speech-2.6-turbo
Speech 2.6 Turbo sintetizza parlato multilingue ed è orientato a una bassa latenza di risposta.
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.
Battute per un processo vocale
Speech 2.6 Turbo è una variante di sintesi vocale orientata alla velocità. Il produttore la descrive per assistenti vocali e scenari interattivi in cui il testo diventa progressivamente una risposta. Il modello conserva le intonazioni naturali della generazione Speech 2.6 e può elaborare forme speciali di notazione.
Testo da pronunciare correttamente
Il modello è pensato per leggere date, telefoni, importi, indirizzi di pagine ed email senza riscrivere manualmente ogni notazione in anticipo. Questa analisi è utile nei messaggi dinamici in cui numeri e notazioni si combinano con parole normali. Il produttore descrive l'elaborazione di questi formati in più lingue.
Fluidità e controllo dell'emozione
Speech 2.6 supporta Fluent LoRA: conservazione di un timbro riconoscibile con una pronuncia più fluida del testo. La capacità riguarda l'uso di una voce già preparata; la preparazione separata del clone non fa parte di una normale richiesta testuale. La famiglia comprende 40 lingue, tra cui il russo.
Per Turbo sono previste sette emozioni principali e le modalità aggiuntive fluent e whisper. Il modello può scegliere autonomamente la coloritura emotiva dal contenuto oppure utilizzare uno stato definito. Profondità e ritmo del suono possono essere modificati indipendentemente dal testo.
Voce, pause e pronuncia
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.
Ricezione dell'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.
In questa scheda Ailoot il testo viene convertito in audio parlato. La destinazione di Turbo riguarda la velocità della sintesi, ma qui non viene promesso un tempo di risposta fisso; le impostazioni elencate riflettono le capacità del produttore e si applicano entro la modalità di accesso disponibile.
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-2.6-turbo
speech-2.6-turboIntroduzione
Speech 2.6 Turbo sintetizza parlato multilingue ed è orientato a una bassa latenza di risposta.
- 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-2.6-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-2.6-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-2.6-turbo
Alias dei percorsi dei metodi
Usa i percorsi dei metodi indicati sopra.
ID di chiamata correlati
FAQ · speech-2.6-turbo
- Quali input e risultati sono disponibili?
POST /v1/audio/speech·speech-2.6-turbo:text→speech- Quali campi usa la richiesta?
POST /v1/audio/speech·speech-2.6-turbo:model,input,voice,response_format