speech-02-hd
Speech-02 HD는 음질과 목소리의 유사성에 중점을 둔 음성 합성 모델입니다.
모델 소개
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
음성 제작과 긴 글 읽기를 위한 목소리
Speech 02 HD는 음질, 리듬, 음성의 안정성에 중점을 두어 음성을 만듭니다. 개발사는 목소리의 성격을 유지하며 긴 텍스트를 고르게 읽어야 하는 콘텐츠 음성화와 오디오북을 강조합니다. 텍스트를 입력받아 음성 오디오로 변환하는 합성 모델입니다.
텍스트와 음색의 결합
Speech 02 제품군은 자기회귀 Transformer 아키텍처와 학습 가능한 화자 인코더를 기반으로 합니다. 목소리의 특징을 내용과 일치시키기 위해 음색 추출과 음성 생성을 함께 학습했습니다. 제품군의 기능에는 미리 준비한 복제 목소리의 사용과 언어, 억양, 발음 방식의 결합이 포함됩니다.
감정과 다언어 읽기
감정 표현은 텍스트 의미에 따라 정하거나 수동으로 지정할 수 있습니다. 기쁨, 슬픔, 분노, 두려움, 혐오, 놀람, 차분함을 사용할 수 있습니다. 모델은 러시아어, 영어, 기타 언어를 처리합니다. 개발사는 영어의 여러 억양, 중국어와 광둥어, 일본어, 한국어, 유럽 언어 및 기타 언어를 설명합니다.
현재 Speech 02 설명에서는 페르시아어, 필리핀어, 타밀어를 별도로 제외합니다. 더 새로운 Speech 세대의 일반 언어 목록을 이 버전에 자동으로 적용해서는 안 됩니다.
목소리 설정
합성에는 목소리 선택, 속도 0.5~2, 0 초과부터 10까지의 음량, −12~12의 음높이 조절을 제공합니다. 발음 사전에서 표기를 원하는 읽기로 바꿀 수 있으며, 음성 표기와 일본어 발음 변형을 지원합니다. 이름과 모호한 단어가 어떻게 발음되는지 조절하는 데 도움이 됩니다.
멈춤과 완성된 오디오
개발사는 읽는 구간 사이에 0.01~99.99초의 멈춤을 지정할 수 있도록 합니다. 멈춤 길이는 소수점 이하 두 자리까지 지정합니다. 표시는 읽는 구간 사이에 넣으며 연속으로 배치하지 않습니다. 하나의 동기 요청 텍스트는 10 000자 미만이어야 합니다. 오디오를 한 번에 받거나 점진적으로 받을 수 있습니다. 3000자를 넘는 텍스트에는 스트리밍 출력을 권장합니다.
모델 형식에는 MP3, WAV, FLAC, PCM이 있습니다. 일반 합성 설정에는 Opus와 G.711 μ-law 변형도 설명되어 있습니다. 모노 또는 스테레오를 사용할 수 있습니다. 이 카드에서는 텍스트 음성화를 사용할 수 있으며, 별도의 목소리 준비와 확장 설정은 Ailoot에서 지원되는 호출 방식의 범위 안에서만 적용됩니다.
추가 오디오 설정에는 8, 16, 22.05, 24, 32, 44.1kHz의 샘플링 주파수가 있습니다. MP3에는 32, 64, 128, 256kbit/s의 비트레이트를 제공합니다. 음색을 바꾸고 넓은 공간의 에코, 홀 에코, 전화 소리, 로봇 목소리 중 하나의 효과를 적용할 수도 있습니다. 목소리 변경 효과는 오디오를 한 번에 받을 때 MP3, WAV, FLAC을 지원하고, 스트리밍에서는 MP3만 지원합니다. G.711 μ-law 형식은 8kHz를 사용합니다. 이러한 기능은 MiniMax의 합성 설정에 해당합니다.
개발사는 문장별, 단어별, 점진적 출력에서의 단어별 타임스탬프로 음성과 텍스트를 동기화하는 기능을 제공합니다. 이 결과는 발화와 텍스트 표시를 맞추는 데 도움이 됩니다. 추가 기능을 사용하려면 해당 응답 형식이 지원되어야 합니다.
Ailoot · 음성 합성 POST /v1/audio/speech speech-02-hd
speech-02-hd시작하기
Speech-02 HD는 음질과 목소리의 유사성에 중점을 둔 음성 합성 모델입니다.
- 허용 입력
- 텍스트
- 결과
- speech
Ailoot에서 사용 가능 · 입력 및 메서드
Ailoot · 음성 합성 POST /v1/audio/speech
- 입력
text- 출력
speech- 출력 형식
- mp3
| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 speech-02-hd | 기본값— |
필드input | 유형string | 요건필수 | 값과 한도 최소 길이: 1 최대 길이(상한 제외): 10,000 단위: Unicode 문자 | 기본값— |
필드voice | 유형string | 요건필수 | 값과 한도 패턴: ^[A-Za-z0-9_-]{1,128}$ | 기본값— |
필드response_format | 유형string | 요건선택 사항 | 값과 한도 mp3 | 기본값— |
입력 자료 조합
text_to_speech · 필수: input
메서드 매개변수와 수명 주기
| 매개변수 | 명세 |
|---|---|
매개변수material_types | 명세text |
매개변수required | 명세null |
매개변수optional_controls | 명세null |
수명 주기: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · 실제로 반환된 task_id 또는 미디어 라이브러리 기록
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
메서드 형식과 ID는 정확합니다. 공급자의 기능 지원과 요청 수락은 별개입니다.
요금
Ailoot 메서드 요금
POST /v1/audio/speech- 입력
- US$100.00 1백만 문자당
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
요청 예제
Ailoot · 음성 합성
set -eu
: "${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-02-hd", "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
결과 수신 및 저장
Ailoot · 음성 합성
mp3
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
완료된 결과 모두 보관
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
바이너리 결과 전체와 헤더를 보관하세요. JSON 또는 여러 출력이 반환되면 모든 데이터 항목을 보관하고 실제로 반환된 서명된 자산 URL을 각각 조회하세요.
원래 응답을 확인해야 할 경우
다시 제출하지 말고 정산 대조를 위해 최초 operation_id/X-Client-Request-ID를 보관하세요. 전용 오디오 폴링 라우트는 없습니다.
응답 필드
| 필드 | 유형 |
|---|---|
필드binary audio | 유형bytes |
필드response headers | 유형headers |
오류와 다음 단계
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
응답server_error | 조건반환된 응답에 작업 또는 결과 확인이 필요하다고 표시되어 있습니다 | 다음 단계최초로 반환된 작업/태스크 ID, 요청 헤더와 응답을 보관하고, 지원되는 조회 방식으로 해당 최초 작업을 계속 조회하세요. 생성 요청을 다시 제출하지 마세요. |
별칭
모델 별칭
Ailoot speech-02-hd
메서드 경로 별칭
위에 표시된 메서드 경로를 사용하세요.
관련 호출용 ID
FAQ · speech-02-hd
- 어떤 입력과 결과를 사용할 수 있나요?
POST /v1/audio/speech·speech-02-hd:text→speech- 요청은 어떤 필드를 사용하나요?
POST /v1/audio/speech·speech-02-hd:model,input,voice,response_format