speech-2.6-turbo
Speech 2.6 Turbo menyintesis ucapan multibahasa dan ditujukan untuk latensi jawaban yang rendah.
Tentang model
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Ucapan untuk proses suara
Speech 2.6 Turbo adalah varian sintesis ucapan yang berfokus pada kecepatan. Produsen menjelaskannya untuk asisten suara dan skenario interaktif ketika teks diubah menjadi jawaban secara bertahap. Model mempertahankan intonasi alami generasi Speech 2.6 dan dapat memproses bentuk penulisan khusus.
Teks yang perlu diucapkan dengan benar
Model dirancang untuk membaca tanggal, nomor telepon, jumlah uang, alamat halaman, dan alamat surel tanpa penulisan ulang manual setiap entri terlebih dahulu. Analisis tersebut berguna dalam pesan dinamis yang memuat angka dan notasi bersama kata biasa. Produsen menjelaskan pemrosesan format ini dalam beberapa bahasa.
Kelancaran dan kendali emosi
Speech 2.6 mendukung Fluent LoRA: mempertahankan warna suara yang mudah dikenali dengan pembacaan teks yang lebih lancar. Kemampuan ini berlaku bagi penggunaan suara yang telah disiapkan; penyiapan klon tersendiri bukan bagian permintaan teks biasa. Keluarga ini mencakup 40 bahasa, termasuk bahasa Rusia.
Turbo menyediakan tujuh emosi utama dan mode tambahan fluent serta whisper. Model dapat memilih nuansa emosi berdasarkan isi atau menggunakan keadaan yang ditentukan. Kedalaman dan tempo suara dapat diubah secara terpisah dari teks.
Suara, jeda, dan pelafalan
MiniMax menyediakan pemilihan suara serta pengaturan tempo, volume, dan nada. Kecepatan ditentukan dalam rentang 0,5–2, volume lebih dari 0 hingga 10, dan perubahan nada dari −12 hingga 12. Emosi dapat dipilih model berdasarkan makna teks atau ditentukan secara manual: gembira, sedih, marah, takut, jijik, terkejut, atau tenang.
Pelafalan dapat diperjelas melalui kamus penggantian dan notasi fonetis; tersedia alfabet fonetis internasional, pinyin Tionghoa, dan varian pembacaan Jepang. Jeda ditentukan di antara bagian yang diucapkan 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. Pengaturan tersebut memungkinkan penyelarasan bunyi nama, singkatan, dan kata ambigu dengan tujuan sintesis suara.
Perolehan audio
Sintesis menerima teks kurang dari 10 000 karakter. Untuk teks panjang melebihi 3000 karakter, produsen menyarankan keluaran streaming; audio jadi juga dapat diterima sekaligus. Pengaturan sintesis umum mencakup MP3, PCM, FLAC, WAV, Opus, dan varian G.711 μ-law, mono atau stereo; format yang tersedia untuk permintaan tertentu ditentukan melalui sarana Ailoot.
Dalam kartu Ailoot ini, teks diubah menjadi audio ucapan. Tujuan Turbo berkaitan dengan kecepatan sintesis, tetapi waktu jawaban tetap tidak dijanjikan di sini; pengaturan yang disebutkan mencerminkan kemampuan produsen dan berlaku dalam metode akses yang tersedia.
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-2.6-turbo
speech-2.6-turboMulai
Speech 2.6 Turbo menyintesis ucapan multibahasa dan ditujukan untuk latensi jawaban yang rendah.
- 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-2.6-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-2.6-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-2.6-turbo
Alias jalur metode
Gunakan jalur metode yang ditampilkan di atas.
ID pemanggil terkait
FAQ · speech-2.6-turbo
- Input dan hasil apa yang tersedia?
POST /v1/audio/speech·speech-2.6-turbo:text→speech- Kolom apa yang digunakan permintaan?
POST /v1/audio/speech·speech-2.6-turbo:model,input,voice,response_format