MiniMax: Speech 2.6 Turbo

Speech 2.6 Turbo adalah edisi ucapan MiniMax persis yang dipilih melalui model: "minimax/speech-2.6-turbo". Gunakan POST /v1/audio/speech dengan badan application/json yang berisi model dan text untuk diucapkan. Masukannya adalah naskah tertulis dan hasilnya adalah audio sintetis. Untuk pesan aplikasi, berikan kata-kata persis yang perlu didengar pendengar dan tuliskan lengkap singkatan yang ambigu. Untuk pelajaran singkat, pisahkan penjelasan dari contoh di dalam naskah itu sendiri. Untuk alur antarmuka bernarasi, hubungkan setiap segmen lisan dengan tindakan pengguna yang konkret dan simpan naskah bersama audionya.

Kolom text harus tidak kosong dan berisi kurang dari 10.000 karakter Unicode. Kirim seluruh naskah lisan dengan stream:false, atau jangan sertakan stream. Bagi materi yang lebih panjang menjadi segmen naskah lengkap yang terpisah sebelum mengirim setiap segmen. Dokumen dapat digunakan dengan membaca isi aslinya dan menempatkan bagian yang relevan di text; URL dokumen bukan pengganti naskah.

Pilih suara melalui voice_setting.voice_id. Kategori suara yang didokumentasikan mencakup suara sistem dan suara hasil kloning atau desain teks yang sudah dibuat; gunakan ID suara yang valid untuk kategori yang dipilih. Suara contohnya adalah audiobook_male_1. Objek yang sama mengontrol speed dari 0,5 hingga 2, vol di atas 0 dan hingga 10, serta pitch berupa bilangan bulat dari -12 hingga 12. Nilai bawaannya adalah 1, 1, dan 0. Kontrol tersebut menyesuaikan aspek penyampaian lisan yang berbeda, jadi pilih secara terpisah, alih-alih menempatkan namanya di dalam naskah.

voice_setting.emotion menerima happy, sad, angry, fearful, disgusted, surprised, calm, dan fluent. Dokumentasi juga menjelaskan pencocokan emosi otomatis dari teks. Untuk naskah dengan banyak angka, voice_setting.text_normalization mengaktifkan normalisasi teks bahasa Mandarin dan Inggris dan secara bawaan bernilai false. voice_setting.latex_read mengontrol pembacaan ekspresi LaTeX dan juga secara bawaan bernilai false. pronunciation_dict.tone adalah array string aturan pelafalan. Contoh yang dipublikasikan adalah ["草地/(cao3)(di1)"]; pertahankan kata, garis miring, dan struktur pelafalan dalam tanda kurung saat memberikan aturan.

audio_setting.format menerima mp3, pcm, flac, dan wav, dengan nilai bawaan mp3. sample_rate menerima 8000, 16000, 22050, 24000, 32000, dan 44100 Hz; nilai bawaannya adalah 32000. channel adalah 1 untuk mono atau 2 untuk dua kanal, dengan nilai bawaan 1. Nilai bitrate adalah 32000, 64000, 128000, dan 256000 bit per detik, dengan nilai bawaan 128000, dan berlaku untuk mp3. Pilih pengodean yang diperlukan pemutar atau alat penyunting yang akan menggunakan hasilnya.

language_boost adalah string opsional dan secara bawaan bernilai null. Nilai yang diizinkan adalah 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, dan auto. "Chinese,Yue" adalah satu nilai. Ini merupakan kontrol yang terpisah dari naskah dan ID suara. Skema juga menyediakan timber_weights untuk daftar pasangan voice_id dan weight berupa bilangan bulat, dengan setiap weight dari 1 hingga 100. Pertahankan ejaan parameter timber_weights saat menyiapkan permintaan. voice_modify.sound_effects adalah string opsional dengan nilai spacious_echo, auditorium_echo, lofi_telephone, dan robotic.

stream secara bawaan bernilai false. Untuk respons lengkap, output_format memilih url atau hex dan secara bawaan bernilai hex. Dalam hasil JSON yang didokumentasikan, data.audio memuat representasi yang dipilih: unduh URL Ailoot bertanda tangan secara lengkap, termasuk string kuerinya, atau dekode seluruh audio heksadesimal menjadi byte. Simpan hasil asli beserta data.status, base_resp, trace_id, dan extra_info, yang mencakup format audio aktual, laju sampel, jumlah kanal, ukuran, dan usage_characters.

subtitle_enable adalah boolean yang secara bawaan bernilai false dan berlaku untuk keluaran tanpa streaming. aigc_watermark adalah boolean yang secara bawaan bernilai false dan mengontrol penanda ritme yang terdengar di akhir audio yang dihasilkan. Simpan setiap hasil audio atau takarir yang dikembalikan, lalu periksa pelafalan, angka, dan berkas yang telah selesai sebelum menempatkannya dalam aplikasi. Jika pengiriman tidak pasti, simpan pengenal permintaan asli dan respons untuk memeriksa upaya yang ada. Ailoot juga menyimpan audio yang telah selesai dalam pustaka media Anda. Dengan output_format:"url", data.audio berisi tautan bertanda tangan ke aset tersimpan tersebut; ID aset muncul pada jalur /v1/media/assets/{asset_id}/content. Tautan berkas Ailoot bertanda tangan berlaku selama 24 jam sejak diterbitkan. Gunakan kunci API yang sama untuk GET /v1/media/assets?family=audio dan ikuti setiap next_cursor untuk menemukan catatan aset audio. Baca GET /v1/media/assets/{asset_id} untuk setiap catatan yang dipilih dan unduh content_url persisnya, termasuk string kueri. Jika permintaan berkas mengembalikan 404 dengan kode link_expired, baca kembali aset yang sama untuk memperoleh content_url yang diperbarui. Perbarui hasil yang disimpan, alih-alih membuat audio lagi untuk mengganti tautan yang kedaluwarsa.