Microsoft AI: MAI-Voice-2

Microsoft AI-дың MAI-Voice-2 моделі баяндауға, диалогқа және дауыстық қолданбаларға арналған мәнерлі көптілді сөйлеу жасайды. Ұзын материалдағы бірізділік, бірнеше сөйлеушіні қолдау және реплика деңгейінде эмоцияны басқару аудиокітаптарға, сабақтарға және кейіпкер дауыстарына көмектеседі.

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

Модель туралы

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

MAI-Voice-2 — табиғи әрі мәнерлі ауызша мазмұнға арналған Microsoft AI-дың нұсқаумен басқарылатын мәтінді сөйлеуге айналдыру моделі. Өндіруші акустикалық дәлдікке, сөйлеуші бірізділігіне және эмоциялық ауқымға басымдық береді. Құжатталған міндеттерге ассистенттер, аудиокітаптар, подкасттар, дәрістер, білім беру кейіпкерлері және қолжетімділікке арналған баяндау кіреді. Транскрипт мәтіні таңдалған дауыста аудиоға айналады; дереу жауап басым өзара әрекет үшін Voice-2-Flash нұсқасының өз профилі бар.

Тіл және сөйлеуші

Microsoft-тың Voice-2 шығарылымы ағылшын, француз, неміс, итальян, испан, португал, хинди, корей, жеңілдетілген қытай, түрік, орыс, тай, нидерланд, румын және венгр тілдерін қамтитын он бес тілді сипаттайды. Кейбір тілдердің бөлек аймақтық нұсқалары бар. Шығарылым хинди–ағылшын және испан–ағылшын тіл ауыстыруын да сипаттайды, сондықтан таңдалған аралас тілдегі үзінділер сөйлеушінің тілдерді табиғи кезектестіруін сақтай алады.

Нақты айтылатын сөздерді дайындап, олардың қажетті тілін сақтаңыз. Қостілді білім беру үзіндісі есімдер мен дәйексөздерді сақтай отырып, терминді бір тілде енгізіп, басқа тілде түсіндіре алады. Әр тілдік-аймақтық нұсқаны өзара алмастырылатын деп қабылдамай, ауызша нәтижені материалға қажет акцент пен аудитория тұрғысынан тексеру керек.

Модель картасы іріктелген дауыс кітапханасын және бөлек референстік дауыспен бағыттау жолын береді. Референстік сөйлеу қосымша баптаусыз қажетті сөйлеуші сәйкестігін береді. Microsoft табиғи сөйлесу мәнері мен орташа қуатты ұсынады, өйткені жазба қарқын мен орындауға әсер етеді. Міндетке жеке дауыс керек болғанда, оны білдіретін және келісімі бар жазбаны қолданыңыз.

Ұзынырақ баяндау және диалог

Модель картасы контексті тасымалдаумен бөліктерге бөлу арқылы ұзын материал генерациясын құжаттайды. Бұл тарау, сабақ немесе подкаст үзінділерінің тізбегі сияқты байланысқан баяндауды қолдайды. Сценарийді мағыналы бөлім шекараларында бөліп, терминологиясын және сөйлеуші таңдауын бірізді ұстаңыз. Ұзын түсіндірмеге тақырып өзгергенін тыңдаушыға білдіретін ауызша ауысулар пайдалы.

Бірнеше сөйлеуші қолдауы дайын диалогта бөлек рөлдерге мүмкіндік береді. Сұрақ пен жауапты қажетті сөйлеушілерге тағайындап, рөл қайтқанда сол тағайындауларды сақтаңыз. Кірісте сөйлеу синтезаторынан әңгімені ойлап табуды сұрайтын ашық өтініш емес, соңғы репликалар мен тиісті орындау нұсқаулары болуы тиіс.

Үн және эмоциялық орындау

Microsoft үнді, орындауды және эмоцияны дәл, кезек деңгейінде басқаруды құжаттайды. Шығарылым мысалдары мәнерлі ауызша рөлдер мен эмоциялық үзінділерді көрсетеді. Баяндау үшін қай сөйлем фактілік, ойлы немесе толқулы екенін анықтап, сол мағынаға сай орындау қолданыңыз. Практикалық сөйлем: «Тәжірибенің ең тыныш бөлігі ең көп нәрсені ашқан бөлігі болып шықты. Заңдылық алғаш сол жерде анық көрінді». Тұжырым орындауға саналы екпін өзгерісін береді.

Нұсқаулық дыбыстауда әрекетті анық ұстаңыз және түсіндірмені бөлек сөйлемге қойыңыз. Диалогта кейіпкердің айтылатын сөзін көрініс ескертпелерінен ажыратыңыз. Соңғы тізбек тұтас қалуы үшін қайталанатын есімдерді және үзінділер арасындағы ауысуларды тыңдаңыз.

Аудионы қолданыңыз

Нәтиже — берілген транскрипт үшін жаңадан жасалған сөйлеу. Оның пайдалы пішіні — дауысы мен орындауы сценарийге сай баяндау, диалог немесе қолданбаның ауызша жауабы. Түзету қалған орындауды жоғалтпай, қажетті үзіндіні өзгертуі үшін мәтінді, сөйлеушіні және бөлім ретін жазбамен байланысты сақтаңыз.

MAI-Voice-2 ұзақ тыңдау тәжірибесіндегі табиғилық пен мәнерлілікке басымдық береді. Оның ұзын материал мүмкіндігі шексіз кірісті немесе кепілденген ең үлкен жазба ұзақтығын анықтамайды. Дәл Voice-2 сипаттамасы кейінгі Voice-2.1 шығарылымдарының кеңейтілген тіл каталогынан және дауыс баптауларынан бөлек болып қалады.

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

microsoft/mai-voice-2

Microsoft AI /microsoft/mai-voice-2

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	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 $0.044 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

Баптаулар бойынша бағалар

Баптау	Төлемді есептеу шарттары	Төлем
БаптауMicrosoft AI: MAI-Voice-2 · Әдепкі конфигурация	Төлемді есептеу шарттарыӘдепкі баптау	Төлем Кіріс · Кіріс таңбалары 0,000044 $ 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", "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

Әдіс жолдарының балама атаулары

Жоғарыда көрсетілген әдіс жолдарын пайдаланыңыз.

Шақыруға арналған байланысты ID

microsoft/mai-voice-2

FAQ · Microsoft AI: MAI-Voice-2

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

Microsoft AI: MAI-Voice-2