MiniMax: Speech 01 Turbo

MiniMax Speech 01 Turbo mengubah teks yang diberikan menjadi audio ucapan. ID model Ailoot persisnya adalah minimax/speech-01-turbo, dan pemilih sintesis yang didokumentasikan adalah speech-01-turbo. Gunakan metode audio_speech untuk sulih suara, pelajaran lisan, penjelasan produk, atau draf narasi yang susunan katanya sudah Anda miliki. Masukannya adalah bacaan untuk diucapkan, dan hasilnya adalah ucapan sintetis dalam format audio yang dipilih.

Siapkan teks sebagai kata-kata yang akan diucapkan, dengan tanda baca yang mencerminkan penggalan frasa. Untuk draf narasi, berikan urutan kalimat akhir dan ejaan nama sebelum memilih pengaturan suara. Pisahkan arahan pementasan dari bacaan lisan kecuali kata-kata tersebut memang perlu ada dalam rekaman. Dengarkan nama, angka, dan transisi penting pada hasil lalu bandingkan dengan teks sumber.

Teks harus kurang dari 10.000 karakter. Kontrak sintesis yang dipublikasikan mewajibkan model dan text. Untuk materi yang lebih panjang, siapkan bagian dalam batas tersebut dan simpan urutannya untuk penyuntingan. Profil sinkron menggunakan respons lengkap, dengan stream=false sebagai nilai bawaan yang didokumentasikan. API umum juga menjelaskan pilihan streaming, tetapi metode yang dipilih kartu ini adalah alur ucapan sinkron.

voice_setting memilih voice_id yang tersedia dan mengontrol speed, vol, serta pitch. Rentang speed yang didokumentasikan adalah 0,5–2, dengan nilai bawaan 1. vol harus lebih dari 0 dan maksimal 10, dengan nilai bawaan 1; pitch adalah bilangan bulat dari -12 hingga 12, dengan nilai bawaan 0. Sesuaikan setiap pengaturan dengan bacaan: bandingkan kecepatan baca dan keterdengaran rekaman aktual, alih-alih mengasumsikan bahwa perubahan angka menghasilkan penampilan tertentu.

Nilai emotion yang didokumentasikan adalah happy, sad, angry, fearful, disgusted, surprised, calm, dan fluent. Teks juga dapat memandu emosi model. text_normalization adalah kontrol boolean terpisah untuk persiapan pembacaan angka dalam bahasa Mandarin dan Inggris, dan latex_read mengontrol pembacaan rumus LaTeX; keduanya secara bawaan bernilai false. pronunciation_dict.tone dapat memuat aturan penggantian pelafalan yang didokumentasikan. Periksa nama atau ungkapan khusus pada audio hasil sebelum menggunakannya dalam narasi yang lebih panjang.

audio_setting.format menerima mp3, pcm, flac, atau wav, dengan nilai bawaan mp3. sample_rate menerima 8000, 16000, 22050, 24000, 32000, atau 44100 dan secara bawaan bernilai 32000. bitrate menerima 32000, 64000, 128000, atau 256000, secara bawaan bernilai 128000, dan berlaku untuk MP3. channel memilih 1 untuk mono atau 2 untuk stereo, dengan nilai bawaan 1. Simpan pilihan ini bersama bacaan sumber agar berkas yang dikembalikan dapat diperiksa untuk tujuan penyuntingan atau pemutaran yang diinginkan.

Kontrol tambahan yang didokumentasikan mencakup language_boost, yang pilihan nama persisnya mencakup English, Russian, Chinese, dan Chinese,Yue; pilih nilai yang benar-benar tercantum untuk bacaan tersebut. timber_weights dapat menggabungkan entri voice_id yang sudah ada dengan nilai weight berupa bilangan bulat dari 1 hingga 100. Nilai sound_effects yang dipublikasikan adalah spacious_echo, auditorium_echo, lofi_telephone, dan robotic. Ini adalah kontrol opsional untuk membentuk suara yang dipilih; catat pengaturan aktualnya saat membandingkan pembacaan.

Hasil sinkron berisi ucapan yang dihasilkan. output_format memilih url atau hex dan secara bawaan bernilai hex dalam skema sintesis. Unduh berkas yang dirujuk hasil URL, atau dekode hasil hex menjadi byte audio sebelum diputar. Simpan metadata audio yang dikembalikan, termasuk format, laju sampel, jumlah kanal, dan ukurannya, bersama rekaman. subtitle_enable secara bawaan bernilai false dan hanya berlaku untuk keluaran tanpa streaming ketika diaktifkan; sumber tidak menetapkan format berkas takarir untuk profil ini.

Simpan bacaan sumber, ID model persis, pilihan suara, dan rekaman yang telah selesai bersama. Tinjau seluruh pembacaan untuk memeriksa susunan kata yang diinginkan, jeda, dan pengaturan penyampaian yang dipilih sebelum menempatkannya dalam video, pelajaran, atau panduan lisan. Jika respons tidak lengkap, simpan identitas permintaan asli dan informasi yang dikembalikan untuk rekonsiliasi sebelum meminta rekaman lain. Revisi berikutnya dapat mengubah frasa atau pengaturan suara tertentu sambil mempertahankan sisa naskah agar perbandingan jelas.