, fr-FR-Soleil:MAI-Voice-2, de-DE-Klaus:MAI-Voice-2
Parameter`response_format`	Kontrakmp3
Parameter`max_input_characters`	Kontraknull
Parameter`other_options`	Kontrakfalse
Parameter`input`	Kontrakteks UTF-8 persis; jumlah karakter Unicode tanpa normalisasi
Parameter`material_types`	Kontraktext

Siklus hidup: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · task_id aktual yang dikembalikan atau catatan pustaka media

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Pilih suara yang tepat dari profil model ini.

Karakter masukan dan detik audio merupakan satuan pengukuran yang berbeda.

Paket

Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.

Mode Fast: Tidak ditentukan Saat mode fast dipilih
Mode Flex: Tidak ditentukan Saat mode flex dipilih
Upaya penalaran maksimum: Tidak ditentukan Saat upaya penalaran maksimum menggunakan penyesuaian default

Tarif Ailoot

Harga menurut konfigurasi

Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.

Konfigurasi	Jadwal tarif	Jumlah yang ditagihkan	Satuan penagihan	Biaya
KonfigurasiTarif dasar token	Jadwal tarifTarif dasar	Jumlah yang ditagihkan—	Satuan penagihan—	Biaya Masukan · Token masukan — / 1K token Keluaran · Token keluaran — / 1K token Masukan · Pembacaan cache — / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token
KonfigurasiUltra	Jadwal tarif—	Jumlah yang ditagihkanSetiap titik kode Unicode dihitung sebagai satu karakter, termasuk karakter Han.	Satuan penagihanper 1K karakter masukan	Biaya Masukan · karakter masukan $0.044 per 1K karakter masukan

Detail tarif referensi

Jadwal referensi tingkat model tidak mengubah pemilihan metode, estimasi harga, atau biaya. Biaya aktif menggunakan tarif metode Ailoot yang dipilih.

Microsoft AI: MAI-Voice-2

Harga menurut konfigurasi

Konfigurasi	Kondisi penagihan	Biaya
KonfigurasiMicrosoft AI: MAI-Voice-2 · Konfigurasi bawaan	Kondisi penagihanKonfigurasi bawaan	Biaya Masukan · Karakter masukan US$0,000044 per karakter masukan

Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →

Contoh permintaan

Ailoot Ultra · Sintesis ucapan

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": "microsoft/mai-voice-2", "input": "Good afternoon! This is a short voice take."}')
voice=os.environ["AILOOT_VOICE_ID"]
allowed=json.loads('["en-US-Harper:MAI-Voice-2", "es-MX-Valeria:MAI-Voice-2", "fr-FR-Soleil:MAI-Voice-2", "de-DE-Klaus:MAI-Voice-2"]')
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

Terima dan simpan hasil

Ailoot Ultra · Sintesis ucapan

mp3

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

Pembacaan konten lain

Pustaka mediaStatus tugasDetail aset

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

Simpan semua hasil yang selesai

Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.

Simpan hasil biner dan header secara lengkap. Jika JSON atau beberapa keluaran dikembalikan, simpan setiap item data dan ambil data dari setiap URL aset bertanda tangan yang benar-benar dikembalikan.

Jika respons asli perlu diperiksa

Simpan operation_id/X-Client-Request-ID asli untuk rekonsiliasi tanpa pengiriman ulang; tidak ada rute polling khusus audio.

Kolom respons

Kolom	Jenis
Kolom`binary audio`	Jenisbytes
Kolom`response headers`	Jenisheaders

Kesalahan dan langkah berikutnya

Respons	Kondisi	Langkah berikutnya
Respons400 · `invalid_request_error`	KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid	Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru.
Respons`server_error`	KondisiRespons yang dikembalikan menyatakan bahwa operasi atau hasil perlu diperiksa	Langkah berikutnyaSimpan ID operasi/tugas asli yang dikembalikan, header permintaan, dan respons; lanjutkan pembacaan yang didukung untuk operasi asli tersebut. Jangan kirim ulang permintaan pembuatan.

Alias

Alias model

Ailoot Ultra microsoft/mai-voice-2

Alias jalur metode

Gunakan jalur metode yang ditampilkan di atas.

ID pemanggil terkait

microsoft/mai-voice-2

FAQ · Microsoft AI: MAI-Voice-2

Input dan hasil apa yang tersedia?: POST /v1/audio/speech · microsoft/mai-voice-2: text → audio
Kolom apa yang digunakan permintaan?: POST /v1/audio/speech · microsoft/mai-voice-2: model, input, voice, response_format

Microsoft AI: MAI-Voice-2