MiniMax: Speech 2.8 HD

Speech 2.8 HD sintetizza parlato espressivo, con controllo dell'emozione e di dettagli sonori come respiri e risate.

Ailoot Ultra · Sintesi vocale POST /v1/audio/speech minimax/speech-2.8-hd

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.

Parlato vivo con piccoli dettagli sonori

Speech 2.8 HD è orientato a un suono naturale e pulito. La caratteristica principale della generazione sono i marcatori sonori che permettono di inserire dettagli conversazionali nel parlato: risate, brevi risatine, respirazione, inspirazioni, espirazioni, sospiri, colpi di tosse, schiarimenti della voce e altri suoni brevi. Aiutano a rendere ritmo e pause di una battuta viva, senza trasformare ogni frase in una lettura uniforme da annunciatore.

I marcatori vengono inseriti nel testo nella forma indicata per il modello: per esempio, (chuckle), (breath) e (sighs) indicano le azioni sonore corrispondenti. La capacità dei marcatori sonori riguarda precisamente Speech 2.8. Sono dettagli della voce all'interno della sintesi vocale, non generazione di una composizione musicale o sonora separata.

Timbro e pulizia

Il produttore mette in evidenza la resa delle caratteristiche distintive della voce: texture, respirazione e stile di pronuncia. Le capacità della famiglia comprendono la sintesi con una voce clonata già preparata; creare questa voce è un processo separato. In Speech 2.8 è stata inoltre rielaborata l'elaborazione per ridurre il rumore di fondo e le distorsioni digitali.

Lingue ed espressività

Speech 2.8 supporta 40 lingue, tra cui il russo. Il produttore descrive separatamente il lavoro sulla pronuncia interlinguistica nella combinazione di cinese e giapponese. Lo scenario riguarda la conservazione di un suono naturale quando si usano lingue diverse, non la traduzione automatica del testo.

MiniMax prevede scelta della voce e controllo di ritmo, volume e altezza. La velocità si imposta nell'intervallo 0,5–2, il volume superiore a 0 e fino a 10, la modifica dell'altezza da −12 a 12. L'emozione può essere lasciata alla scelta del modello in base al significato del testo oppure indicata manualmente: gioia, tristezza, rabbia, paura, disgusto, sorpresa o calma.

La pronuncia può essere precisata con un dizionario di sostituzioni e notazione fonetica; sono previsti alfabeto fonetico internazionale, pinyin cinese e varianti di lettura giapponesi. Le pause vengono impostate tra i segmenti pronunciati nell'intervallo 0,01–99,99 secondi. La durata della pausa viene definita con una precisione di due cifre decimali; i marcatori vengono collocati tra i segmenti pronunciati e non consecutivamente. Queste impostazioni permettono di adeguare il suono di nomi, abbreviazioni e parole ambigue all'idea della lettura vocale.

Risultato audio

La sintesi riceve testo con meno di 10 000 caratteri. Per testi lunghi oltre 3000 caratteri il produttore consiglia l'output in streaming; è prevista anche la ricezione dell'audio finale interamente. Le impostazioni generali di sintesi comprendono MP3, PCM, FLAC, WAV, Opus e varianti G.711 μ-law, mono o stereo; i formati disponibili per una specifica richiesta dipendono dagli strumenti di Ailoot.

Questa scheda converte il testo in audio parlato. Le capacità di impostazione della voce descrivono il modello MiniMax; creazione di un clone vocale, sottotitoli separati e modalità speciali di collegamento non entrano automaticamente nella richiesta di lettura vocale.

Le impostazioni audio aggiuntive comprendono le frequenze di campionamento 8, 16, 22,05, 24, 32 e 44,1 kHz. Per MP3 è previsto un bitrate di 32, 64, 128 o 256 kbit/s. Si possono anche modificare la coloritura della voce e applicare un solo effetto: eco spazioso, eco di sala, suono telefonico o voce robotica. Gli effetti di modifica della voce sono supportati per MP3, WAV e FLAC quando si riceve l'audio interamente; nell'output in streaming soltanto per MP3. I formati G.711 μ-law utilizzano una frequenza di 8 kHz. Queste capacità riguardano le impostazioni di sintesi di MiniMax.

Il produttore prevede la sincronizzazione tra parlato e testo: riferimenti temporali per frasi, per parole o per parole nell'output progressivo. Questo risultato aiuta ad associare la pronuncia alla visualizzazione del testo. La capacità aggiuntiva richiede il supporto del formato di risposta corrispondente.

Ailoot Ultra · Sintesi vocale POST /v1/audio/speech minimax/speech-2.8-hd

minimax/speech-2.8-hd

MiniMax /minimax/speech-2.8-hd

Introduzione

Speech 2.8 HD sintetizza parlato espressivo, con controllo dell'emozione e di dettagli sonori come respiri e risate.

Input accettati: Testo
Risultati: Audio

Disponibile in Ailoot · input e metodi

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

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

Campo	Tipo	Requisito	Valori e limiti	Predefinito
Campo`model`	Tipo`string`	RequisitoObbligatorio	Valori e limiti minimax/speech-2.8-hd	Predefinito—
Campo`input`	Tipo`string`	RequisitoObbligatorio	Valori e limiti Lunghezza minima: 1 Unità: caratteri Unicode	Predefinito—
Campo`voice`	Tipo`string`	RequisitoObbligatorio	Valori e limiti English_expressive_narrator, English_radiant_girl, English_magnetic_voiced_man, English_compelling_lady1, English_Aussie_Bloke, English_captivating_female1, English_Upbeat_Woman, English_Trustworth_Man, English_CalmWoman, English_UpsetGirl, English_Gentle-voiced_man, English_Whispering_girl, English_Diligent_Man, English_Graceful_Lady, English_ReservedYoungMan, English_PlayfulGirl, English_ManWithDeepVoice, English_MaturePartner, English_FriendlyPerson, English_MatureBoss, English_Debator, English_LovelyGirl, English_Steadymentor, English_Deep-VoicedGentleman, English_Wiselady, English_CaptivatingStoryteller, English_DecentYoungMan, English_SentimentalLady, English_ImposingManner, English_SadTeen, English_PassionateWarrior, English_WiseScholar, English_Soft-spokenGirl, English_SereneWoman, English_ConfidentWoman, English_PatientMan, English_Comedian, English_BossyLeader, English_Strong-WilledBoy, English_StressedLady, English_AssertiveQueen, English_AnimeCharacter, English_Jovialman, English_WhimsicalGirl, English_Kind-heartedGirl	Predefinito—
Campo`response_format`	Tipo`string`	RequisitoObbligatorio	Valori e limiti mp3	Predefinito—

Combinazioni di materiali in input

text_to_speech · Obbligatorio: input

Parametri e ciclo di vita del metodo

Parametro	Contratto
Parametro`content_type`	Contrattoapplication/json
Parametro`required`	Contrattomodel, input, voice, response_format
Parametro`voice_ids`	ContrattoEnglish_expressive_narrator, English_radiant_girl, English_magnetic_voiced_man, English_compelling_lady1, English_Aussie_Bloke, English_captivating_female1, English_Upbeat_Woman, English_Trustworth_Man, English_CalmWoman, English_UpsetGirl, English_Gentle-voiced_man, English_Whispering_girl, English_Diligent_Man, English_Graceful_Lady, English_ReservedYoungMan, English_PlayfulGirl, English_ManWithDeepVoice, English_MaturePartner, English_FriendlyPerson, English_MatureBoss, English_Debator, English_LovelyGirl, English_Steadymentor, English_Deep-VoicedGentleman, English_Wiselady, English_CaptivatingStoryteller, English_DecentYoungMan, English_SentimentalLady, English_ImposingManner, English_SadTeen, English_PassionateWarrior, English_WiseScholar, English_Soft-spokenGirl, English_SereneWoman, English_ConfidentWoman, English_PatientMan, English_Comedian, English_BossyLeader, English_Strong-WilledBoy, English_StressedLady, English_AssertiveQueen, English_AnimeCharacter, English_Jovialman, English_WhimsicalGirl, English_Kind-heartedGirl
Parametro`response_format`	Contrattomp3
Parametro`max_input_characters`	Contrattonull
Parametro`other_options`	Contrattofalse
Parametro`input`	Contrattotesto UTF-8 esatto; conteggio dei caratteri Unicode senza normalizzazione
Parametro`material_types`	Contrattotext

Ciclo di vita: synchronous_result_then_owned_library

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

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Seleziona la voce esatta dal profilo di questo modello.

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

Tariffe

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

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

Tariffe Ailoot

Prezzi per configurazione

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

Configurazione	Listino delle tariffe	Quantità fatturabile	Unità di fatturazione	Costo
ConfigurazioneTariffe base dei token	Listino delle tariffeTariffa base	Quantità fatturabile—	Unità di fatturazione—	Costo Input · Token in input — / 1K token Output · Token in output — / 1K token Input · Lettura dalla cache — / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token
ConfigurazioneUltra	Listino delle tariffe—	Quantità fatturabileOgni punto di codice Unicode conta come un carattere, inclusi i caratteri Han.	Unità di fatturazioneper 1K caratteri in input	Costo Input · carattere in ingresso $0.2 per 1K caratteri in input

Dettagli della tariffa di riferimento

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

MiniMax: Speech 2.8 HD

Prezzi per configurazione

Configurazione	Condizioni di fatturazione	Costo
ConfigurazioneMiniMax: Speech 2.8 HD · Configurazione predefinita	Condizioni di fatturazioneConfigurazione predefinita	Costo Input · Caratteri in input 0,0002 USD per carattere in input

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

Esempi di richieste

Ailoot Ultra · Sintesi vocale

curl

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_VOICE_ID:?Choose an accepted voice ID from this exact model profile}"
export AILOOT_VOICE_ID
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "minimax/speech-2.8-hd", "input": "Good afternoon! This is a short voice take."}')
voice=os.environ["AILOOT_VOICE_ID"]
allowed=json.loads('["English_expressive_narrator", "English_radiant_girl", "English_magnetic_voiced_man", "English_compelling_lady1", "English_Aussie_Bloke", "English_captivating_female1", "English_Upbeat_Woman", "English_Trustworth_Man", "English_CalmWoman", "English_UpsetGirl", "English_Gentle-voiced_man", "English_Whispering_girl", "English_Diligent_Man", "English_Graceful_Lady", "English_ReservedYoungMan", "English_PlayfulGirl", "English_ManWithDeepVoice", "English_MaturePartner", "English_FriendlyPerson", "English_MatureBoss", "English_Debator", "English_LovelyGirl", "English_Steadymentor", "English_Deep-VoicedGentleman", "English_Wiselady", "English_CaptivatingStoryteller", "English_DecentYoungMan", "English_SentimentalLady", "English_ImposingManner", "English_SadTeen", "English_PassionateWarrior", "English_WiseScholar", "English_Soft-spokenGirl", "English_SereneWoman", "English_ConfidentWoman", "English_PatientMan", "English_Comedian", "English_BossyLeader", "English_Strong-WilledBoy", "English_StressedLady", "English_AssertiveQueen", "English_AnimeCharacter", "English_Jovialman", "English_WhimsicalGirl", "English_Kind-heartedGirl"]')
if voice not in allowed: raise SystemExit("Choose an accepted voice ID from this exact model profile")
p["voice"]=voice
p["response_format"]="mp3"
Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/speech \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o speech.mp3

Ricevi e salva i risultati

Ailoot Ultra · Sintesi vocale

mp3

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

Altre letture di contenuto

Libreria multimedialeStato dell’attivitàDettagli delle risorse

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

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

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

Conserva tutti i risultati completati

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

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

Se occorre verificare la risposta originale

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

Campi della risposta

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

Errori e passaggi successivi

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

Alias

Alias del modello

Ailoot Ultra minimax/speech-2.8-hd

Alias dei percorsi dei metodi

Usa i percorsi dei metodi indicati sopra.

ID di chiamata correlati

minimax/speech-2.8-hd

FAQ · MiniMax: Speech 2.8 HD

Quali input e risultati sono disponibili?: POST /v1/audio/speech · minimax/speech-2.8-hd: text → audio
Quali campi usa la richiesta?: POST /v1/audio/speech · minimax/speech-2.8-hd: model, input, voice, response_format

MiniMax: Speech 2.8 HD