speech-2.8-turbo

Speech 2.8 Turbo — дыбыстық белгілері бар және мәнерлілігі басқарылатын табиғи сөйлеудің жылдам синтезі.

Ailoot · Дыбыстау POST /v1/audio/speech speech-2.8-turbo
Ailoot · Дыбыстау POST /v1/audio/speech minimax-speech-turbo

Модель туралы

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

Әңгімелесу репликаларын жылдам синтездеу

Speech 2.8 Turbo аудионы жылдам қалыптастыруды дауыстың табиғи өзгеруімен біріктіреді. Өндіруші Turbo-ны жатық әңгімелесу дыбысталуына бағыттайды: қысқа репликаларға, мәтінді дыбыстауға және дауыстық өзара әрекетке. Бұл карточка мәтінді қабылдап, сөйлеу аудиосын қайтарады.

Күлкі, тыныс алу және одағайлар

Осы буынның HD нұсқасы сияқты, Turbo Speech 2.8 дыбыстық белгілерін қолдайды. Мәтінге күлкі, жеңіл күлу, жөтел, тамақ кенеп алу, дем алу, дем шығару, күрсіну және басқа қысқа дыбыс белгілерін енгізуге болады. Мұндай басқарылатын біркелкі еместік репликаны әңгімеге ұқсатады: онда мазмұнмен байланысты тыныс алу мен үзілістер пайда болады.

Дыбыстық белгі мәтіннің нақты орнына қатысты. Ол үшін модель қарастырған дөңгелек жақшадағы белгілер қолданылады, мысалы (laughs) немесе (breath). Әсердің еркін сипаттамасы қолдау көрсетілетін белгінің тең мәнді баламасы емес.

Дауыс және тіл

Speech 2.8 тобы орыс тілін қоса алғанда 40 тілді және дайын дауыстармен жұмысты қолдайды. Өндіруші дауыстың танылатын құрылымын, тыныс алу ерекшеліктерін және цифрлық бұрмаланулардың азайтылуын атап көрсетеді. Клондау мүмкіндігі дауысты бөлек дайындауға жатады; кейін оны синтездеуде қолдануға болады.

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.

Біртіндеп шығару және аудио форматы

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.

Turbo жылдамдығы — дайын репликаның бекітілген кідірісіне уәде емес, модель нұсқасының сипаттамасы. Бұл сұраудың сандық кідірісі мұнда белгіленбейді. Өндірушінің аталған кеңейтілген баптаулары Ailoot арқылы таңдалған жүгіну тәсілінде қолдау болуын қажет етеді.

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 · Дыбыстау POST /v1/audio/speech speech-2.8-turbo

speech-2.8-turbo

MiniMax /speech-2.8-turbo

Модель ID

speech-2.8-turbo
minimax-speech-turbo

Бастау

Speech 2.8 Turbo — дыбыстық белгілері бар және мәнерлілігі басқарылатын табиғи сөйлеудің жылдам синтезі.

Қабылданатын кіріс деректері: Мәтін
Нәтижелер: speech

Ailoot жүйесінде қолжетімді · кіріс деректері мен әдістер

Ailoot · Дыбыстау POST /v1/audio/speech

Кіріс: text
Шығыс: speech
Шығыс пішімі: mp3

Өріс	Түрі	Талап	Мәндер мен шектеулер	Әдепкі
Өріс`model`	Түрі`string`	ТалапМіндетті	Мәндер мен шектеулер speech-2.8-turbo	Әдепкі—
Өріс`input`	Түрі`string`	ТалапМіндетті	Мәндер мен шектеулер Ең аз ұзындық: 1 Ең үлкен ұзындық (шегі кірмейді): 10 000 Бірлік: Unicode таңбалары	Әдепкі—
Өріс`voice`	Түрі`string`	ТалапМіндетті	Мәндер мен шектеулер Үлгі: ^[A-Za-z0-9_-]{1,128}$	Әдепкі—
Өріс`response_format`	Түрі`string`	ТалапМіндетті емес	Мәндер мен шектеулер mp3	Әдепкі—

Кіріс материалдарының үйлесімдері

text_to_speech · Міндетті: input

Әдіс параметрлері мен өмірлік циклі

Параметр	Параметр талаптары
Параметр`material_types`	Параметр талаптарыtext
Параметр`required`	Параметр талаптарыnull
Параметр`optional_controls`	Параметр талаптарыnull

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}

Әдіс құрылымдары мен ID мәндері дәл берілген; жеткізушінің мүмкіндігі сұрауды қабылдаудан бөлек қаралады.

Тарифтер

Ailoot әдістерінің мөлшерлемелері

Ailoot ДыбыстауPOST /v1/audio/speech

Кіріс: 60,00 $ 1 миллион таңба 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 · Дыбыстау

Дыбыстау мысалы

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-2.8-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

Нәтижелерді алу және сақтау

Ailoot · 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}

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 speech-2.8-turbo, minimax-speech-turbo

Әдіс жолдарының балама атаулары

Жоғарыда көрсетілген әдіс жолдарын пайдаланыңыз.

Шақыруға арналған байланысты ID

speech-2.8-turbo, minimax-speech-turbo

Ailoot · Дыбыстау POST /v1/audio/speech minimax-speech-turbo

minimax-speech-turbo

MiniMax /minimax-speech-turbo

Модель ID

speech-2.8-turbo
minimax-speech-turbo

Бастау

Speech 2.8 Turbo — дыбыстық белгілері бар және мәнерлілігі басқарылатын табиғи сөйлеудің жылдам синтезі.

Қабылданатын кіріс деректері: Мәтін
Нәтижелер: speech

Ailoot жүйесінде қолжетімді · кіріс деректері мен әдістер

Ailoot · Дыбыстау POST /v1/audio/speech

Кіріс: text
Шығыс: speech
Шығыс пішімі: mp3

Өріс	Түрі	Талап	Мәндер мен шектеулер	Әдепкі
Өріс`model`	Түрі`string`	ТалапМіндетті	Мәндер мен шектеулер minimax-speech-turbo	Әдепкі—
Өріс`input`	Түрі`string`	ТалапМіндетті	Мәндер мен шектеулер Ең аз ұзындық: 1 Ең үлкен ұзындық (шегі кірмейді): 10 000 Бірлік: Unicode таңбалары	Әдепкі—
Өріс`voice`	Түрі`string`	ТалапМіндетті	Мәндер мен шектеулер Үлгі: ^[A-Za-z0-9_-]{1,128}$	Әдепкі—
Өріс`response_format`	Түрі`string`	ТалапМіндетті емес	Мәндер мен шектеулер mp3	Әдепкі—

Кіріс материалдарының үйлесімдері

text_to_speech · Міндетті: input

Әдіс параметрлері мен өмірлік циклі

Параметр	Параметр талаптары
Параметр`material_types`	Параметр талаптарыtext
Параметр`required`	Параметр талаптарыnull
Параметр`optional_controls`	Параметр талаптарыnull

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}

Әдіс құрылымдары мен ID мәндері дәл берілген; жеткізушінің мүмкіндігі сұрауды қабылдаудан бөлек қаралады.

Тарифтер

Ailoot әдістерінің мөлшерлемелері

Ailoot ДыбыстауPOST /v1/audio/speech

Кіріс: 60,00 $ 1 миллион таңба үшін

Сұрау мысалдары

Ailoot · Дыбыстау

Дыбыстау мысалы

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": "minimax-speech-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

Нәтижелерді алу және сақтау

Ailoot · 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}

Барлық дайын нәтижені сақтау

Қайтарылған әр толық жауапты, файлды және мазмұн бөлігін сақтаңыз.

Бастапқы жауапты тексеру қажет болса

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 speech-2.8-turbo, minimax-speech-turbo

Әдіс жолдарының балама атаулары

Жоғарыда көрсетілген әдіс жолдарын пайдаланыңыз.

Шақыруға арналған байланысты ID

speech-2.8-turbo, minimax-speech-turbo

FAQ · speech-2.8-turbo

Қандай кіріс деректері мен нәтижелер қолжетімді?

POST /v1/audio/speech · speech-2.8-turbo: text → speech

POST /v1/audio/speech · minimax-speech-turbo: text → speech

Сұрау қандай өрістерді пайдаланады?

POST /v1/audio/speech · speech-2.8-turbo: model, input, voice, response_format

POST /v1/audio/speech · minimax-speech-turbo: model, input, voice, response_format

speech-2.8-turbo

speech-2.8-turbo

Әңгімелесу репликаларын жылдам синтездеу

Күлкі, тыныс алу және одағайлар

Дауыс және тіл

Біртіндеп шығару және аудио форматы

Бастау

Ailoot жүйесінде қолжетімді · кіріс деректері мен әдістер

Тарифтер

Ailoot әдістерінің мөлшерлемелері

Сұрау мысалдары

Ailoot · Дыбыстау

Нәтижелерді алу және сақтау

Ailoot · Дыбыстау

Барлық дайын нәтижені сақтау

Бастапқы жауапты тексеру қажет болса

Балама атаулар

Модельдердің балама атаулары

Әдіс жолдарының балама атаулары

Шақыруға арналған байланысты ID

Бастау

Ailoot жүйесінде қолжетімді · кіріс деректері мен әдістер

Тарифтер

Ailoot әдістерінің мөлшерлемелері

Сұрау мысалдары

Ailoot · Дыбыстау

Нәтижелерді алу және сақтау

Ailoot · Дыбыстау

Барлық дайын нәтижені сақтау

Бастапқы жауапты тексеру қажет болса

Балама атаулар

Модельдердің балама атаулары

Әдіс жолдарының балама атаулары

Шақыруға арналған байланысты ID

Компания және оның жобалар портфелі

Токенді жеңілдікпен сатып алыңыз.

API-ді сататын өніміңізге қосыңыз.