speech-02-turbo
Speech-02 Turbo ditujukan untuk sintesis ucapan cepat dengan ritme konsisten dan suara multibahasa.
Tentang model
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Ucapan cepat untuk jawaban interaktif
Speech 02 Turbo ditujukan untuk sintesis ucapan interaktif. Produsen menjelaskan kombinasi kecepatan dengan ritme konsisten dan suara alami; skenarionya mencakup jawaban suara, dialog gim, dan konten interaktif. Model menerima teks dan menghasilkan audio ucapan.
Pemilihan karakter audio
Keluarga Speech 02 memungkinkan kombinasi suara, bahasa, aksen, dan nuansa emosi. Transformer autoregresif dan encoder pembicara yang dilatih bersama menghubungkan warna suara dengan isi. Teks dapat disintesis menggunakan suara siap pakai; pembuatan suara kloning baru merupakan tahap persiapan tersendiri.
Model memilih intonasi emosional berdasarkan teks atau menerima keadaan yang ditentukan: gembira, sedih, marah, takut, jijik, terkejut, atau tenang. Kecepatan, nada, dan volume juga dapat diatur agar ucapan sesuai dengan tempo interaksi yang diperlukan.
Bahasa dan pembacaan kata
Ucapan bahasa Rusia dan bahasa lainnya didukung, termasuk Inggris, Tionghoa, Kanton, Jepang, Korea, Prancis, Jerman, Spanyol, Portugis, Turki, Arab, dan Ukraina. Spesifikasi Speech 02 saat ini secara khusus mengecualikan bahasa Persia, Filipino, dan Tamil.
Pelafalan dapat diperjelas melalui kamus penggantian, notasi fonetis internasional, pinyin Tionghoa, dan varian pembacaan Jepang. Jeda di antara bagian yang diucapkan ditentukan dalam rentang 0,01–99,99 detik. Durasi jeda ditentukan hingga dua angka desimal; penanda ditempatkan di antara bagian yang diucapkan dan tidak diletakkan berturut-turut. Model menyediakan kecepatan 0,5–2, volume lebih dari 0 hingga 10, dan perubahan nada dari −12 hingga 12.
Audio untuk diputar
Masukan sinkron dibatasi pada teks kurang dari 10 000 karakter; untuk jumlah melebihi 3000 karakter, produsen menyarankan keluaran bertahap. Kemampuan model mencakup MP3, WAV, FLAC, dan PCM; pengaturan umum juga menjelaskan Opus dan G.711 μ-law, serta satu atau dua kanal audio.
Kartu Ailoot ini menerima teks dan mengembalikan ucapan. Kecepatan Turbo berkaitan dengan tujuan varian model; durasi jawaban tertentu dan ketersediaan format lanjutan ditentukan oleh metode akses yang dipilih.
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-turbo
speech-02-turboMulai
Speech-02 Turbo ditujukan untuk sintesis ucapan cepat dengan ritme konsisten dan suara multibahasa.
- 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-turbo | 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$60,00 per 1 juta karakter
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
Contoh permintaan
Ailoot · Sintesis ucapan
set -eu
: "${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-turbo", "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-turbo
Alias jalur metode
Gunakan jalur metode yang ditampilkan di atas.
ID pemanggil terkait
FAQ · speech-02-turbo
- Input dan hasil apa yang tersedia?
POST /v1/audio/speech·speech-02-turbo:text→speech- Kolom apa yang digunakan permintaan?
POST /v1/audio/speech·speech-02-turbo:model,input,voice,response_format