Microsoft AI: MAI-Voice-2-Flash

Microsoft AI-дың MAI-Voice-2-Flash моделі ассистенттерге, клиенттерге қолдау көрсетуге және дауыстық мәзірлерге арнап 15 тілде мәнерлі сөйлеу жасайды. Ол жылдам орындауды іріктелген дауыс кітапханасымен, референстік дауыс арқылы бағыттаумен және реплика деңгейінде үнді басқарумен біріктіреді.

Ailoot Ultra · Дыбыстау POST /v1/audio/speech microsoft/mai-voice-2-flash

Модель туралы

Бұл сипаттама модель мүмкіндіктерін қамтиды. Ailoot жүйесінде таңдалған әдіс үшін қолжетімді кіріс, шығыс және параметрлер төменде берілген.

MAI-Voice-2-Flash — жылдам жауап беретін, жоғары көлемді дауыстық тәжірибелерге арналған Microsoft AI мәтінді сөйлеуге айналдыру моделі. Өндіруші табиғи просодияны, таза аудионы және мәнерлі орындауды сипаттайды; негізгі міндеттерінің арасында ассистенттер, клиентке қолдау агенттері және телефон мәзірлері бар. Жазылған транскрипт мәтіні таңдалған дауыстағы сөйлеу аудиосына айналады. Flash — кейінгі MAI-Voice-2.1 тобынан бөлек, MAI-Voice-2 моделінің нақты нұсқасы.

Тіл мен дауыс таңдау

Нақты модель картасы он бес тіл мен он сегіз тілдік-аймақтық нұсқаны құжаттайды. Олар ағылшын, итальян, испан, хинди, француз, неміс, португал, корей, жеңілдетілген қытай, түрік, орыс, тай, нидерланд, румын және венгр тілдерін қамтиды; кейбір тілдердің бөлек аймақтық нұсқалары бар. Қажетті тілді таңдап, тыңдаушы естуі тиіс нақты тұжырымды дайындаңыз. Тілдік-аймақтық айырмашылық сәлемдесу, өнім атауы немесе аудиторияға таныс айтылым үшін маңызды болуы мүмкін.

Microsoft дауыс таңдаудың екі жолын құжаттайды: іріктелген кітапхана және қысқа жазбадан дауыс арқылы бағыттау. Кітапхана баяндау немесе өзара әрекет үшін бар сөйлеушіні береді. Референстік жазба өндірушінің custom-voice үдерісі арқылы басқа сөйлеуші сәйкестігін анықтайды. Бастапқы хабарлама, түсіндірме және кейінгі жауап бір тәжірибенің бөліктері болып естілуі үшін байланысты нұсқауларда сөйлеуші таңдауын бірізді сақтаңыз.

Интерактивті сөйлеуге арналған үн

Модель кезек деңгейінде үнді, орындауды және эмоцияны басқаруды қолдайды. Ауызша ассистент үшін қысқа бірінші нұсқау, кейін тыңдаушыға қажет мәлімет жазыңыз. Практикалық сөйлем: «Ашқыңыз келетін құжатты таңдаңыз. Атауына сенімді болмасаңыз, оның не туралы екенін айтыңыз». Сценарий тыңдаушыға анық әрекет береді және кейінгі сұраққа орын қалдырады.

Білім беру әңгімесінде түсіндірмені оқушы жауап беруі тиіс сұрақтан бөліңіз. Мәзірде нұсқа атауларын қысқа ұстаңыз және бір рет естігенде анық қалатын тұжырым қолданыңыз. Үн үзіндінің мақсатына сай болуы тиіс: жұбату, нұсқау және сұрақ бір дауысты сақтай отырып, әртүрлі орындауды қажет етуі мүмкін.

Референстік дауысты дайындау

Өндіруші дауыс арқылы бағыттау үшін бес–алпыс секундтық жазбаны белгілейді және келісім берген сөйлеушіге қосымша оқытусыз сәйкестенуді сипаттайды. Ол орташа қуаты бар табиғи сөйлесу мәнерін ұсынады, өйткені референс нәтижеге елеулі әсер етеді. Дыбыс деңгейі немесе мәнерлілігі қатыссыз шектен шыққан орындау емес, қолданғыңыз келетін дауысты білдіретін жазба дайындаңыз.

Бұл режим рұқсат етілген, келісім берілген дауыс үшін құжатталған. Өндірушінің осы үдерісі мен дайын дауыс кітапханасы — дайындаудың бөлек жолдары. Нәтиже берілген транскрипттен жаңадан синтезделген сөйлеу болып қалады; жазба қажетті сөйлеуші сәйкестігін береді.

Ауызша нәтижемен жұмыс істеңіз

Жауап тез жеткізіліп, түсінуге жеңіл қалуы тиіс өзара әрекет үшін Flash қолданыңыз. Өндіруші бұл нұсқаны MAI-Voice-2 желісінің просодиясы мен акустикалық сапасын сақтайтын жылдам жауапқа бағыттайды. Маңызды есімдерді, командаларды және эмоциялық ауысуларды контексте тексеру үшін әр ауызша кезекті транскриптімен және сөйлеушісімен байланыстырыңыз.

Пайдалы нәтиже — қажетті тілде және дауыста анық айтылған нұсқау немесе жауап. Әсіресе нұсқаулар тізбегінде сөздерді аудитория еститіндей тыңдаңыз. Бұл модельдің он бес тілдік, он сегіз тілдік-аймақтық сипаттамасы дәл Voice-2-Flash шығарылымына жатады; кейінгі нұсқалардың кеңейтілген тіл каталогы мен басқарылатын дауыс мәліметтері өз профильдеріне жатады.

Ailoot Ultra · Дыбыстау POST /v1/audio/speech microsoft/mai-voice-2-flash

microsoft/mai-voice-2-flash

Microsoft AI /microsoft/mai-voice-2-flash

Бастау

Қабылданатын кіріс деректері: Мәтін
Нәтижелер: Аудио

Ailoot жүйесінде қолжетімді · кіріс деректері мен әдістер

Ailoot Ultra · Дыбыстау POST /v1/audio/speech

Кіріс: text
Шығыс: audio
Шығыс пішімі: mp3

Өріс	Түрі	Талап	Мәндер мен шектеулер	Әдепкі
Өріс`model`	Түрі`string`	ТалапМіндетті	Мәндер мен шектеулер microsoft/mai-voice-2-flash	Әдепкі—
Өріс`input`	Түрі`string`	ТалапМіндетті	Мәндер мен шектеулер Ең аз ұзындық: 1 Бірлік: Unicode таңбалары	Әдепкі—
Өріс`voice`	Түрі`string`	ТалапМіндетті	Мәндер мен шектеулер en-US-Harper:MAI-Voice-2, es-MX-Valeria:MAI-Voice-2, fr-FR-Soleil:MAI-Voice-2, de-DE-Klaus:MAI-Voice-2	Әдепкі—
Өріс`response_format`	Түрі`string`	ТалапМіндетті	Мәндер мен шектеулер mp3	Әдепкі—

Кіріс материалдарының үйлесімдері

text_to_speech · Міндетті: input

Әдіс параметрлері мен өмірлік циклі

Параметр	Параметр талаптары
Параметр`content_type`	Параметр талаптарыapplication/json
Параметр`required`	Параметр талаптарыmodel, input, voice, response_format
Параметр`voice_ids`	Параметр талаптарыen-US-Harper:MAI-Voice-2, es-MX-Valeria:MAI-Voice-2, fr-FR-Soleil:MAI-Voice-2, de-DE-Klaus:MAI-Voice-2
Параметр`response_format`	Параметр талаптарыmp3
Параметр`max_input_characters`	Параметр талаптарыnull
Параметр`other_options`	Параметр талаптарыfalse
Параметр`input`	Параметр талаптарыдәл UTF-8 мәтіні; қалыпқа келтірмей есептелген Unicode таңбалар саны
Параметр`material_types`	Параметр талаптарыtext

Өмірлік цикл: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · Нақты қайтарылған task_id немесе медиатека жазбасы

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Осы модель профилінен нақты дауысты таңдаңыз.

Кіріс таңбалары мен аудио секундтары бөлек есептеу бірліктері болып саналады.

Тарифтер

Тариф анықтамасы сұрау мүмкіндіктерін қоспайды. Қолдау көрсетілетін параметрлер таңдалған әдісте берілген.

Жылдам режим: Көрсетілмеген Жылдам режим таңдалғанда
Икемді режим: Көрсетілмеген flex режимі таңдалғанда
Ой қорытудың ең жоғары деңгейі: Көрсетілмеген Ой қорыту деңгейі ең жоғары болып, default түзетуі қолданылғанда

Ailoot мөлшерлемелері

Баптаулар бойынша бағалар

Әр төлемді көрсетілген шарттармен салыстырыңыз. Балама баптаулардың әр жиыны үшін бір мөлшерлемені қолданыңыз.

Баптау	Мөлшерлемелер кестесі	Төленетін мөлшер	Есептеу бірлігі	Төлем
БаптауТокендердің базалық тарифтері	Мөлшерлемелер кестесіНегізгі мөлшерлеме	Төленетін мөлшер—	Есептеу бірлігі—	Төлем Кіріс · Кіріс токендері — / 1K токен Шығыс · Шығыс токендері — / 1K токен Кіріс · Кэшті оқу — / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен
БаптауUltra	Мөлшерлемелер кестесі—	Төленетін мөлшерӘр Unicode код нүктесі, соның ішінде Han таңбалары, бір таңба болып саналады.	Есептеу бірлігі1K кіріс таңбасы үшін	Төлем Кіріс · кіріс таңбасы $0.03 1K кіріс таңбасы үшін

Анықтамалық тариф мәліметтері

Модельдің анықтамалық кестелері әдіс таңдауын, баға есебін не төлемді өзгертпейді. Қолданыстағы төлемдер таңдалған Ailoot әдісінің мөлшерлемелерімен есептеледі.

Microsoft AI: MAI-Voice-2-Flash

Баптаулар бойынша бағалар

Баптау	Төлемді есептеу шарттары	Төлем
БаптауMicrosoft AI: MAI-Voice-2-Flash · Әдепкі конфигурация	Төлемді есептеу шарттарыӘдепкі баптау	Төлем Кіріс · Кіріс таңбалары 0,00003 $ кіріс таңбасы үшін

Ailoot сұрау алдында болжамды соманы резервтейді. Нәтижеден кейін өлшенген пайдалану көлемі бойынша қорытынды төлемді шегереді. Ағындық жауап үшін төлем соңғы пайдалану жазбасы негізінде шегеріледі. Резервтеу мен төлемді есептеу тәртібі →

Сұрау мысалдары

Ailoot Ultra · Дыбыстау

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": "microsoft/mai-voice-2-flash", "input": "Good afternoon! This is a short voice take."}')
voice=os.environ["AILOOT_VOICE_ID"]
allowed=json.loads('["en-US-Harper:MAI-Voice-2", "es-MX-Valeria:MAI-Voice-2", "fr-FR-Soleil:MAI-Voice-2", "de-DE-Klaus:MAI-Voice-2"]')
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

Нәтижелерді алу және сақтау

Ailoot Ultra · Дыбыстау

mp3

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

Басқа мазмұнды оқу

Медиа кітапханасыТапсырма күйіМатериал мәліметтері

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

Барлық дайын нәтижені сақтау

Қайтарылған әр толық жауапты, файлды және мазмұн бөлігін сақтаңыз.

Толық бинарлық нәтижені және тақырыптарды сақтаңыз. JSON/бірнеше нәтиже қайтарылса, әрбір дерек элементін сақтап, активке берілген әрбір нақты қолтаңбаланған URL мекенжайынан жүктеп алыңыз.

Бастапқы жауапты тексеру қажет болса

Қайта жібермей салыстырып тексеру үшін бастапқы operation_id/X-Client-Request-ID мәнін сақтаңыз; аудио күйін мерзімді түрде сұратуға арналған жеке маршрут жоқ.

Жауап өрістері

Өріс	Түрі
Өріс`binary audio`	Түріbytes
Өріс`response headers`	Түріheaders

Қателер және келесі қадамдар

Жауап	Шарт	Келесі қадам
Жауап400 · `invalid_request_error`	ШартМіндетті өрістер, материалды ұсыну тәсілі немесе параметр мәні қате	Келесі қадамЖаңадан жасау сұрауын жібермес бұрын көрсетілген өрістерді түзетіңіз.
Жауап`server_error`	ШартҚайтарылған жауапта операцияны немесе нәтижені тексеру қажет екені көрсетілген	Келесі қадамБастапқыда қайтарылған операцияның/тапсырманың ID мәнін, сұрау тақырыптарын және жауабын сақтаңыз; сол бастапқы операцияны қолдау көрсетілетін тәсілдермен оқуды жалғастырыңыз. Жасау сұрауын қайта жібермеңіз.

Балама атаулар

Модельдердің балама атаулары

Ailoot Ultra microsoft/mai-voice-2-flash

Әдіс жолдарының балама атаулары

Жоғарыда көрсетілген әдіс жолдарын пайдаланыңыз.

Шақыруға арналған байланысты ID

microsoft/mai-voice-2-flash

FAQ · Microsoft AI: MAI-Voice-2-Flash

Қандай кіріс деректері мен нәтижелер қолжетімді?: POST /v1/audio/speech · microsoft/mai-voice-2-flash: text → audio
Сұрау қандай өрістерді пайдаланады?: POST /v1/audio/speech · microsoft/mai-voice-2-flash: model, input, voice, response_format

Microsoft AI: MAI-Voice-2-Flash