speech-02-hd
Speech-02 HD adalah model sintesis ucapan yang menekankan kualitas audio dan kemiripan suara.
Tentang model
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Suara untuk pembacaan materi dan teks panjang
Speech 02 HD menghasilkan ucapan dengan fokus pada kualitas, ritme, dan konsistensi audio. Produsen menekankan pembacaan materi dan buku audio ketika suara perlu mempertahankan karakter serta membacakan teks panjang secara konsisten. Ini adalah model sintesis: model menerima teks dan mengubahnya menjadi audio ucapan.
Hubungan teks dan warna suara
Fondasi keluarga Speech 02 adalah arsitektur Transformer autoregresif dan encoder pembicara yang dapat dilatih. Ekstraksi warna suara dan generasi ucapan dilatih bersama untuk menyelaraskan ciri suara dengan isi. Kemampuan keluarga ini mencakup penggunaan suara kloning yang telah disiapkan serta kombinasi bahasa, aksen, dan cara pelafalan.
Emosi dan pembacaan multibahasa
Nuansa emosi dapat ditentukan berdasarkan makna teks atau diatur secara manual. Tersedia gembira, sedih, marah, takut, jijik, terkejut, dan tenang. Model bekerja dengan bahasa Rusia, Inggris, dan bahasa lainnya; produsen menjelaskan beragam aksen bahasa Inggris, bahasa Tionghoa dan Kanton, Jepang, Korea, bahasa Eropa, serta bahasa lainnya.
Deskripsi Speech 02 saat ini secara khusus mengecualikan bahasa Persia, Filipino, dan Tamil. Daftar bahasa umum generasi Speech yang lebih baru tidak boleh otomatis diterapkan pada versi ini.
Pengaturan suara
Sintesis menyediakan pemilihan suara, perubahan kecepatan 0,5–2, volume lebih dari 0 hingga 10, dan nada dari −12 hingga 12. Kamus pelafalan dapat menetapkan penggantian ejaan dengan pembacaan yang diinginkan; notasi fonetis dan varian pelafalan Jepang didukung. Ini membantu mengatur bunyi nama dan kata ambigu.
Jeda dan audio jadi
Produsen memungkinkan jeda di antara bagian yang diucapkan dengan durasi 0,01–99,99 detik. Durasi jeda ditentukan hingga dua angka desimal; penanda ditempatkan di antara bagian yang diucapkan dan tidak diletakkan berturut-turut. Teks satu permintaan sinkron harus memuat kurang dari 10 000 karakter. Audio dapat diterima sekaligus atau secara bertahap; keluaran streaming disarankan untuk teks melebihi 3000 karakter.
Format model mencakup MP3, WAV, FLAC, dan PCM; pengaturan sintesis umum juga menjelaskan Opus dan varian G.711 μ-law. Mono atau stereo dapat digunakan. Kartu ini menyediakan sintesis suara dari teks, sedangkan penyiapan suara tersendiri dan pengaturan lanjutan hanya berlaku dalam metode akses melalui Ailoot yang didukung.
Pengaturan audio tambahan mencakup laju sampel 8, 16, 22,05, 24, 32, dan 44,1 kHz. MP3 menyediakan bitrate 32, 64, 128, atau 256 kbit/detik. Warna suara juga dapat diubah dan satu efek diterapkan: gema ruang luas, gema aula, suara telepon, atau suara robot. Efek perubahan suara didukung untuk MP3, WAV, dan FLAC saat audio diterima sekaligus, sedangkan dalam streaming hanya untuk MP3. Format G.711 μ-law menggunakan frekuensi 8 kHz. Kemampuan tersebut berlaku bagi pengaturan sintesis MiniMax.
Produsen menyediakan sinkronisasi ucapan dengan teks: penanda waktu per kalimat, per kata, atau per kata selama keluaran bertahap. Hasil tersebut membantu menyelaraskan pengucapan dengan tampilan teks. Kemampuan tambahan ini memerlukan dukungan format jawaban yang sesuai.
Ailoot · Sintesis ucapan POST /v1/audio/speech speech-02-hd
speech-02-hdMulai
Speech-02 HD adalah model sintesis ucapan yang menekankan kualitas audio dan kemiripan suara.
- Masukan yang diterima
- Teks
- Hasil
- speech
Tersedia di Ailoot · masukan & metode
Ailoot · Sintesis ucapan POST /v1/audio/speech
- Masukan
text- Keluaran
speech- Format keluaran
- mp3
| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan speech-02-hd | Bawaan— |
Kolominput | Jenisstring | PersyaratanWajib | Nilai & batasan Panjang minimum: 1 Panjang maksimum (eksklusif): 10.000 Satuan: karakter Unicode | Bawaan— |
Kolomvoice | Jenisstring | PersyaratanWajib | Nilai & batasan Pola: ^[A-Za-z0-9_-]{1,128}$ | Bawaan— |
Kolomresponse_format | Jenisstring | PersyaratanOpsional | Nilai & batasan mp3 | Bawaan— |
Kombinasi bahan masukan
text_to_speech · Wajib: input
Parameter metode dan siklus hidup
| Parameter | Kontrak |
|---|---|
Parametermaterial_types | Kontraktext |
Parameterrequired | Kontraknull |
Parameteroptional_controls | Kontraknull |
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}
Struktur metode dan ID bersifat eksak; kemampuan pemasok terpisah dari penerimaan permintaan.
Paket
Tarif metode Ailoot
POST /v1/audio/speech- Masukan
- US$100,00 per 1 juta karakter
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
Contoh permintaan
Ailoot · Sintesis ucapan
set -eu
: "${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
Terima dan simpan hasil
Ailoot · Sintesis ucapan
mp3
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
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 |
|---|---|
Kolombinary audio | Jenisbytes |
Kolomresponse 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. |
Responsserver_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 speech-02-hd
Alias jalur metode
Gunakan jalur metode yang ditampilkan di atas.
ID pemanggil terkait
FAQ · speech-02-hd
- Input dan hasil apa yang tersedia?
POST /v1/audio/speech·speech-02-hd:text→speech- Kolom apa yang digunakan permintaan?
POST /v1/audio/speech·speech-02-hd:model,input,voice,response_format