{ "aboutHtml": "

MiniMax Speech 01 HD converte il testo fornito in audio parlato. Il suo ID esatto del modello Ailoot è minimax/speech-01-hd e il suo selettore di sintesi documentato è speech-01-hd. Usa il metodo audio_speech per una voce fuori campo, una lezione parlata, una spiegazione di prodotto o una bozza di narrazione di cui possiedi già il testo. L'input è il brano da leggere e il risultato è parlato sintetizzato nel formato audio selezionato.

Prepara il testo come parole destinate a essere pronunciate, con una punteggiatura che rispecchi il fraseggio. Per una bozza di narrazione, fornisci l'ordine definitivo delle frasi e la grafia dei nomi prima di scegliere le impostazioni vocali. Mantieni le indicazioni di regia separate dal brano parlato, a meno che quelle parole non debbano far parte della registrazione. Ascolta i nomi, i numeri e le transizioni importanti nel risultato e confrontali con il testo di partenza.

Il testo deve avere una lunghezza inferiore a 10 000 caratteri. Il contratto di sintesi pubblicato richiede model e text. Per materiale più lungo, prepara brani entro quel limite e conservane l'ordine per il montaggio. Il profilo sincrono usa una risposta completa, con stream=false come valore predefinito documentato. L'API generale descrive anche opzioni di streaming, ma il metodo selezionato in questa scheda è il flusso vocale sincrono.

voice_setting seleziona un voice_id disponibile e controlla speed, vol e pitch. L'intervallo documentato di speed è 0,5–2, con 1 come valore predefinito. vol deve essere maggiore di 0 e al massimo 10, con 1 come valore predefinito; pitch è un intero da -12 a 12, con 0 come valore predefinito. Fai in modo che ogni impostazione sia al servizio del brano: confronta il ritmo di lettura e l'udibilità della registrazione effettiva, senza presumere che una variazione numerica produca una determinata interpretazione.

I valori documentati di emotion sono happy, sad, angry, fearful, disgusted, surprised, calm e fluent. Anche il testo può guidare l'emozione del modello. text_normalization è un controllo booleano separato per preparare la lettura dei numeri in cinese e inglese, e latex_read controlla la lettura delle formule LaTeX; entrambi hanno false come valore predefinito. pronunciation_dict.tone può contenere regole documentate di sostituzione della pronuncia. Controlla un nome o un'espressione specialistica nell'audio risultante prima di usarli in una narrazione più lunga.

audio_setting.format accetta mp3, pcm, flac o wav, con mp3 come valore predefinito. sample_rate accetta 8000, 16000, 22050, 24000, 32000 o 44100 e ha 32000 come valore predefinito. bitrate accetta 32000, 64000, 128000 o 256000, ha 128000 come valore predefinito e si applica a MP3. channel seleziona 1 per mono o 2 per stereo, con 1 come valore predefinito. Conserva queste scelte insieme al brano di partenza, così da poter verificare il file restituito rispetto alla destinazione prevista di montaggio o riproduzione.

Ulteriori controlli documentati includono language_boost, le cui opzioni con nome esatto comprendono English, Russian, Chinese e Chinese,Yue; scegli per il brano un valore effettivamente presente nell'elenco. timber_weights può combinare voci voice_id esistenti con valori interi di weight da 1 a 100. I valori pubblicati di sound_effects sono spacious_echo, auditorium_echo, lofi_telephone e robotic. Sono controlli facoltativi per modellare una voce selezionata; registra le loro impostazioni effettive quando confronti le letture.

Il risultato sincrono contiene parlato generato. output_format seleziona url o hex e ha hex come valore predefinito nello schema di sintesi. Scarica il file indicato da un risultato URL oppure decodifica un risultato hex in byte audio prima della riproduzione. Conserva con la registrazione i metadati audio restituiti, inclusi formato, frequenza di campionamento, numero di canali e dimensione. subtitle_enable è false per impostazione predefinita e, quando attivato, si applica solo all'output senza streaming; la fonte non stabilisce un formato di file dei sottotitoli per questo profilo.

Salva insieme il brano di partenza, l'ID esatto del modello, la selezione della voce e la registrazione completata. Esamina l'intera lettura per verificare le parole desiderate, le pause e le impostazioni interpretative scelte prima di inserirla in un video, una lezione o una guida parlata. Se la risposta è incompleta, conserva l'identità originale della richiesta e le informazioni restituite per la riconciliazione prima di richiedere un'altra registrazione. Una revisione successiva può modificare una frase specifica o un'impostazione vocale mantenendo il resto del copione per un confronto chiaro.

", "aboutText": "MiniMax Speech 01 HD converte il testo fornito in audio parlato. Il suo ID esatto del modello Ailoot è minimax/speech-01-hd e il suo selettore di sintesi documentato è speech-01-hd. Usa il metodo audio_speech per una voce fuori campo, una lezione parlata, una spiegazione di prodotto o una bozza di narrazione di cui possiedi già il testo. L'input è il brano da leggere e il risultato è parlato sintetizzato nel formato audio selezionato.\n\nPrepara il testo come parole destinate a essere pronunciate, con una punteggiatura che rispecchi il fraseggio. Per una bozza di narrazione, fornisci l'ordine definitivo delle frasi e la grafia dei nomi prima di scegliere le impostazioni vocali. Mantieni le indicazioni di regia separate dal brano parlato, a meno che quelle parole non debbano far parte della registrazione. Ascolta i nomi, i numeri e le transizioni importanti nel risultato e confrontali con il testo di partenza.\n\nIl testo deve avere una lunghezza inferiore a 10 000 caratteri. Il contratto di sintesi pubblicato richiede model e text. Per materiale più lungo, prepara brani entro quel limite e conservane l'ordine per il montaggio. Il profilo sincrono usa una risposta completa, con stream=false come valore predefinito documentato. L'API generale descrive anche opzioni di streaming, ma il metodo selezionato in questa scheda è il flusso vocale sincrono.\n\nvoice_setting seleziona un voice_id disponibile e controlla speed, vol e pitch. L'intervallo documentato di speed è 0,5–2, con 1 come valore predefinito. vol deve essere maggiore di 0 e al massimo 10, con 1 come valore predefinito; pitch è un intero da -12 a 12, con 0 come valore predefinito. Fai in modo che ogni impostazione sia al servizio del brano: confronta il ritmo di lettura e l'udibilità della registrazione effettiva, senza presumere che una variazione numerica produca una determinata interpretazione.\n\nI valori documentati di emotion sono happy, sad, angry, fearful, disgusted, surprised, calm e fluent. Anche il testo può guidare l'emozione del modello. text_normalization è un controllo booleano separato per preparare la lettura dei numeri in cinese e inglese, e latex_read controlla la lettura delle formule LaTeX; entrambi hanno false come valore predefinito. pronunciation_dict.tone può contenere regole documentate di sostituzione della pronuncia. Controlla un nome o un'espressione specialistica nell'audio risultante prima di usarli in una narrazione più lunga.\n\naudio_setting.format accetta mp3, pcm, flac o wav, con mp3 come valore predefinito. sample_rate accetta 8000, 16000, 22050, 24000, 32000 o 44100 e ha 32000 come valore predefinito. bitrate accetta 32000, 64000, 128000 o 256000, ha 128000 come valore predefinito e si applica a MP3. channel seleziona 1 per mono o 2 per stereo, con 1 come valore predefinito. Conserva queste scelte insieme al brano di partenza, così da poter verificare il file restituito rispetto alla destinazione prevista di montaggio o riproduzione.\n\nUlteriori controlli documentati includono language_boost, le cui opzioni con nome esatto comprendono English, Russian, Chinese e Chinese,Yue; scegli per il brano un valore effettivamente presente nell'elenco. timber_weights può combinare voci voice_id esistenti con valori interi di weight da 1 a 100. I valori pubblicati di sound_effects sono spacious_echo, auditorium_echo, lofi_telephone e robotic. Sono controlli facoltativi per modellare una voce selezionata; registra le loro impostazioni effettive quando confronti le letture.\n\nIl risultato sincrono contiene parlato generato. output_format seleziona url o hex e ha hex come valore predefinito nello schema di sintesi. Scarica il file indicato da un risultato URL oppure decodifica un risultato hex in byte audio prima della riproduzione. Conserva con la registrazione i metadati audio restituiti, inclusi formato, frequenza di campionamento, numero di canali e dimensione. subtitle_enable è false per impostazione predefinita e, quando attivato, si applica solo all'output senza streaming; la fonte non stabilisce un formato di file dei sottotitoli per questo profilo.\n\nSalva insieme il brano di partenza, l'ID esatto del modello, la selezione della voce e la registrazione completata. Esamina l'intera lettura per verificare le parole desiderate, le pause e le impostazioni interpretative scelte prima di inserirla in un video, una lezione o una guida parlata. Se la risposta è incompleta, conserva l'identità originale della richiesta e le informazioni restituite per la riconciliazione prima di richiedere un'altra registrazione. Una revisione successiva può modificare una frase specifica o un'impostazione vocale mantenendo il resto del copione per un confronto chiaro.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "57e7fd88d9144443b043871ceaa1caffa7f29c61bd7ef2b6a8998480bd5eda1a", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "it", "methods": [ { "html": "
MM

MiniMax: Speech 01 HD

MiniMax /minimax/speech-01-hd

Introduzione

MiniMax Speech 01 HD legge il testo fornito come parlato generato tramite una richiesta audio_speech sincrona. Accetta testo di lunghezza inferiore a 10 000 caratteri e offre impostazioni di voce, ritmo e altezza con output MP3, PCM, FLAC o WAV.

Input accettati
Testo
Risultati
Audio
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.

MiniMax Speech 01 HD converte il testo fornito in audio parlato. Il suo ID esatto del modello Ailoot è minimax/speech-01-hd e il suo selettore di sintesi documentato è speech-01-hd. Usa il metodo audio_speech per una voce fuori campo, una lezione parlata, una spiegazione di prodotto o una bozza di narrazione di cui possiedi già il testo. L'input è il brano da leggere e il risultato è parlato sintetizzato nel formato audio selezionato.

Prepara il testo come parole destinate a essere pronunciate, con una punteggiatura che rispecchi il fraseggio. Per una bozza di narrazione, fornisci l'ordine definitivo delle frasi e la grafia dei nomi prima di scegliere le impostazioni vocali. Mantieni le indicazioni di regia separate dal brano parlato, a meno che quelle parole non debbano far parte della registrazione. Ascolta i nomi, i numeri e le transizioni importanti nel risultato e confrontali con il testo di partenza.

Il testo deve avere una lunghezza inferiore a 10 000 caratteri. Il contratto di sintesi pubblicato richiede model e text. Per materiale più lungo, prepara brani entro quel limite e conservane l'ordine per il montaggio. Il profilo sincrono usa una risposta completa, con stream=false come valore predefinito documentato. L'API generale descrive anche opzioni di streaming, ma il metodo selezionato in questa scheda è il flusso vocale sincrono.

voice_setting seleziona un voice_id disponibile e controlla speed, vol e pitch. L'intervallo documentato di speed è 0,5–2, con 1 come valore predefinito. vol deve essere maggiore di 0 e al massimo 10, con 1 come valore predefinito; pitch è un intero da -12 a 12, con 0 come valore predefinito. Fai in modo che ogni impostazione sia al servizio del brano: confronta il ritmo di lettura e l'udibilità della registrazione effettiva, senza presumere che una variazione numerica produca una determinata interpretazione.

I valori documentati di emotion sono happy, sad, angry, fearful, disgusted, surprised, calm e fluent. Anche il testo può guidare l'emozione del modello. text_normalization è un controllo booleano separato per preparare la lettura dei numeri in cinese e inglese, e latex_read controlla la lettura delle formule LaTeX; entrambi hanno false come valore predefinito. pronunciation_dict.tone può contenere regole documentate di sostituzione della pronuncia. Controlla un nome o un'espressione specialistica nell'audio risultante prima di usarli in una narrazione più lunga.

audio_setting.format accetta mp3, pcm, flac o wav, con mp3 come valore predefinito. sample_rate accetta 8000, 16000, 22050, 24000, 32000 o 44100 e ha 32000 come valore predefinito. bitrate accetta 32000, 64000, 128000 o 256000, ha 128000 come valore predefinito e si applica a MP3. channel seleziona 1 per mono o 2 per stereo, con 1 come valore predefinito. Conserva queste scelte insieme al brano di partenza, così da poter verificare il file restituito rispetto alla destinazione prevista di montaggio o riproduzione.

Ulteriori controlli documentati includono language_boost, le cui opzioni con nome esatto comprendono English, Russian, Chinese e Chinese,Yue; scegli per il brano un valore effettivamente presente nell'elenco. timber_weights può combinare voci voice_id esistenti con valori interi di weight da 1 a 100. I valori pubblicati di sound_effects sono spacious_echo, auditorium_echo, lofi_telephone e robotic. Sono controlli facoltativi per modellare una voce selezionata; registra le loro impostazioni effettive quando confronti le letture.

Il risultato sincrono contiene parlato generato. output_format seleziona url o hex e ha hex come valore predefinito nello schema di sintesi. Scarica il file indicato da un risultato URL oppure decodifica un risultato hex in byte audio prima della riproduzione. Conserva con la registrazione i metadati audio restituiti, inclusi formato, frequenza di campionamento, numero di canali e dimensione. subtitle_enable è false per impostazione predefinita e, quando attivato, si applica solo all'output senza streaming; la fonte non stabilisce un formato di file dei sottotitoli per questo profilo.

Salva insieme il brano di partenza, l'ID esatto del modello, la selezione della voce e la registrazione completata. Esamina l'intera lettura per verificare le parole desiderate, le pause e le impostazioni interpretative scelte prima di inserirla in un video, una lezione o una guida parlata. Se la risposta è incompleta, conserva l'identità originale della richiesta e le informazioni restituite per la riconciliazione prima di richiedere un'altra registrazione. Una revisione successiva può modificare una frase specifica o un'impostazione vocale mantenendo il resto del copione per un confronto chiaro.

Disponibile in Ailoot · input e metodi

Ailoot Ultra · Speech POST /v1/audio/speech
Tipi di input
text
Tipi di output
audio
Formato di output
mp3,pcm,flac,wav
CampoTipoRequisitoValori e limitiPredefinito
CampomodelTipostringRequisitoObbligatorioValori e limiti
minimax/speech-01-hd
Predefinito—
CampotextTipostringRequisitoObbligatorioValori e limitiPredefinito—
CampostreamTipobooleanRequisitoFacoltativoValori e limiti
false
Predefinitofalse
Campovoice_settingTipoobjectRequisitoFacoltativoValori e limitiPredefinito—
Campovoice_setting.voice_idTipostringRequisitoFacoltativoValori e limitiPredefinito—
Campovoice_setting.speedTiponumberRequisitoFacoltativoValori e limiti
Minimo: 0,5
Massimo: 2
Predefinito1
Campovoice_setting.volTiponumberRequisitoFacoltativoValori e limiti
Minimo: 0
Massimo: 10
Predefinito1
Campovoice_setting.pitchTipointegerRequisitoFacoltativoValori e limiti
Minimo: -12
Massimo: 12
Predefinito0
Campovoice_setting.emotionTipostringRequisitoFacoltativoValori e limiti
happy, sad, angry, fearful, disgusted, surprised, calm, fluent
Predefinito—
Campovoice_setting.text_normalizationTipobooleanRequisitoFacoltativoValori e limitiPredefinitofalse
Campovoice_setting.latex_readTipobooleanRequisitoFacoltativoValori e limitiPredefinitofalse
Campoaudio_settingTipoobjectRequisitoFacoltativoValori e limitiPredefinito—
Campoaudio_setting.sample_rateTipointegerRequisitoFacoltativoValori e limiti
8000, 16.000, 22.050, 24.000, 32.000, 44.100
Predefinito32.000
Campoaudio_setting.bitrateTipointegerRequisitoFacoltativoValori e limiti
32.000, 64.000, 128.000, 256.000
Predefinito128.000
Campoaudio_setting.formatTipostringRequisitoFacoltativoValori e limiti
mp3, pcm, flac, wav
Predefinitomp3
Campoaudio_setting.channelTipointegerRequisitoFacoltativoValori e limiti
1, 2
Predefinito1
Campoaudio_setting.force_cbrTipobooleanRequisitoFacoltativoValori e limitiPredefinitofalse
Campopronunciation_dictTipoobjectRequisitoFacoltativoValori e limitiPredefinito—
Campopronunciation_dict.toneTipoarrayRequisitoFacoltativoValori e limitiPredefinito—
Campotimber_weightsTipoarrayRequisitoFacoltativoValori e limitiPredefinito—
Campolanguage_boostTipostringRequisitoFacoltativoValori e limiti
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, auto
Predefinito—
Campovoice_modifyTipoobjectRequisitoFacoltativoValori e limitiPredefinito—
Campovoice_modify.pitchTipointegerRequisitoFacoltativoValori e limiti
-100, 100
Predefinito—
Campovoice_modify.intensityTipointegerRequisitoFacoltativoValori e limiti
-100, 100
Predefinito—
Campovoice_modify.timbreTipointegerRequisitoFacoltativoValori e limiti
-100, 100
Predefinito—
Campovoice_modify.sound_effectsTipostringRequisitoFacoltativoValori e limiti
spacious_echo, auditorium_echo, lofi_telephone, robotic
Predefinito—
Camposubtitle_enableTipobooleanRequisitoFacoltativoValori e limitiPredefinitofalse
Campooutput_formatTipostringRequisitoFacoltativoValori e limiti
url, hex
Predefinitohex
Campoaigc_watermarkTipobooleanRequisitoFacoltativoValori e limitiPredefinitofalse
Parametri e ciclo di vita del metodo
ParametroContratto
Parametrocontent_typeContrattoapplication/json
ParametrorequiredContrattomodel, text
ParametrooptionalContrattostream, voice_setting, audio_setting, pronunciation_dict, timber_weights, language_boost, voice_modify, subtitle_enable, output_format, aigc_watermark
Parametromaterial_typesContrattotext
ParametroconditionsContrattoUse text, not input or contents. Fewer than 10000 Unicode characters; stream is false or omitted., PCM is raw audio with its returned sample geometry; do not invent a WAV header or bit depth.

Ciclo di vita: synchronous_result_then_owned_library

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

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.

ConfigurazioneListino delle tariffeUnità di fatturazioneCosto
ConfigurazioneTariffe base dei tokenListino delle tariffeTariffa baseUnità 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
Configurazionecarattere in ingressoListino delle tariffe—Unità di fatturazioneper carattere in inputCosto
Input · carattere in ingresso $0.000105 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 · Speech

set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "minimax/speech-01-hd", "text": "Hello, this is a short speech example.", "stream": false, "output_format": "hex", "audio_setting": {"format": "mp3", "sample_rate": 32000, "channel": 1}}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/speech \\\n  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n  --data-binary @request.json -D response-headers.txt -o result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\n

Ricevi e salva i risultati

Ailoot Ultra · Speech

mp3,pcm,flac,wav

Conserva tutti i risultati completati

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

Retain the full JSON. Decode every hex audio byte or use the returned owned URL. Keep the actual format, sample rate, channel count and usage_characters.

Se occorre verificare la risposta originale

Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.

Campi della risposta
CampoTipo
Campodata.audioTipostring
Campoextra_infoTipoobject
Campotrace_idTipostring

Alias

Alias del modello

Ailoot Ultra minimax/speech-01-hd

Alias dei percorsi dei metodi

Usa i percorsi dei metodi indicati sopra.

ID di chiamata correlati

minimax/speech-01-hd

", "method_identity": { "effective_request_model_id": "minimax/speech-01-hd", "fmt": "speech", "http": "POST", "path": "/v1/audio/speech", "request_model_id": "minimax/speech-01-hd", "route_label": "Ultra" }, "method_key": "Ultra|speech|/v1/audio/speech|minimax%2Fspeech-01-hd", "ordinal": 0, "rawMethod": { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Retain the complete response, all actual results, original identifiers, usage and response headers.", "authentication": { "api_key_source": "AILOOT_API_KEY", "header": "Authorization: Bearer" }, "example_body": { "audio_setting": { "channel": 1, "format": "mp3", "sample_rate": 32000 }, "model": "minimax/speech-01-hd", "output_format": "hex", "stream": false, "text": "Hello, this is a short speech example." }, "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets", "query": { "cursor": "actual returned next_cursor, when present", "family": "audio" } }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "cancel_endpoint": null, "create": { "http": "POST", "path": "/v1/audio/speech" }, "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "owned_content": { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "Use the exact returned content_url. Refresh an expired link by reading the same existing asset." }, "status": [], "unknown": "Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.", "unknown_no_replay": true }, "outputs": { "all_results": "Retain the full JSON. Decode every hex audio byte or use the returned owned URL. Keep the actual format, sample rate, channel count and usage_characters.", "family": "audio", "fields": [ { "name": "data.audio", "type": "string" }, { "name": "extra_info", "type": "object" }, { "name": "trace_id", "type": "string" } ], "format": [ "mp3", "pcm", "flac", "wav" ] }, "parameters": [ { "default_known": false, "enum": [ "minimax/speech-01-hd" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "default_known": false, "enum_known": false, "maxLength": 9999, "minLength": 1, "name": "text", "required": true, "type": "string" }, { "default": false, "default_known": true, "enum": [ false ], "enum_known": true, "name": "stream", "required": false, "type": "boolean" }, { "default_known": false, "enum_known": false, "name": "voice_setting", "properties": { "emotion": { "enum": [ "happy", "sad", "angry", "fearful", "disgusted", "surprised", "calm", "fluent" ], "type": "string" }, "latex_read": { "default": false, "type": "boolean" }, "pitch": { "default": 0, "maximum": 12, "minimum": -12, "type": "integer" }, "speed": { "default": 1, "maximum": 2, "minimum": 0.5, "type": "number" }, "text_normalization": { "default": false, "type": "boolean" }, "voice_id": { "type": "string" }, "vol": { "default": 1, "exclusiveMinimum": true, "maximum": 10, "minimum": 0, "type": "number" } }, "required": false, "type": "object" }, { "default_known": false, "enum_known": false, "name": "voice_setting.voice_id", "required": false, "type": "string" }, { "default": 1, "default_known": true, "enum_known": false, "maximum": 2, "minimum": 0.5, "name": "voice_setting.speed", "required": false, "type": "number" }, { "default": 1, "default_known": true, "enum_known": false, "exclusiveMinimum": true, "maximum": 10, "minimum": 0, "name": "voice_setting.vol", "required": false, "type": "number" }, { "default": 0, "default_known": true, "enum_known": false, "maximum": 12, "minimum": -12, "name": "voice_setting.pitch", "required": false, "type": "integer" }, { "default_known": false, "enum": [ "happy", "sad", "angry", "fearful", "disgusted", "surprised", "calm", "fluent" ], "enum_known": true, "name": "voice_setting.emotion", "required": false, "type": "string" }, { "default": false, "default_known": true, "enum_known": false, "name": "voice_setting.text_normalization", "required": false, "type": "boolean" }, { "default": false, "default_known": true, "enum_known": false, "name": "voice_setting.latex_read", "required": false, "type": "boolean" }, { "default_known": false, "enum_known": false, "name": "audio_setting", "properties": { "bitrate": { "default": 128000, "enum": [ 32000, 64000, 128000, 256000 ], "type": "integer" }, "channel": { "default": 1, "enum": [ 1, 2 ], "type": "integer" }, "force_cbr": { "default": false, "type": "boolean" }, "format": { "default": "mp3", "enum": [ "mp3", "pcm", "flac", "wav" ], "type": "string" }, "sample_rate": { "default": 32000, "enum": [ 8000, 16000, 22050, 24000, 32000, 44100 ], "type": "integer" } }, "required": false, "type": "object" }, { "default": 32000, "default_known": true, "enum": [ 8000, 16000, 22050, 24000, 32000, 44100 ], "enum_known": true, "name": "audio_setting.sample_rate", "required": false, "type": "integer" }, { "default": 128000, "default_known": true, "enum": [ 32000, 64000, 128000, 256000 ], "enum_known": true, "name": "audio_setting.bitrate", "required": false, "type": "integer" }, { "default": "mp3", "default_known": true, "enum": [ "mp3", "pcm", "flac", "wav" ], "enum_known": true, "name": "audio_setting.format", "required": false, "type": "string" }, { "default": 1, "default_known": true, "enum": [ 1, 2 ], "enum_known": true, "name": "audio_setting.channel", "required": false, "type": "integer" }, { "default": false, "default_known": true, "enum_known": false, "name": "audio_setting.force_cbr", "required": false, "type": "boolean" }, { "default_known": false, "enum_known": false, "name": "pronunciation_dict", "properties": { "tone": { "items": { "type": "string" }, "type": "array" } }, "required": false, "type": "object" }, { "default_known": false, "enum_known": false, "items": { "type": "string" }, "name": "pronunciation_dict.tone", "required": false, "type": "array" }, { "default_known": false, "enum_known": false, "items": { "properties": { "voice_id": { "type": "string" }, "weight": { "type": "integer" } }, "type": "object" }, "name": "timber_weights", "required": false, "type": "array" }, { "default_known": false, "enum": [ "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", "auto" ], "enum_known": true, "name": "language_boost", "required": false, "type": "string" }, { "default_known": false, "enum_known": false, "name": "voice_modify", "properties": { "intensity": { "enum": [ -100, 100 ], "type": "integer" }, "pitch": { "enum": [ -100, 100 ], "type": "integer" }, "sound_effects": { "enum": [ "spacious_echo", "auditorium_echo", "lofi_telephone", "robotic" ], "type": "string" }, "timbre": { "enum": [ -100, 100 ], "type": "integer" } }, "required": false, "type": "object" }, { "default_known": false, "enum": [ -100, 100 ], "enum_known": true, "name": "voice_modify.pitch", "required": false, "type": "integer" }, { "default_known": false, "enum": [ -100, 100 ], "enum_known": true, "name": "voice_modify.intensity", "required": false, "type": "integer" }, { "default_known": false, "enum": [ -100, 100 ], "enum_known": true, "name": "voice_modify.timbre", "required": false, "type": "integer" }, { "default_known": false, "enum": [ "spacious_echo", "auditorium_echo", "lofi_telephone", "robotic" ], "enum_known": true, "name": "voice_modify.sound_effects", "required": false, "type": "string" }, { "default": false, "default_known": true, "enum_known": false, "name": "subtitle_enable", "required": false, "type": "boolean" }, { "default": "hex", "default_known": true, "enum": [ "url", "hex" ], "enum_known": true, "name": "output_format", "required": false, "type": "string" }, { "default": false, "default_known": true, "enum_known": false, "name": "aigc_watermark", "required": false, "type": "boolean" } ], "request_schema": { "properties": { "aigc_watermark": { "default": false, "type": "boolean" }, "audio_setting": { "properties": { "bitrate": { "default": 128000, "enum": [ 32000, 64000, 128000, 256000 ], "type": "integer" }, "channel": { "default": 1, "enum": [ 1, 2 ], "type": "integer" }, "force_cbr": { "default": false, "type": "boolean" }, "format": { "default": "mp3", "enum": [ "mp3", "pcm", "flac", "wav" ], "type": "string" }, "sample_rate": { "default": 32000, "enum": [ 8000, 16000, 22050, 24000, 32000, 44100 ], "type": "integer" } }, "type": "object" }, "language_boost": { "enum": [ "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", "auto" ], "type": "string" }, "model": { "enum": [ "minimax/speech-01-hd" ], "type": "string" }, "output_format": { "default": "hex", "enum": [ "url", "hex" ], "type": "string" }, "pronunciation_dict": { "properties": { "tone": { "items": { "type": "string" }, "type": "array" } }, "type": "object" }, "stream": { "default": false, "enum": [ false ], "type": "boolean" }, "subtitle_enable": { "default": false, "type": "boolean" }, "text": { "maxLength": 9999, "minLength": 1, "type": "string" }, "timber_weights": { "items": { "properties": { "voice_id": { "type": "string" }, "weight": { "type": "integer" } }, "type": "object" }, "type": "array" }, "voice_modify": { "properties": { "intensity": { "enum": [ -100, 100 ], "type": "integer" }, "pitch": { "enum": [ -100, 100 ], "type": "integer" }, "sound_effects": { "enum": [ "spacious_echo", "auditorium_echo", "lofi_telephone", "robotic" ], "type": "string" }, "timbre": { "enum": [ -100, 100 ], "type": "integer" } }, "type": "object" }, "voice_setting": { "properties": { "emotion": { "enum": [ "happy", "sad", "angry", "fearful", "disgusted", "surprised", "calm", "fluent" ], "type": "string" }, "latex_read": { "default": false, "type": "boolean" }, "pitch": { "default": 0, "maximum": 12, "minimum": -12, "type": "integer" }, "speed": { "default": 1, "maximum": 2, "minimum": 0.5, "type": "number" }, "text_normalization": { "default": false, "type": "boolean" }, "voice_id": { "type": "string" }, "vol": { "default": 1, "exclusiveMinimum": true, "maximum": 10, "minimum": 0, "type": "number" } }, "type": "object" } }, "required": [ "model", "text" ], "type": "object" }, "schema_template": { "body": { "audio_setting": { "channel": 1, "format": "mp3", "sample_rate": 32000 }, "model": "minimax/speech-01-hd", "output_format": "hex", "stream": false, "text": "Hello, this is a short speech example." }, "content_type": "application/json" } }, "input": { "conditions": [ "Use text, not input or contents. Fewer than 10000 Unicode characters; stream is false or omitted.", "PCM is raw audio with its returned sample geometry; do not invent a WAV header or bit depth." ], "content_type": "application/json", "material_types": [ "text" ], "optional": [ "stream", "voice_setting", "audio_setting", "pronunciation_dict", "timber_weights", "language_boost", "voice_modify", "subtitle_enable", "output_format", "aigc_watermark" ], "required": [ "model", "text" ] }, "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets", "query": { "cursor": "actual returned next_cursor, when present", "family": "audio" } }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "cancel_endpoint": null, "create": { "http": "POST", "path": "/v1/audio/speech" }, "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "owned_content": { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "Use the exact returned content_url. Refresh an expired link by reading the same existing asset." }, "status": [], "unknown": "Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.", "unknown_no_replay": true }, "method": { "http": "POST", "path": "/v1/audio/speech" }, "method_aliases": [], "output": { "all_results": "Retain the full JSON. Decode every hex audio byte or use the returned owned URL. Keep the actual format, sample rate, channel count and usage_characters.", "family": "audio", "fields": [ { "name": "data.audio", "type": "string" }, { "name": "extra_info", "type": "object" }, { "name": "trace_id", "type": "string" } ], "format": [ "mp3", "pcm", "flac", "wav" ] } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "per input character" }, "label": "input character", "units": [ { "amount": "0.000105", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_character", "label": "input character", "native_amount_usd_per_unit": "0.000105", "native_quantity": 1, "public_unit_label": "per input character", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_character" } ] } ], "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"minimax/speech-01-hd\", \"text\": \"Hello, this is a short speech example.\", \"stream\": false, \"output_format\": \"hex\", \"audio_setting\": {\"format\": \"mp3\", \"sample_rate\": 32000, \"channel\": 1}}')\n\nPath(\"request.json\").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/speech \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\n", "label": "curl · create once and retain the complete result", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "speech", "http": "POST", "img_in": null, "img_out": null, "in": null, "input": [ "text" ], "label": "Speech", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "out": null, "output": [ "audio" ], "path": "/v1/audio/speech", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "per_request", "cache_read_price": null, "cache_write_1h_price": null, "cache_write_price": null, "fast_multiplier": null, "flex_multiplier": null, "image_input_price": null, "image_output_price": null, "input_price": null, "intervals": null, "max_reasoning_effort_multiplier": null, "output_price": null, "per_request_price": null, "unit_prices": { "audio_input_character": "0.000105" } }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "per input character" }, "label": "input character", "units": [ { "amount": "0.000105", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_character", "label": "input character", "native_amount_usd_per_unit": "0.000105", "native_quantity": 1, "public_unit_label": "per input character", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_character" } ] } ], "request_model_id": "minimax/speech-01-hd", "route_label": "Ultra", "status_reads": [], "tiers": [], "unit": "per_request", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" }, { "amount": "0.000105", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_character", "label": "input character", "native_amount_usd_per_unit": "0.000105", "native_quantity": 1, "public_unit_label": "per input character", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_character" } ] } } ], "model_id": "minimax/speech-01-hd", "nativeProvenance": { "input_facts_canonical_sha256": "03049998db4e3453255b74593e010459b0b8aa45cc95dc259da67b4ab3670005", "input_html_sha256": "9d950bd2f4aae38f6170a61f8e37cc6e4d4df1c852bc88d2bf1f65d4a029f787", "private_audit_sha256": "a17a9be3412e6e5204377962e2cba56d12f18af23ab5e65ec5b2715bfdc7a187", "role": "historical-normalized-input-audit-hashes", "schema": "ailoot-native-model-provenance-v2" }, "page": { "canonical": "https://ailoot.ai/models/it/minimax-speech-01-hd/", "description": "MiniMax Speech 01 HD legge il testo fornito come parlato generato tramite una richiesta audio_speech sincrona. Accetta testo di lunghezza inferiore a 10 000 caratteri e offre impostazioni di voce, ritmo e altezza con output MP3, PCM, FLAC o WAV.", "locale": "it", "md_url": "https://ailoot.ai/models/it/minimax-speech-01-hd/index.md", "title": "MiniMax: Speech 01 HD — Ailoot", "url": "https://ailoot.ai/models/it/minimax-speech-01-hd/" }, "rawModel": { "about": "MiniMax Speech 01 HD converte il testo fornito in audio parlato. Il suo ID esatto del modello Ailoot è minimax/speech-01-hd e il suo selettore di sintesi documentato è speech-01-hd. Usa il metodo audio_speech per una voce fuori campo, una lezione parlata, una spiegazione di prodotto o una bozza di narrazione di cui possiedi già il testo. L'input è il brano da leggere e il risultato è parlato sintetizzato nel formato audio selezionato.\n\nPrepara il testo come parole destinate a essere pronunciate, con una punteggiatura che rispecchi il fraseggio. Per una bozza di narrazione, fornisci l'ordine definitivo delle frasi e la grafia dei nomi prima di scegliere le impostazioni vocali. Mantieni le indicazioni di regia separate dal brano parlato, a meno che quelle parole non debbano far parte della registrazione. Ascolta i nomi, i numeri e le transizioni importanti nel risultato e confrontali con il testo di partenza.\n\nIl testo deve avere una lunghezza inferiore a 10 000 caratteri. Il contratto di sintesi pubblicato richiede model e text. Per materiale più lungo, prepara brani entro quel limite e conservane l'ordine per il montaggio. Il profilo sincrono usa una risposta completa, con stream=false come valore predefinito documentato. L'API generale descrive anche opzioni di streaming, ma il metodo selezionato in questa scheda è il flusso vocale sincrono.\n\nvoice_setting seleziona un voice_id disponibile e controlla speed, vol e pitch. L'intervallo documentato di speed è 0,5–2, con 1 come valore predefinito. vol deve essere maggiore di 0 e al massimo 10, con 1 come valore predefinito; pitch è un intero da -12 a 12, con 0 come valore predefinito. Fai in modo che ogni impostazione sia al servizio del brano: confronta il ritmo di lettura e l'udibilità della registrazione effettiva, senza presumere che una variazione numerica produca una determinata interpretazione.\n\nI valori documentati di emotion sono happy, sad, angry, fearful, disgusted, surprised, calm e fluent. Anche il testo può guidare l'emozione del modello. text_normalization è un controllo booleano separato per preparare la lettura dei numeri in cinese e inglese, e latex_read controlla la lettura delle formule LaTeX; entrambi hanno false come valore predefinito. pronunciation_dict.tone può contenere regole documentate di sostituzione della pronuncia. Controlla un nome o un'espressione specialistica nell'audio risultante prima di usarli in una narrazione più lunga.\n\naudio_setting.format accetta mp3, pcm, flac o wav, con mp3 come valore predefinito. sample_rate accetta 8000, 16000, 22050, 24000, 32000 o 44100 e ha 32000 come valore predefinito. bitrate accetta 32000, 64000, 128000 o 256000, ha 128000 come valore predefinito e si applica a MP3. channel seleziona 1 per mono o 2 per stereo, con 1 come valore predefinito. Conserva queste scelte insieme al brano di partenza, così da poter verificare il file restituito rispetto alla destinazione prevista di montaggio o riproduzione.\n\nUlteriori controlli documentati includono language_boost, le cui opzioni con nome esatto comprendono English, Russian, Chinese e Chinese,Yue; scegli per il brano un valore effettivamente presente nell'elenco. timber_weights può combinare voci voice_id esistenti con valori interi di weight da 1 a 100. I valori pubblicati di sound_effects sono spacious_echo, auditorium_echo, lofi_telephone e robotic. Sono controlli facoltativi per modellare una voce selezionata; registra le loro impostazioni effettive quando confronti le letture.\n\nIl risultato sincrono contiene parlato generato. output_format seleziona url o hex e ha hex come valore predefinito nello schema di sintesi. Scarica il file indicato da un risultato URL oppure decodifica un risultato hex in byte audio prima della riproduzione. Conserva con la registrazione i metadati audio restituiti, inclusi formato, frequenza di campionamento, numero di canali e dimensione. subtitle_enable è false per impostazione predefinita e, quando attivato, si applica solo all'output senza streaming; la fonte non stabilisce un formato di file dei sottotitoli per questo profilo.\n\nSalva insieme il brano di partenza, l'ID esatto del modello, la selezione della voce e la registrazione completata. Esamina l'intera lettura per verificare le parole desiderate, le pause e le impostazioni interpretative scelte prima di inserirla in un video, una lezione o una guida parlata. Se la risposta è incompleta, conserva l'identità originale della richiesta e le informazioni restituite per la riconciliazione prima di richiedere un'altra registrazione. Una revisione successiva può modificare una frase specifica o un'impostazione vocale mantenendo il resto del copione per un confronto chiaro.", "alias_of": null, "aliases": [], "author": "MiniMax", "ctx": null, "formats": [ "speech" ], "id": "minimax/speech-01-hd", "input": [ "text" ], "kind": "speech", "max_out": null, "methods": [ { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Retain the complete response, all actual results, original identifiers, usage and response headers.", "authentication": { "api_key_source": "AILOOT_API_KEY", "header": "Authorization: Bearer" }, "example_body": { "audio_setting": { "channel": 1, "format": "mp3", "sample_rate": 32000 }, "model": "minimax/speech-01-hd", "output_format": "hex", "stream": false, "text": "Hello, this is a short speech example." }, "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets", "query": { "cursor": "actual returned next_cursor, when present", "family": "audio" } }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "cancel_endpoint": null, "create": { "http": "POST", "path": "/v1/audio/speech" }, "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "owned_content": { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "Use the exact returned content_url. Refresh an expired link by reading the same existing asset." }, "status": [], "unknown": "Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.", "unknown_no_replay": true }, "outputs": { "all_results": "Retain the full JSON. Decode every hex audio byte or use the returned owned URL. Keep the actual format, sample rate, channel count and usage_characters.", "family": "audio", "fields": [ { "name": "data.audio", "type": "string" }, { "name": "extra_info", "type": "object" }, { "name": "trace_id", "type": "string" } ], "format": [ "mp3", "pcm", "flac", "wav" ] }, "parameters": [ { "default_known": false, "enum": [ "minimax/speech-01-hd" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "default_known": false, "enum_known": false, "maxLength": 9999, "minLength": 1, "name": "text", "required": true, "type": "string" }, { "default": false, "default_known": true, "enum": [ false ], "enum_known": true, "name": "stream", "required": false, "type": "boolean" }, { "default_known": false, "enum_known": false, "name": "voice_setting", "properties": { "emotion": { "enum": [ "happy", "sad", "angry", "fearful", "disgusted", "surprised", "calm", "fluent" ], "type": "string" }, "latex_read": { "default": false, "type": "boolean" }, "pitch": { "default": 0, "maximum": 12, "minimum": -12, "type": "integer" }, "speed": { "default": 1, "maximum": 2, "minimum": 0.5, "type": "number" }, "text_normalization": { "default": false, "type": "boolean" }, "voice_id": { "type": "string" }, "vol": { "default": 1, "exclusiveMinimum": true, "maximum": 10, "minimum": 0, "type": "number" } }, "required": false, "type": "object" }, { "default_known": false, "enum_known": false, "name": "voice_setting.voice_id", "required": false, "type": "string" }, { "default": 1, "default_known": true, "enum_known": false, "maximum": 2, "minimum": 0.5, "name": "voice_setting.speed", "required": false, "type": "number" }, { "default": 1, "default_known": true, "enum_known": false, "exclusiveMinimum": true, "maximum": 10, "minimum": 0, "name": "voice_setting.vol", "required": false, "type": "number" }, { "default": 0, "default_known": true, "enum_known": false, "maximum": 12, "minimum": -12, "name": "voice_setting.pitch", "required": false, "type": "integer" }, { "default_known": false, "enum": [ "happy", "sad", "angry", "fearful", "disgusted", "surprised", "calm", "fluent" ], "enum_known": true, "name": "voice_setting.emotion", "required": false, "type": "string" }, { "default": false, "default_known": true, "enum_known": false, "name": "voice_setting.text_normalization", "required": false, "type": "boolean" }, { "default": false, "default_known": true, "enum_known": false, "name": "voice_setting.latex_read", "required": false, "type": "boolean" }, { "default_known": false, "enum_known": false, "name": "audio_setting", "properties": { "bitrate": { "default": 128000, "enum": [ 32000, 64000, 128000, 256000 ], "type": "integer" }, "channel": { "default": 1, "enum": [ 1, 2 ], "type": "integer" }, "force_cbr": { "default": false, "type": "boolean" }, "format": { "default": "mp3", "enum": [ "mp3", "pcm", "flac", "wav" ], "type": "string" }, "sample_rate": { "default": 32000, "enum": [ 8000, 16000, 22050, 24000, 32000, 44100 ], "type": "integer" } }, "required": false, "type": "object" }, { "default": 32000, "default_known": true, "enum": [ 8000, 16000, 22050, 24000, 32000, 44100 ], "enum_known": true, "name": "audio_setting.sample_rate", "required": false, "type": "integer" }, { "default": 128000, "default_known": true, "enum": [ 32000, 64000, 128000, 256000 ], "enum_known": true, "name": "audio_setting.bitrate", "required": false, "type": "integer" }, { "default": "mp3", "default_known": true, "enum": [ "mp3", "pcm", "flac", "wav" ], "enum_known": true, "name": "audio_setting.format", "required": false, "type": "string" }, { "default": 1, "default_known": true, "enum": [ 1, 2 ], "enum_known": true, "name": "audio_setting.channel", "required": false, "type": "integer" }, { "default": false, "default_known": true, "enum_known": false, "name": "audio_setting.force_cbr", "required": false, "type": "boolean" }, { "default_known": false, "enum_known": false, "name": "pronunciation_dict", "properties": { "tone": { "items": { "type": "string" }, "type": "array" } }, "required": false, "type": "object" }, { "default_known": false, "enum_known": false, "items": { "type": "string" }, "name": "pronunciation_dict.tone", "required": false, "type": "array" }, { "default_known": false, "enum_known": false, "items": { "properties": { "voice_id": { "type": "string" }, "weight": { "type": "integer" } }, "type": "object" }, "name": "timber_weights", "required": false, "type": "array" }, { "default_known": false, "enum": [ "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", "auto" ], "enum_known": true, "name": "language_boost", "required": false, "type": "string" }, { "default_known": false, "enum_known": false, "name": "voice_modify", "properties": { "intensity": { "enum": [ -100, 100 ], "type": "integer" }, "pitch": { "enum": [ -100, 100 ], "type": "integer" }, "sound_effects": { "enum": [ "spacious_echo", "auditorium_echo", "lofi_telephone", "robotic" ], "type": "string" }, "timbre": { "enum": [ -100, 100 ], "type": "integer" } }, "required": false, "type": "object" }, { "default_known": false, "enum": [ -100, 100 ], "enum_known": true, "name": "voice_modify.pitch", "required": false, "type": "integer" }, { "default_known": false, "enum": [ -100, 100 ], "enum_known": true, "name": "voice_modify.intensity", "required": false, "type": "integer" }, { "default_known": false, "enum": [ -100, 100 ], "enum_known": true, "name": "voice_modify.timbre", "required": false, "type": "integer" }, { "default_known": false, "enum": [ "spacious_echo", "auditorium_echo", "lofi_telephone", "robotic" ], "enum_known": true, "name": "voice_modify.sound_effects", "required": false, "type": "string" }, { "default": false, "default_known": true, "enum_known": false, "name": "subtitle_enable", "required": false, "type": "boolean" }, { "default": "hex", "default_known": true, "enum": [ "url", "hex" ], "enum_known": true, "name": "output_format", "required": false, "type": "string" }, { "default": false, "default_known": true, "enum_known": false, "name": "aigc_watermark", "required": false, "type": "boolean" } ], "request_schema": { "properties": { "aigc_watermark": { "default": false, "type": "boolean" }, "audio_setting": { "properties": { "bitrate": { "default": 128000, "enum": [ 32000, 64000, 128000, 256000 ], "type": "integer" }, "channel": { "default": 1, "enum": [ 1, 2 ], "type": "integer" }, "force_cbr": { "default": false, "type": "boolean" }, "format": { "default": "mp3", "enum": [ "mp3", "pcm", "flac", "wav" ], "type": "string" }, "sample_rate": { "default": 32000, "enum": [ 8000, 16000, 22050, 24000, 32000, 44100 ], "type": "integer" } }, "type": "object" }, "language_boost": { "enum": [ "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", "auto" ], "type": "string" }, "model": { "enum": [ "minimax/speech-01-hd" ], "type": "string" }, "output_format": { "default": "hex", "enum": [ "url", "hex" ], "type": "string" }, "pronunciation_dict": { "properties": { "tone": { "items": { "type": "string" }, "type": "array" } }, "type": "object" }, "stream": { "default": false, "enum": [ false ], "type": "boolean" }, "subtitle_enable": { "default": false, "type": "boolean" }, "text": { "maxLength": 9999, "minLength": 1, "type": "string" }, "timber_weights": { "items": { "properties": { "voice_id": { "type": "string" }, "weight": { "type": "integer" } }, "type": "object" }, "type": "array" }, "voice_modify": { "properties": { "intensity": { "enum": [ -100, 100 ], "type": "integer" }, "pitch": { "enum": [ -100, 100 ], "type": "integer" }, "sound_effects": { "enum": [ "spacious_echo", "auditorium_echo", "lofi_telephone", "robotic" ], "type": "string" }, "timbre": { "enum": [ -100, 100 ], "type": "integer" } }, "type": "object" }, "voice_setting": { "properties": { "emotion": { "enum": [ "happy", "sad", "angry", "fearful", "disgusted", "surprised", "calm", "fluent" ], "type": "string" }, "latex_read": { "default": false, "type": "boolean" }, "pitch": { "default": 0, "maximum": 12, "minimum": -12, "type": "integer" }, "speed": { "default": 1, "maximum": 2, "minimum": 0.5, "type": "number" }, "text_normalization": { "default": false, "type": "boolean" }, "voice_id": { "type": "string" }, "vol": { "default": 1, "exclusiveMinimum": true, "maximum": 10, "minimum": 0, "type": "number" } }, "type": "object" } }, "required": [ "model", "text" ], "type": "object" }, "schema_template": { "body": { "audio_setting": { "channel": 1, "format": "mp3", "sample_rate": 32000 }, "model": "minimax/speech-01-hd", "output_format": "hex", "stream": false, "text": "Hello, this is a short speech example." }, "content_type": "application/json" } }, "input": { "conditions": [ "Use text, not input or contents. Fewer than 10000 Unicode characters; stream is false or omitted.", "PCM is raw audio with its returned sample geometry; do not invent a WAV header or bit depth." ], "content_type": "application/json", "material_types": [ "text" ], "optional": [ "stream", "voice_setting", "audio_setting", "pronunciation_dict", "timber_weights", "language_boost", "voice_modify", "subtitle_enable", "output_format", "aigc_watermark" ], "required": [ "model", "text" ] }, "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets", "query": { "cursor": "actual returned next_cursor, when present", "family": "audio" } }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "cancel_endpoint": null, "create": { "http": "POST", "path": "/v1/audio/speech" }, "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "owned_content": { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "Use the exact returned content_url. Refresh an expired link by reading the same existing asset." }, "status": [], "unknown": "Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.", "unknown_no_replay": true }, "method": { "http": "POST", "path": "/v1/audio/speech" }, "method_aliases": [], "output": { "all_results": "Retain the full JSON. Decode every hex audio byte or use the returned owned URL. Keep the actual format, sample rate, channel count and usage_characters.", "family": "audio", "fields": [ { "name": "data.audio", "type": "string" }, { "name": "extra_info", "type": "object" }, { "name": "trace_id", "type": "string" } ], "format": [ "mp3", "pcm", "flac", "wav" ] } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "per input character" }, "label": "input character", "units": [ { "amount": "0.000105", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_character", "label": "input character", "native_amount_usd_per_unit": "0.000105", "native_quantity": 1, "public_unit_label": "per input character", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_character" } ] } ], "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"minimax/speech-01-hd\", \"text\": \"Hello, this is a short speech example.\", \"stream\": false, \"output_format\": \"hex\", \"audio_setting\": {\"format\": \"mp3\", \"sample_rate\": 32000, \"channel\": 1}}')\n\nPath(\"request.json\").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/speech \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\n", "label": "curl · create once and retain the complete result", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "speech", "http": "POST", "img_in": null, "img_out": null, "in": null, "input": [ "text" ], "label": "Speech", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "out": null, "output": [ "audio" ], "path": "/v1/audio/speech", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "per_request", "cache_read_price": null, "cache_write_1h_price": null, "cache_write_price": null, "fast_multiplier": null, "flex_multiplier": null, "image_input_price": null, "image_output_price": null, "input_price": null, "intervals": null, "max_reasoning_effort_multiplier": null, "output_price": null, "per_request_price": null, "unit_prices": { "audio_input_character": "0.000105" } }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "per input character" }, "label": "input character", "units": [ { "amount": "0.000105", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_character", "label": "input character", "native_amount_usd_per_unit": "0.000105", "native_quantity": 1, "public_unit_label": "per input character", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_character" } ] } ], "request_model_id": "minimax/speech-01-hd", "route_label": "Ultra", "status_reads": [], "tiers": [], "unit": "per_request", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" }, { "amount": "0.000105", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_character", "label": "input character", "native_amount_usd_per_unit": "0.000105", "native_quantity": 1, "public_unit_label": "per input character", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_character" } ] } ], "model_aliases": [ { "canonical_model_id": "minimax/speech-01-hd", "request_model_id": "minimax/speech-01-hd", "route_label": "Ultra" } ], "name": "MiniMax: Speech 01 HD", "price": { "in": "0.000105", "in_label": "per input character", "out": null, "out_label": null, "sort_in": null, "sort_out": null, "varies": false }, "short": "MiniMax Speech 01 HD legge il testo fornito come parlato generato tramite una richiesta audio_speech sincrona. Accetta testo di lunghezza inferiore a 10 000 caratteri e offre impostazioni di voce, ritmo e altezza con output MP3, PCM, FLAC o WAV." }, "renderer_schema": { "method_order": "Original DTO methods order; every exact route/format/path/caller survives.", "prices": "Original public DTO fields and original native display HTML; no flattened or normalized offers." }, "representation": "exact-public-dto-and-native-renderer-html", "representationNotes": { "current_reference": { "about_json_pointer": "/aboutHtml", "methods": [ { "contract_json_pointer": "/methods/0/rawMethod/contract", "html_json_pointer": "/methods/0/html", "method_ordinal": 0 } ], "role": "current-semantic-reference" }, "raw_input": { "examples_role": "historical-input-not-current-ready-examples", "json_pointers": [ "/rawModel", "/methods/0/rawMethod" ], "role": "historical-owner-input" }, "schema": "ailoot-native-model-representations-v1" }, "schema": "ailoot-static-model-facts-v1", "schema_version": 1, "shortText": "MiniMax Speech 01 HD legge il testo fornito come parlato generato tramite una richiesta audio_speech sincrona. Accetta testo di lunghezza inferiore a 10 000 caratteri e offre impostazioni di voce, ritmo e altezza con output MP3, PCM, FLAC o WAV.", "source": { "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1", "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036", "raw_model_json_sha256": "75e1e92e17fb460deb877890ccfbe8aec2ae8f8319bc0651b408a22be1869e38", "renderer_sha256": "3be1a96012c3c76b38a7b9bea6a57c0def38c56103737bee6a5e77aaa75e488a" }, "sourceRevision": "84eebf58228f8ff03935f821aa3fd2ff499f01401f1c2ecf5179a22e08dbaad6" }