speech-02-hd
Speech-02 HD è un modello di sintesi vocale con particolare attenzione alla qualità del suono e alla somiglianza della voce.
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.
Una voce per letture vocali e testi lunghi
Speech 02 HD crea parlato con particolare attenzione a qualità, ritmo e stabilità del suono. Il produttore mette in evidenza la lettura di materiali e audiolibri in cui la voce deve mantenere il proprio carattere e attraversare uniformemente un testo lungo. È un modello di sintesi: riceve testo e lo converte in audio parlato.
Come si uniscono testo e timbro
La famiglia Speech 02 si basa su un'architettura Transformer autoregressiva e un encoder del parlante addestrabile. L'estrazione del timbro e la generazione del parlato sono state addestrate congiuntamente per allineare le caratteristiche della voce al contenuto. Le capacità della famiglia comprendono l'uso di voci clonate preparate e la combinazione di lingua, accento e stile di pronuncia.
Emozione e lettura multilingue
La coloritura emotiva può essere determinata dal significato del testo oppure impostata manualmente. Sono disponibili gioia, tristezza, rabbia, paura, disgusto, sorpresa e calma. Il modello lavora con russo, inglese e altre lingue; il produttore descrive diversi accenti inglesi, cinese e cantonese, giapponese, coreano, lingue europee e altre lingue.
Nella descrizione attuale di Speech 02 sono esclusi separatamente persiano, filippino e tamil. L'elenco linguistico generale delle generazioni Speech più recenti non va trasferito automaticamente a questa versione.
Impostazione della voce
Per la sintesi sono previsti scelta della voce, modifica della velocità 0,5–2, volume superiore a 0 e fino a 10 e altezza da −12 a 12. Nel dizionario di pronuncia si può sostituire una grafia con la lettura desiderata; sono supportate notazioni fonetiche e varianti di pronuncia giapponesi. Aiuta a controllare come suoneranno nomi e parole ambigue.
Pause e audio finale
Il produttore permette di impostare pause tra segmenti pronunciati con una durata di 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. Il testo di una richiesta sincrona deve contenere meno di 10 000 caratteri. È prevista la ricezione dell'audio interamente oppure progressivamente; per testi oltre 3000 caratteri è consigliato l'output in streaming.
I formati del modello comprendono MP3, WAV, FLAC e PCM; le impostazioni generali di sintesi descrivono anche Opus e varianti G.711 μ-law. Si può utilizzare mono o stereo. In questa scheda è disponibile la lettura vocale del testo, mentre preparazione separata della voce e impostazioni estese si applicano soltanto entro i limiti della modalità di accesso supportata attraverso Ailoot.
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 · Sintesi vocale POST /v1/audio/speech speech-02-hd
speech-02-hdIntroduzione
Speech-02 HD è un modello di sintesi vocale con particolare attenzione alla qualità del suono e alla somiglianza della voce.
- Input accettati
- Testo
- Risultati
- speech
Disponibile in Ailoot · input e metodi
Ailoot · Sintesi vocale POST /v1/audio/speech
- Tipi di input
text- Tipi di output
speech- Formato di output
- mp3
| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti speech-02-hd | Predefinito— |
Campoinput | Tipostring | RequisitoObbligatorio | Valori e limiti Lunghezza minima: 1 Lunghezza massima (esclusa): 10.000 Unità: caratteri Unicode | Predefinito— |
Campovoice | Tipostring | RequisitoObbligatorio | Valori e limiti Schema: ^[A-Za-z0-9_-]{1,128}$ | Predefinito— |
Camporesponse_format | Tipostring | RequisitoFacoltativo | Valori e limiti mp3 | Predefinito— |
Combinazioni di materiali in input
text_to_speech · Obbligatorio: input
Parametri e ciclo di vita del metodo
| Parametro | Contratto |
|---|---|
Parametromaterial_types | Contrattotext |
Parametrorequired | Contrattonull |
Parametrooptional_controls | Contrattonull |
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}
Le strutture dei metodi e gli ID sono esatti; la capacità del fornitore è distinta dall’ammissione delle richieste.
Tariffe
Tariffe dei metodi Ailoot
POST /v1/audio/speech- Input
- 100,00 USD per 1 milione di caratteri
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 · Sintesi vocale
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 narration script}"
export AILOOT_TEXT_FILE
: "${AILOOT_VOICE_ID:?Set the actual accepted voice ID for this model}"
export AILOOT_VOICE_ID
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "speech-02-hd", "input": ""}')
f=Path(os.environ["AILOOT_TEXT_FILE"])
if not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")
text=f.read_text(encoding="utf-8")
if not text.strip():raise SystemExit("Source material must contain text")
p["input"]=text
import re
voice=os.environ["AILOOT_VOICE_ID"]
if not re.fullmatch(r"[A-Za-z0-9_-]{1,128}",voice):raise SystemExit("Set an actual accepted voice ID")
p["voice"]=voice
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 · Sintesi vocale
mp3
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
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 |
|---|---|
Campobinary audio | Tipobytes |
Camporesponse 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. |
Rispostaserver_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 speech-02-hd
Alias dei percorsi dei metodi
Usa i percorsi dei metodi indicati sopra.
ID di chiamata correlati
FAQ · speech-02-hd
- Quali input e risultati sono disponibili?
POST /v1/audio/speech·speech-02-hd:text→speech- Quali campi usa la richiesta?
POST /v1/audio/speech·speech-02-hd:model,input,voice,response_format