Microsoft AI: MAI-Voice-2-Flash

MAI-Voice-2-Flash di Microsoft AI genera parlato espressivo in 15 lingue per assistenti, servizio clienti e menu parlati. Combina interpretazione reattiva con una libreria selezionata di voci, prompting da voce di riferimento e controllo del tono a livello di turno.

Ailoot Ultra · Sintesi vocale POST /v1/audio/speech microsoft/mai-voice-2-flash

Informazioni sul modello

Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.

MAI-Voice-2-Flash è il modello di sintesi vocale di Microsoft AI progettato per esperienze vocali reattive su larga scala. Il produttore descrive prosodia naturale, audio chiaro e interpretazione espressiva, con assistenti, agenti di servizio clienti e menu telefonici tra le attività principali. Il testo scritto diventa audio parlato nella voce scelta. Flash è una variante specifica di MAI-Voice-2, distinta dalla successiva famiglia MAI-Voice-2.1.

Selezione di lingua e voce

La scheda esatta del modello documenta quindici lingue e diciotto varianti locali. Comprendono inglese, italiano, spagnolo, hindi, francese, tedesco, portoghese, coreano, cinese semplificato, turco, russo, thailandese, neerlandese, romeno e ungherese, con varianti regionali separate per alcune lingue. Scegli la lingua desiderata e prepara la formulazione effettiva che l’ascoltatore dovrebbe sentire. Una distinzione di variante locale può contare per un saluto, un nome di prodotto o una pronuncia familiare al pubblico.

Microsoft documenta due percorsi di selezione vocale: una libreria selezionata e il prompting vocale da una breve registrazione. La libreria fornisce un parlante esistente per una narrazione o interazione. Una registrazione di riferimento definisce un’identità differente del parlante attraverso il flusso di voce personalizzata del produttore. Mantieni coerente la scelta del parlante tra messaggi correlati, affinché apertura, spiegazione e seguito suonino come parti della stessa esperienza.

Tono per il parlato interattivo

Il modello supporta controllo di tono, interpretazione ed emozione a livello di turno. Per un assistente parlato, scrivi una prima istruzione concisa e poi il dettaglio necessario all’ascoltatore. Una frase concreta è: «Scegli il documento che vuoi aprire. Se non sei sicuro del titolo, dimmi di che cosa parla». Il copione dà all’ascoltatore un’azione chiara lasciando spazio per una domanda successiva.

Per uno scambio educativo, separa la spiegazione dalla domanda a cui dovrebbe rispondere chi apprende. Per un menu, mantieni brevi i nomi delle opzioni e usa formulazioni chiare dopo un solo ascolto. Il tono dovrebbe seguire lo scopo del passaggio: una rassicurazione, un’istruzione e una domanda possono richiedere interpretazioni differenti pur conservando la stessa voce.

Preparazione della voce di riferimento

Il produttore specifica una registrazione da cinque a sessanta secondi per il prompting vocale e descrive la riproduzione del parlante consenziente senza addestramento aggiuntivo. Raccomanda interpretazione conversazionale naturale con energia moderata, perché la reference influenza sostanzialmente il risultato. Prepara una registrazione rappresentativa della voce che vuoi usare anziché un’interpretazione con estremi non pertinenti di volume o espressione.

Questa modalità è documentata per una voce autorizzata e consenziente. Il flusso del produttore e la libreria di voci preimpostate sono percorsi di preparazione separati. L’output rimane parlato appena sintetizzato dal testo fornito; la registrazione fornisce l’identità desiderata del parlante.

Lavorare con il risultato parlato

Usa Flash per un’interazione in cui la risposta dovrebbe arrivare rapidamente e rimanere facile da capire. Il produttore posiziona questa variante sulla reattività mantenendo prosodia e qualità acustica della linea MAI-Voice-2. Mantieni ogni turno parlato collegato al suo testo e al parlante, affinché nomi importanti, comandi e cambi emotivi possano essere verificati nel contesto.

Un risultato utile è un messaggio o una risposta parlati chiari nella lingua e nella voce richieste. Ascolta la formulazione come la sentirà il pubblico, soprattutto in una sequenza di messaggi. La specifica di quindici lingue e diciotto varianti locali appartiene all’esatta edizione Voice-2-Flash; il catalogo linguistico ampliato e i dettagli delle voci gestite delle versioni successive appartengono ai rispettivi profili.

Ailoot Ultra · Sintesi vocale POST /v1/audio/speech microsoft/mai-voice-2-flash

microsoft/mai-voice-2-flash

Microsoft AI /microsoft/mai-voice-2-flash

Introduzione

Input accettati: Testo
Risultati: Audio

Disponibile in Ailoot · input e metodi

Ailoot Ultra · Sintesi vocale POST /v1/audio/speech

Tipi di input: text
Tipi di output: audio
Formato di output: mp3

Campo	Tipo	Requisito	Valori e limiti	Predefinito
Campo`model`	Tipo`string`	RequisitoObbligatorio	Valori e limiti microsoft/mai-voice-2-flash	Predefinito—
Campo`input`	Tipo`string`	RequisitoObbligatorio	Valori e limiti Lunghezza minima: 1 Unità: caratteri Unicode	Predefinito—
Campo`voice`	Tipo`string`	RequisitoObbligatorio	Valori e limiti en-US-Harper:MAI-Voice-2, es-MX-Valeria:MAI-Voice-2, fr-FR-Soleil:MAI-Voice-2, de-DE-Klaus:MAI-Voice-2	Predefinito—
Campo`response_format`	Tipo`string`	RequisitoObbligatorio	Valori e limiti mp3	Predefinito—

Combinazioni di materiali in input

text_to_speech · Obbligatorio: input

Parametri e ciclo di vita del metodo

Parametro	Contratto
Parametro`content_type`	Contrattoapplication/json
Parametro`required`	Contrattomodel, input, voice, response_format
Parametro`voice_ids`	Contrattoen-US-Harper:MAI-Voice-2, es-MX-Valeria:MAI-Voice-2, fr-FR-Soleil:MAI-Voice-2, de-DE-Klaus:MAI-Voice-2
Parametro`response_format`	Contrattomp3
Parametro`max_input_characters`	Contrattonull
Parametro`other_options`	Contrattofalse
Parametro`input`	Contrattotesto UTF-8 esatto; conteggio dei caratteri Unicode senza normalizzazione
Parametro`material_types`	Contrattotext

Ciclo di vita: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · task_id effettivamente restituito o record della libreria multimediale

GET /v1/media/assets/{asset_id}/content

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Seleziona la voce esatta dal profilo di questo modello.

I caratteri in ingresso e i secondi di audio sono unità di misurazione diverse.

Tariffe

Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.

Modalità rapida: Non specificato Quando è selezionata la modalità rapida
Modalità flex: Non specificato Quando è selezionata la modalità flex
Sforzo massimo di ragionamento: Non specificato Quando lo sforzo massimo di ragionamento usa l'adeguamento predefinito (default)

Tariffe Ailoot

Prezzi per configurazione

Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.

Configurazione	Listino delle tariffe	Quantità fatturabile	Unità di fatturazione	Costo
ConfigurazioneTariffe base dei token	Listino delle tariffeTariffa base	Quantità fatturabile—	Unità di fatturazione—	Costo Input · Token in input — / 1K token Output · Token in output — / 1K token Input · Lettura dalla cache — / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token
ConfigurazioneUltra	Listino delle tariffe—	Quantità fatturabileOgni punto di codice Unicode conta come un carattere, inclusi i caratteri Han.	Unità di fatturazioneper 1K caratteri in input	Costo Input · carattere in ingresso $0.03 per 1K caratteri in input

Dettagli della tariffa di riferimento

I listini di riferimento del modello non modificano la selezione del metodo, i preventivi o gli addebiti. Gli addebiti attivi usano le tariffe del metodo Ailoot selezionato.

Microsoft AI: MAI-Voice-2-Flash

Prezzi per configurazione

Configurazione	Condizioni di fatturazione	Costo
ConfigurazioneMicrosoft AI: MAI-Voice-2-Flash · Configurazione predefinita	Condizioni di fatturazioneConfigurazione predefinita	Costo Input · Caratteri in input 0,00003 USD per carattere in input

Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →

Esempi di richieste

Ailoot Ultra · Sintesi vocale

curl

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_VOICE_ID:?Choose an accepted voice ID from this exact model profile}"
export AILOOT_VOICE_ID
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "microsoft/mai-voice-2-flash", "input": "Good afternoon! This is a short voice take."}')
voice=os.environ["AILOOT_VOICE_ID"]
allowed=json.loads('["en-US-Harper:MAI-Voice-2", "es-MX-Valeria:MAI-Voice-2", "fr-FR-Soleil:MAI-Voice-2", "de-DE-Klaus:MAI-Voice-2"]')
if voice not in allowed: raise SystemExit("Choose an accepted voice ID from this exact model profile")
p["voice"]=voice
p["response_format"]="mp3"
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

Ricevi e salva i risultati

Ailoot Ultra · Sintesi vocale

mp3

GET /v1/media/tasks/{task_id}
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}

Altre letture di contenuto

Libreria multimedialeStato dell’attivitàDettagli delle risorse

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o media-assets.json

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_MEDIA_TASK_ID:?Set the actual ID returned by the response or media-library metadata}"
export AILOOT_MEDIA_TASK_ID
resource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_MEDIA_TASK_ID"],safe=""))')
curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/tasks/$resource_id" \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o media-task.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path("media-task.json").read_text())))
PY_RESULT

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_ASSET_ID:?Set the actual ID returned by the response or media-library metadata}"
export AILOOT_ASSET_ID
resource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_ASSET_ID"],safe=""))')
curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/assets/$resource_id" \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o media-asset.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path("media-asset.json").read_text())))
PY_RESULT

Conserva tutti i risultati completati

Conserva ogni risposta, file e parte di contenuto restituiti per intero.

Conserva il risultato binario completo e gli header. Se vengono restituiti JSON o più output, conserva ogni elemento data e recupera ogni URL firmato effettivo della risorsa.

Se occorre verificare la risposta originale

Conserva operation_id/X-Client-Request-ID originale per la riconciliazione senza reinvio; non esiste una rotta dedicata al polling audio.

Campi della risposta

Campo	Tipo
Campo`binary audio`	Tipobytes
Campo`response headers`	Tipoheaders

Errori e passaggi successivi

Risposta	Condizione	Passaggio successivo
Risposta400 · `invalid_request_error`	CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi	Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione.
Risposta`server_error`	CondizioneLa risposta restituita indica che l'operazione o il risultato richiede una verifica	Passaggio successivoConserva l'ID originale di operazione/task restituito, gli header della richiesta e la risposta; continua a leggere l'operazione originale tramite le modalità supportate. Non reinviare la richiesta di creazione.

Alias

Alias del modello

Ailoot Ultra microsoft/mai-voice-2-flash

Alias dei percorsi dei metodi

Usa i percorsi dei metodi indicati sopra.

ID di chiamata correlati

microsoft/mai-voice-2-flash

FAQ · Microsoft AI: MAI-Voice-2-Flash

Quali input e risultati sono disponibili?: POST /v1/audio/speech · microsoft/mai-voice-2-flash: text → audio
Quali campi usa la richiesta?: POST /v1/audio/speech · microsoft/mai-voice-2-flash: model, input, voice, response_format

Microsoft AI: MAI-Voice-2-Flash