MiniMax: Speech 2.8 HD
Speech 2.8 HD эмоцияны және тыныс алу мен күлкі сияқты дыбыстық бөлшектерді басқара отырып, мәнерлі сөйлеуді синтездейді.
Модель туралы
Бұл сипаттама модель мүмкіндіктерін қамтиды. Ailoot жүйесінде таңдалған әдіс үшін қолжетімді кіріс, шығыс және параметрлер төменде берілген.
Шағын дыбыстық бөлшектері бар жанды сөйлеу
Speech 2.8 HD табиғи әрі таза дыбысталуға бағытталған. Бұл буынның басты ерекшелігі — сөйлеуге әңгімелесу бөлшектерін қосуға мүмкіндік беретін дыбыстық белгілер: күлкі, жеңіл күлу, тыныс алу, дем алу, дем шығару, күрсіну, жөтел, тамақ кенеп алу және басқа қысқа дыбыстар. Олар әр сөйлемді біркелкі дикторлық оқуға айналдырмай, жанды репликаның ырғағы мен үзілістерін жеткізуге көмектеседі.
Белгілер мәтінге модель үшін көрсетілген түрде енгізіледі: мысалы, (chuckle), (breath) және (sighs) тиісті дыбыстық әрекеттерді білдіреді. Дыбыстық белгілер мүмкіндігі дәл Speech 2.8-ге жатады. Бұлар — бөлек музыкалық немесе дыбыстық композиция жасау емес, сөйлеу синтезінің ішіндегі дауыс бөлшектері.
Тембр және тазалық
Өндіруші дауыстың тән ерекшеліктерін жеткізуді атап көрсетеді: құрылымын, тыныс алуын және айтылу мәнерін. Топ мүмкіндіктері дайын клондалған дауыспен синтездеуді қамтиды; мұндай дауысты жасау — бөлек процесс. Speech 2.8-де фондық шу мен цифрлық бұрмалануларды азайту үшін өңдеу де жаңартылған.
Тілдер және мәнерлілік
Speech 2.8 орыс тілін қоса алғанда 40 тілді қолдайды. Өндіруші қытай-жапон үйлесіміндегі тіларалық айтылу бойынша жұмысты бөлек сипаттайды. Мұндай сценарий мәтінді автоматты аударуға емес, әртүрлі тілдерді қолданғанда табиғи дыбысталуды сақтауға қатысты.
MiniMax дауысты таңдауды және қарқын, дыбыс қаттылығы мен биіктігін басқаруды қарастырған. Жылдамдық 0,5–2 аралығында, дыбыс қаттылығы 0-ден жоғары және 10-ға дейін, биіктік өзгерісі −12-ден 12-ге дейін беріледі. Эмоцияны мәтін мағынасына қарай модельдің таңдауына қалдыруға немесе қолмен көрсетуге болады: қуаныш, мұң, ашу, қорқыныш, жиіркену, таңдану немесе сабырлылық.
Айтылуды алмастыру сөздігі мен фонетикалық жазба арқылы нақтылауға болады; онда халықаралық фонетикалық әліпби, қытай пиньині және жапонша оқу нұсқалары қарастырылған. Үзілістер айтылатын үзінділер арасында 0,01–99,99 секунд аралығында беріледі. Үзіліс ұзақтығы үтірден кейінгі екі таңба дәлдігімен белгіленеді; маркерлер айтылатын үзінділер арасында орналастырылады және қатарынан қойылмайды. Мұндай баптаулар есімдердің, қысқартулардың және мағынасы екіұшты сөздердің дыбысталуын дыбыстау ойымен үйлестіруге мүмкіндік береді.
Аудио нәтижесі
Синтез 10 000 таңбадан аз мәтінді қабылдайды. 3000 таңбадан асатын ұзақ мәтін үшін өндіруші ағындық шығысты ұсынады; дайын аудионы тұтас алу да қарастырылған. Жалпы синтез баптаулары MP3, PCM, FLAC, WAV, Opus және G.711 μ-law нұсқаларын, моно немесе стереоны қамтиды; нақты сұраудың қолжетімді форматтары Ailoot құралдарымен анықталады.
Бұл карточка мәтінді сөйлеу аудиосына айналдырады. Дауысты баптау мүмкіндіктері MiniMax моделін сипаттайды; дауыс клонын жасау, бөлек субтитрлер және арнайы қосылу тәсілдері дыбыстау сұрауына автоматты түрде кірмейді.
Қосымша дыбыс баптаулары 8, 16, 22,05, 24, 32 және 44,1 кГц дискреттеу жиіліктерін қамтиды. MP3 үшін 32, 64, 128 немесе 256 кбит/с битрейт қарастырылған. Дауыстың реңкін өзгертіп, бір әсерді қолдануға да болады: кең кеңістіктегі жаңғырық, зал жаңғырығы, телефон дыбысы немесе робот дауысы. Дауысты өзгерту әсерлері аудионы тұтас алғанда MP3, WAV және FLAC үшін, ал ағындық шығыста тек MP3 үшін қолданылады. G.711 μ-law форматтары 8 кГц жиілігін қолданады. Бұл мүмкіндіктер MiniMax синтез баптауларына жатады.
Өндіруші сөйлеуді мәтінмен синхрондауды қарастырған: сөйлемдер, сөздер немесе біртіндеп шығару кезіндегі сөздер бойынша уақыт белгілері. Мұндай нәтиже айтылуды мәтіннің көрсетілуімен үйлестіруге көмектеседі. Бұл қосымша мүмкіндік тиісті жауап форматының қолдауын қажет етеді.
Ailoot Ultra · Дыбыстау POST /v1/audio/speech minimax/speech-2.8-hd
minimax/speech-2.8-hdБастау
Speech 2.8 HD эмоцияны және тыныс алу мен күлкі сияқты дыбыстық бөлшектерді басқара отырып, мәнерлі сөйлеуді синтездейді.
- 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 |
|---|---|---|---|---|
Өрісmodel | Түріstring | ТалапМіндетті | Мәндер мен шектеулер minimax/speech-2.8-hd | Әдепкі— |
Өрісinput | Түріstring | ТалапМіндетті | Мәндер мен шектеулер Ең аз ұзындық: 1 Бірлік: Unicode таңбалары | Әдепкі— |
Өрісvoice | Түріstring | ТалапМіндетті | Мәндер мен шектеулер English_expressive_narrator, English_radiant_girl, English_magnetic_voiced_man, English_compelling_lady1, English_Aussie_Bloke, English_captivating_female1, English_Upbeat_Woman, English_Trustworth_Man, English_CalmWoman, English_UpsetGirl, English_Gentle-voiced_man, English_Whispering_girl, English_Diligent_Man, English_Graceful_Lady, English_ReservedYoungMan, English_PlayfulGirl, English_ManWithDeepVoice, English_MaturePartner, English_FriendlyPerson, English_MatureBoss, English_Debator, English_LovelyGirl, English_Steadymentor, English_Deep-VoicedGentleman, English_Wiselady, English_CaptivatingStoryteller, English_DecentYoungMan, English_SentimentalLady, English_ImposingManner, English_SadTeen, English_PassionateWarrior, English_WiseScholar, English_Soft-spokenGirl, English_SereneWoman, English_ConfidentWoman, English_PatientMan, English_Comedian, English_BossyLeader, English_Strong-WilledBoy, English_StressedLady, English_AssertiveQueen, English_AnimeCharacter, English_Jovialman, English_WhimsicalGirl, English_Kind-heartedGirl | Әдепкі— |
Өрісresponse_format | Түріstring | ТалапМіндетті | Мәндер мен шектеулер mp3 | Әдепкі— |
Кіріс материалдарының үйлесімдері
text_to_speech · Міндетті: input
Әдіс параметрлері мен өмірлік циклі
| Параметр | Параметр талаптары |
|---|---|
Параметрcontent_type | Параметр талаптарыapplication/json |
Параметрrequired | Параметр талаптарыmodel, input, voice, response_format |
Параметрvoice_ids | Параметр талаптарыEnglish_expressive_narrator, English_radiant_girl, English_magnetic_voiced_man, English_compelling_lady1, English_Aussie_Bloke, English_captivating_female1, English_Upbeat_Woman, English_Trustworth_Man, English_CalmWoman, English_UpsetGirl, English_Gentle-voiced_man, English_Whispering_girl, English_Diligent_Man, English_Graceful_Lady, English_ReservedYoungMan, English_PlayfulGirl, English_ManWithDeepVoice, English_MaturePartner, English_FriendlyPerson, English_MatureBoss, English_Debator, English_LovelyGirl, English_Steadymentor, English_Deep-VoicedGentleman, English_Wiselady, English_CaptivatingStoryteller, English_DecentYoungMan, English_SentimentalLady, English_ImposingManner, English_SadTeen, English_PassionateWarrior, English_WiseScholar, English_Soft-spokenGirl, English_SereneWoman, English_ConfidentWoman, English_PatientMan, English_Comedian, English_BossyLeader, English_Strong-WilledBoy, English_StressedLady, English_AssertiveQueen, English_AnimeCharacter, English_Jovialman, English_WhimsicalGirl, English_Kind-heartedGirl |
Параметрresponse_format | Параметр талаптарыmp3 |
Параметрmax_input_characters | Параметр талаптарыnull |
Параметрother_options | Параметр талаптарыfalse |
Параметрinput | Параметр талаптарыдәл UTF-8 мәтіні; қалыпқа келтірмей есептелген Unicode таңбалар саны |
Параметрmaterial_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 $0.2 1K кіріс таңбасы үшін |
Анықтамалық тариф мәліметтері
Модельдің анықтамалық кестелері әдіс таңдауын, баға есебін не төлемді өзгертпейді. Қолданыстағы төлемдер таңдалған Ailoot әдісінің мөлшерлемелерімен есептеледі.
MiniMax: Speech 2.8 HD
Баптаулар бойынша бағалар
| Баптау | Төлемді есептеу шарттары | Төлем |
|---|---|---|
| БаптауMiniMax: Speech 2.8 HD · Әдепкі конфигурация | Төлемді есептеу шарттарыӘдепкі баптау | Төлем Кіріс · Кіріс таңбалары 0,0002 $ 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
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": "minimax/speech-2.8-hd", "input": "Good afternoon! This is a short voice take."}')
voice=os.environ["AILOOT_VOICE_ID"]
allowed=json.loads('["English_expressive_narrator", "English_radiant_girl", "English_magnetic_voiced_man", "English_compelling_lady1", "English_Aussie_Bloke", "English_captivating_female1", "English_Upbeat_Woman", "English_Trustworth_Man", "English_CalmWoman", "English_UpsetGirl", "English_Gentle-voiced_man", "English_Whispering_girl", "English_Diligent_Man", "English_Graceful_Lady", "English_ReservedYoungMan", "English_PlayfulGirl", "English_ManWithDeepVoice", "English_MaturePartner", "English_FriendlyPerson", "English_MatureBoss", "English_Debator", "English_LovelyGirl", "English_Steadymentor", "English_Deep-VoicedGentleman", "English_Wiselady", "English_CaptivatingStoryteller", "English_DecentYoungMan", "English_SentimentalLady", "English_ImposingManner", "English_SadTeen", "English_PassionateWarrior", "English_WiseScholar", "English_Soft-spokenGirl", "English_SereneWoman", "English_ConfidentWoman", "English_PatientMan", "English_Comedian", "English_BossyLeader", "English_Strong-WilledBoy", "English_StressedLady", "English_AssertiveQueen", "English_AnimeCharacter", "English_Jovialman", "English_WhimsicalGirl", "English_Kind-heartedGirl"]')
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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o speech.mp3
Нәтижелерді алу және сақтау
Ailoot Ultra · Дыбыстау
mp3
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Басқа мазмұнды оқу
set -eu
: "${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 |
|---|---|
Өрісbinary audio | Түріbytes |
Өрісresponse 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. |
Жауапserver_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 minimax/speech-2.8-hd
Әдіс жолдарының балама атаулары
Жоғарыда көрсетілген әдіс жолдарын пайдаланыңыз.
Шақыруға арналған байланысты ID
FAQ · MiniMax: Speech 2.8 HD
- Қандай кіріс деректері мен нәтижелер қолжетімді?
POST /v1/audio/speech·minimax/speech-2.8-hd:text→audio- Сұрау қандай өрістерді пайдаланады?
POST /v1/audio/speech·minimax/speech-2.8-hd:model,input,voice,response_format