MiniMax: Speech 02 HD

MiniMax Speech 02 HD converte il testo fornito in audio parlato. Il suo ID esatto del modello Ailoot è minimax/speech-02-hd e il suo selettore di sintesi documentato è speech-02-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.