speech-2.6-hd
Speech 2.6 HD는 자연스러움과 목소리의 유사성에 중점을 둔 고품질 음성 합성 모델입니다.
모델 소개
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
상호작용을 위한 자연스러운 목소리
Speech 2.6 HD는 자연스러운 음성 합성과 응답을 빠르게 시작하는 것이 중요한 사례를 위한 모델입니다. 개발사는 억양, 유창성, 발화 전 텍스트 처리에 주의를 기울입니다. HD 버전은 음질에 중점을 둡니다. 이 카드의 입력은 텍스트, 출력은 음성 오디오입니다.
일반적이지 않은 표기 읽기
Speech 2.6 세대는 업무 메시지에 자주 나오는 페이지 주소, 이메일, 전화번호, 날짜, 금액 같은 표기를 처리할 수 있습니다. 모델은 이를 발음 가능한 형태로 바꾸어 들었을 때 이해할 수 있게 합니다. 개발사는 이런 작업을 여러 언어에 대해 설명합니다.
음색을 유지하는 유창한 음성
Speech 2.6에는 유창성을 높이는 Fluent LoRA 모드가 있습니다. 미리 준비한 목소리로 합성하는 기능이며, 원본 샘플의 말이 고르지 않거나 억양이 있더라도 음색을 유지하면서 더 연결된 음성을 만드는 데 도움이 됩니다. 복제 목소리의 준비와 음성화에서의 사용은 서로 다른 작업입니다.
러시아어를 포함한 40개 언어를 지원합니다. Speech 2.6에는 일곱 가지 기본 감정 상태 외에도 유창한 말 fluent와 속삭임 whisper가 있습니다. 감정을 지정하지 않으면 모델이 텍스트 의미에 따라 선택합니다.
발화 설정
MiniMax는 목소리 선택과 속도, 음량, 음높이 제어를 제공합니다. 속도는 0.5~2, 음량은 0 초과부터 10까지, 음높이 변화는 −12~12로 지정합니다. 감정은 텍스트의 의미에 따라 모델이 선택하게 하거나 기쁨, 슬픔, 분노, 두려움, 혐오, 놀람, 차분함 중에서 수동으로 지정할 수 있습니다.
발음은 대체 사전과 음성 표기로 구체화할 수 있습니다. 국제 음성 기호, 중국어 병음, 일본어 읽기 변형이 제공됩니다. 읽는 구간 사이에 0.01~99.99초의 멈춤을 지정합니다. 멈춤 길이는 소수점 이하 두 자리까지 지정합니다. 표시는 읽는 구간 사이에 넣으며 연속으로 배치하지 않습니다. 이런 설정으로 이름, 약어, 모호한 단어의 발음을 음성 제작 의도에 맞출 수 있습니다.
텍스트 길이와 오디오
합성은 10 000자 미만의 텍스트를 입력받습니다. 3000자를 넘는 긴 텍스트에는 개발사가 스트리밍 출력을 권장합니다. 완성된 오디오를 한 번에 받는 방식도 제공합니다. 일반 합성 설정에는 MP3, PCM, FLAC, WAV, Opus, G.711 μ-law 변형, 모노 또는 스테레오가 포함됩니다. 특정 요청에서 사용할 수 있는 형식은 Ailoot의 수단으로 정해집니다.
MiniMax에 따르면 이 세대는 음성 사례에서 낮은 지연 시간을 지향합니다. 이는 모델에 대한 설명입니다. 특정 응답 시간과 확장 설정의 이용 가능 여부는 Ailoot에서 선택한 호출 방식에 따라 달라집니다.
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-2.6-hd
speech-2.6-hd시작하기
Speech 2.6 HD는 자연스러움과 목소리의 유사성에 중점을 둔 고품질 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-2.6-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-2.6-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-2.6-hd
메서드 경로 별칭
위에 표시된 메서드 경로를 사용하세요.
관련 호출용 ID
FAQ · speech-2.6-hd
- 어떤 입력과 결과를 사용할 수 있나요?
POST /v1/audio/speech·speech-2.6-hd:text→speech- 요청은 어떤 필드를 사용하나요?
POST /v1/audio/speech·speech-2.6-hd:model,input,voice,response_format