MiniMax: Speech 2.6 Turbo

Speech 2.6 Turbo è l'esatta edizione vocale MiniMax selezionata da model: "minimax/speech-2.6-turbo". Usa POST /v1/audio/speech con un corpo application/json contenente model e il testo da pronunciare. L'input è un copione scritto e il risultato è audio sintetizzato. Per un messaggio applicativo, fornisci le parole esatte che l'ascoltatore deve sentire e scrivi per esteso le abbreviazioni ambigue. Per una breve lezione, separa la spiegazione dall'esempio nel copione stesso. Per un percorso dell'interfaccia narrato, mantieni ogni segmento parlato collegato a un'azione concreta dell'utente e conserva il copione insieme al suo audio.

Il campo text non deve essere vuoto né contenere soltanto spazi e deve contenere meno di 10 000 caratteri Unicode. Invia il copione parlato completo con stream:false oppure ometti stream. Dividi il materiale più lungo in segmenti di copione separati e completi prima di inviare ciascun segmento. Puoi usare un documento leggendone il contenuto effettivo e inserendo il brano pertinente in text; l'URL di un documento non sostituisce il copione.

Scegli una voce tramite voice_setting.voice_id. Le categorie di voce documentate includono voci di sistema e voci clonate o progettate tramite testo già create; usa un ID voce valido per la categoria selezionata. La voce di esempio è audiobook_male_1. Lo stesso oggetto controlla speed da 0,5 a 2, vol maggiore di 0 e fino a 10 e pitch intero da -12 a 12. I rispettivi valori predefiniti sono 1, 1 e 0. Questi controlli regolano aspetti diversi dell'interpretazione vocale, quindi sceglili separatamente anziché inserirne i nomi nel copione.

voice_setting.emotion accetta happy, sad, angry, fearful, disgusted, surprised, calm e fluent. La documentazione descrive anche l'abbinamento automatico dell'emozione a partire dal testo. Per copioni ricchi di numeri, voice_setting.text_normalization attiva la normalizzazione del testo in cinese e inglese e ha false come valore predefinito. voice_setting.latex_read controlla la lettura delle espressioni LaTeX e ha anch'esso false come valore predefinito. pronunciation_dict.tone è un array di stringhe con regole di pronuncia. L'esempio pubblicato è ["草地/(cao3)(di1)"]; mantieni la struttura con parola, barra e pronuncia tra parentesi quando fornisci una regola.

audio_setting.format accetta mp3, pcm, flac e wav, con mp3 come valore predefinito. sample_rate accetta 8000, 16000, 22050, 24000, 32000 e 44100 Hz; il valore predefinito è 32000. channel è 1 per mono o 2 per due canali, con 1 come valore predefinito. I valori di bitrate sono 32000, 64000, 128000 e 256000 bit al secondo, con 128000 come valore predefinito, e si applicano a mp3. Seleziona la codifica necessaria al lettore o allo strumento di montaggio che userà il risultato.

language_boost è una stringa facoltativa e ha null come valore predefinito. I valori consentiti sono 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 e auto. "Chinese,Yue" è un unico valore. È un controllo separato dal copione e dall'ID voce. Lo schema espone anche timber_weights per un elenco di coppie voice_id e weight intero, con ciascun weight da 1 a 100. Mantieni la grafia del parametro timber_weights quando prepari una richiesta. voice_modify.sound_effects è una stringa facoltativa con i valori spacious_echo, auditorium_echo, lofi_telephone e robotic.

stream ha false come valore predefinito. Per una risposta completa, output_format seleziona url o hex e ha hex come valore predefinito. Nel risultato JSON documentato, data.audio contiene la rappresentazione selezionata: scarica l'URL Ailoot firmato completo, inclusa la stringa di query, oppure decodifica in byte l'intero audio esadecimale. Conserva il risultato originale insieme a data.status, base_resp, trace_id ed extra_info, che include il formato audio effettivo, la frequenza di campionamento, il numero di canali, la dimensione e usage_characters.

subtitle_enable è un booleano con false come valore predefinito e si applica all'output senza streaming. aigc_watermark è un booleano con false come valore predefinito e controlla un marcatore ritmico udibile alla fine dell'audio generato. Conserva ogni risultato audio o di sottotitoli restituito e controlla pronuncia, numeri e file completato prima di inserirlo nell'applicazione. Se la consegna è incerta, conserva l'identificatore della richiesta originale e la risposta per verificare il tentativo esistente. Ailoot salva anche l'audio completato nella tua libreria multimediale. Con output_format:"url", data.audio contiene un link firmato a quella risorsa salvata; l'ID della risorsa appare nel suo percorso /v1/media/assets/{asset_id}/content. I link ai file firmati da Ailoot durano 24 ore dall'emissione. Usa la stessa chiave API per GET /v1/media/assets?family=audio e segui ogni next_cursor per trovare i record delle risorse audio. Leggi GET /v1/media/assets/{asset_id} per ciascun record selezionato e scarica il suo content_url esatto, inclusa la stringa di query. Se una richiesta di file restituisce 404 con codice link_expired, leggi nuovamente la stessa risorsa per un content_url aggiornato. Aggiorna il risultato salvato anziché generare nuovamente audio per sostituire un link scaduto.