{ "aboutHtml": "

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.

", "aboutText": "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.\n\nIl 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.\n\nScegli 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.\n\nvoice_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.\n\naudio_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.\n\nlanguage_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.\n\nstream 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.\n\nsubtitle_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.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "d039984b11259749512d08198456400db1233112185b56708734dab7944f9fca", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "it", "methods": [ { "html": "
MM

MiniMax: Speech 2.6 Turbo

MiniMax /minimax/speech-2.6-turbo

Introduzione

Speech 2.6 Turbo è un modello MiniMax da testo a voce per trasformare un copione definitivo in audio. L'edizione minimax/speech-2.6-turbo espone controlli di voce, interpretazione e formato audio, con una risposta JSON completa e una scelta tra output audio tramite URL e output in formato esadecimale. Usalo per creare versioni parlate di un messaggio fornito, una breve lezione o un copione applicativo.

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.

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.

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-2.6-turbo
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 $0.00012 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-2.6-turbo", "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-2.6-turbo

Alias dei percorsi dei metodi

Usa i percorsi dei metodi indicati sopra.

ID di chiamata correlati

minimax/speech-2.6-turbo

", "method_identity": { "effective_request_model_id": "minimax/speech-2.6-turbo", "fmt": "speech", "http": "POST", "path": "/v1/audio/speech", "request_model_id": "minimax/speech-2.6-turbo", "route_label": "Ultra" }, "method_key": "Ultra|speech|/v1/audio/speech|minimax%2Fspeech-2.6-turbo", "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-2.6-turbo", "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-2.6-turbo" ], "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-2.6-turbo" ], "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-2.6-turbo", "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": "0.00012", "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": "0.00012", "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-2.6-turbo\", \"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": "0.00012" } }, "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": "0.00012", "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": "0.00012", "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-2.6-turbo", "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": "0.00012", "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": "0.00012", "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-2.6-turbo", "nativeProvenance": { "input_facts_canonical_sha256": "f076a347a27f61e6ee0b014bb08b705398b4883d33462f5f18fe40c909b973c9", "input_html_sha256": "7affbf36eb43c85f45da7d21eda366c47b571f64b0269ce521d7ad62a9b8fb27", "private_audit_sha256": "d100ff0c2391e98ed7b6c5bfc26840dd239530c0dee20dc72981ad211622383c", "role": "historical-normalized-input-audit-hashes", "schema": "ailoot-native-model-provenance-v2" }, "page": { "canonical": "https://ailoot.ai/models/it/minimax-speech-2-6-turbo/", "description": "Speech 2.6 Turbo è un modello MiniMax da testo a voce per trasformare un copione definitivo in audio. L'edizione minimax/speech-2.6-turbo espone controlli di voce, interpretazione e formato audio, con una risposta JSON completa e una scelta tra output audio tramite URL e output in formato esadecimale. Usalo per creare versioni parlate di un messaggio fornito, una breve lezione o un copione applicativo.", "locale": "it", "md_url": "https://ailoot.ai/models/it/minimax-speech-2-6-turbo/index.md", "title": "MiniMax: Speech 2.6 Turbo — Ailoot", "url": "https://ailoot.ai/models/it/minimax-speech-2-6-turbo/" }, "rawModel": { "about": "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.\n\nIl 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.\n\nScegli 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.\n\nvoice_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.\n\naudio_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.\n\nlanguage_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.\n\nstream 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.\n\nsubtitle_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.", "alias_of": null, "aliases": [], "author": "MiniMax", "ctx": null, "formats": [ "speech" ], "id": "minimax/speech-2.6-turbo", "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-2.6-turbo", "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-2.6-turbo" ], "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-2.6-turbo" ], "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-2.6-turbo", "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": "0.00012", "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": "0.00012", "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-2.6-turbo\", \"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": "0.00012" } }, "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": "0.00012", "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": "0.00012", "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-2.6-turbo", "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": "0.00012", "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": "0.00012", "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-2.6-turbo", "request_model_id": "minimax/speech-2.6-turbo", "route_label": "Ultra" } ], "name": "MiniMax: Speech 2.6 Turbo", "price": { "in": "0.00012", "in_label": "per input character", "out": null, "out_label": null, "sort_in": null, "sort_out": null, "varies": false }, "short": "Speech 2.6 Turbo è un modello MiniMax da testo a voce per trasformare un copione definitivo in audio. L'edizione minimax/speech-2.6-turbo espone controlli di voce, interpretazione e formato audio, con una risposta JSON completa e una scelta tra output audio tramite URL e output in formato esadecimale. Usalo per creare versioni parlate di un messaggio fornito, una breve lezione o un copione applicativo." }, "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": "Speech 2.6 Turbo è un modello MiniMax da testo a voce per trasformare un copione definitivo in audio. L'edizione minimax/speech-2.6-turbo espone controlli di voce, interpretazione e formato audio, con una risposta JSON completa e una scelta tra output audio tramite URL e output in formato esadecimale. Usalo per creare versioni parlate di un messaggio fornito, una breve lezione o un copione applicativo.", "source": { "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1", "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036", "raw_model_json_sha256": "3f5ca5cf28d9ac174f01d103cb838c763106e73ddc0cd72cc7b470c24bc60550", "renderer_sha256": "3be1a96012c3c76b38a7b9bea6a57c0def38c56103737bee6a5e77aaa75e488a" }, "sourceRevision": "f7dd578881f3d4b7fec04c924b69661e20dc235139db2fbf36eab7103999dd97" }