speech-02-turbo
Speech-02 Turbo è pensato per una sintesi vocale rapida, con ritmo stabile e resa multilingue.
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 rapido per risposte interattive
Speech 02 Turbo è pensato per la sintesi vocale interattiva. Il produttore descrive la combinazione di velocità, ritmo stabile e suono naturale; gli scenari comprendono risposte vocali, battute nei giochi e contenuti interattivi. Il modello riceve testo e produce audio parlato.
Scelta del carattere del suono
La famiglia Speech 02 permette di combinare voce, lingua, accento e coloritura emotiva. Il Transformer autoregressivo e l'encoder del parlante, addestrati congiuntamente, collegano il timbro al contenuto. Si può sintetizzare il testo con una voce pronta; la creazione di una nuova voce clonata appartiene a una preparazione separata.
Il modello sceglie autonomamente l'intonazione emotiva dal testo oppure riceve uno stato definito: gioia, tristezza, rabbia, paura, disgusto, sorpresa o calma. Si controllano inoltre velocità, altezza e volume, per adeguare la battuta al ritmo di interazione desiderato.
Lingue e pronuncia delle parole
Sono supportati il russo e altre lingue, tra cui inglese, cinese, cantonese, giapponese, coreano, francese, tedesco, spagnolo, portoghese, turco, arabo e ucraino. Per Speech 02 le specifiche attuali escludono separatamente persiano, filippino e tamil.
La pronuncia può essere precisata con un dizionario di sostituzioni, notazione fonetica internazionale, pinyin cinese e varianti di lettura giapponesi. Le pause tra parti pronunciate vengono impostate 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. Il modello prevede velocità 0,5–2, volume superiore a 0 e fino a 10 e modifica dell'altezza da −12 a 12.
Audio da riprodurre
L'input sincrono è limitato a testo con meno di 10 000 caratteri; per quantità oltre 3000 caratteri il produttore consiglia l'output progressivo. Le capacità del modello comprendono MP3, WAV, FLAC e PCM; le impostazioni generali descrivono anche Opus e G.711 μ-law, con uno o due canali audio.
Questa scheda Ailoot riceve testo e restituisce parlato. La velocità di Turbo riguarda la destinazione della variante del modello; la durata concreta della risposta e la disponibilità di formati estesi dipendono dalla modalità di accesso scelta.
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-turbo
speech-02-turboIntroduzione
Speech-02 Turbo è pensato per una sintesi vocale rapida, con ritmo stabile e resa multilingue.
- 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-turbo | 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
- 60,00 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-turbo", "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-turbo
Alias dei percorsi dei metodi
Usa i percorsi dei metodi indicati sopra.
ID di chiamata correlati
FAQ · speech-02-turbo
- Quali input e risultati sono disponibili?
POST /v1/audio/speech·speech-02-turbo:text→speech- Quali campi usa la richiesta?
POST /v1/audio/speech·speech-02-turbo:model,input,voice,response_format