Microsoft AI: MAI-Voice-2-Flash

Microsoft AI MAI-Voice-2-Flash generuoja išraiškingą kalbą 15 kalbų asistentams, klientų aptarnavimui ir sakytiniams meniu. Jis derina greitą kalbėjimo pateikimą su atrinkta balsų biblioteka, valdymu pagal etaloninį balsą ir tono valdymu pasisakymo lygmeniu.

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

Apie modelį

Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.

MAI-Voice-2-Flash yra Microsoft AI teksto įgarsinimo modelis, sukurtas greitai reaguojančioms didelio masto balso patirtims. Gamintojas aprašo natūralią prozodiją, aiškų garsą ir išraiškingą kalbėjimą, tarp pagrindinių užduočių nurodydamas asistentus, klientų aptarnavimo agentus ir telefonų meniu. Rašytinis transkripcijos tekstas tampa kalbos garsu pasirinktu balsu. Flash yra konkreti MAI-Voice-2 atmaina, atskira nuo vėlesnės MAI-Voice-2.1 šeimos.

Kalbos ir balso pasirinkimas

Konkretaus modelio kortelėje dokumentuojama penkiolika kalbų ir aštuoniolika lokalės variantų. Jie apima anglų, italų, ispanų, hindi, prancūzų, vokiečių, portugalų, korėjiečių, supaprastintą kinų, turkų, rusų, tajų, nyderlandų, rumunų ir vengrų kalbas, kai kurioms turint atskirus regioninius variantus. Pasirinkite numatytą kalbą ir paruoškite faktines formuluotes, kurias klausytojas turi girdėti. Lokalės skirtumas gali būti svarbus pasisveikinimui, produkto pavadinimui ar auditorijai pažįstamam tarimui.

Microsoft dokumentuoja du balso pasirinkimo kelius: atrinktą biblioteką ir balso nurodymą trumpu įrašu. Biblioteka pateikia esamą kalbėtoją pasakojimui ar sąveikai. Etaloninis įrašas apibrėžia kitą kalbėtojo tapatybę per gamintojo individualaus balso procesą. Balsą išlaikykite nuoseklų susijusiose užklausose, kad pradinis pranešimas, paaiškinimas ir tęsinys skambėtų kaip vienos patirties dalys.

Interaktyvios kalbos tonas

Modelis palaiko tono, kalbėjimo manieros ir emocijos valdymą pasisakymo lygmeniu. Balsiniam asistentui parašykite glaustą pirmąją instrukciją, o tada klausytojui reikalingą informaciją. Praktinė frazė: „Pasirinkite dokumentą, kurį norite atidaryti. Jei nesate tikri dėl jo pavadinimo, pasakykite, apie ką jis.“ Tekstas suteikia klausytojui aiškų veiksmą ir palieka vietos tolesniam klausimui.

Mokomajame pokalbyje atskirkite paaiškinimą nuo klausimo, į kurį turi atsakyti mokinys. Meniu parinkčių pavadinimai turi būti trumpi, o formuluotės – aiškios išgirdus vieną kartą. Tonas turi sekti ištraukos paskirtį: nuraminimui, instrukcijai ir klausimui gali reikėti skirtingo atlikimo, išlaikant tą patį balsą.

Etaloninio balso paruošimas

Balso nurodymui gamintojas nurodo penkių–šešiasdešimties sekundžių įrašą ir aprašo sutikimą davusio kalbėtojo balso atitikimą be papildomo mokymo. Jis rekomenduoja natūralų pokalbinį kalbėjimą su vidutine energija, nes etalonas turi didelę įtaką rezultatui. Paruoškite įrašą, reprezentuojantį balsą, kurį norite naudoti, o ne atlikimą su nesusijusiais garsumo ar išraiškos kraštutinumais.

Šis režimas dokumentuojamas autorizuotam balsui, kurio savininkas davė sutikimą. Gamintojo procesas ir iš anksto nustatytų balsų biblioteka yra atskiri paruošimo keliai. Išvestis lieka naujai sintezuota kalba iš pateikto teksto; įrašas pateikia pageidaujamą kalbėtojo tapatybę.

Dirbkite su sakytiniu rezultatu

Flash naudokite sąveikai, kurioje atsakymas turi būti pateiktas greitai ir likti lengvai suprantamas. Gamintojas šią atmainą orientuoja į greitą reagavimą, išlaikydamas MAI-Voice-2 linijos prozodiją ir akustinę kokybę. Kiekvieną pasisakymą susiekite su jo tekstu ir kalbėtoju, kad svarbius vardus, komandas bei emocinius pokyčius būtų galima peržiūrėti kontekste.

Naudingas rezultatas yra aiškus sakytinis pranešimas ar atsakymas reikiama kalba ir balsu. Perklausykite formuluotes taip, kaip jas girdės auditorija, ypač pranešimų sekoje. Šio modelio penkiolikos kalbų ir aštuoniolikos lokalės variantų specifikacija priklauso konkrečiai Voice-2-Flash versijai; išplėstas vėlesnių versijų kalbų katalogas ir valdomų balsų detalės priklauso jų pačių profiliams.

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

microsoft/mai-voice-2-flash

Microsoft AI /microsoft/mai-voice-2-flash

Pradžia

Leidžiamos įvestys: Tekstas
Rezultatai: Garsas

Prieinama Ailoot · įvestys ir metodai

Ailoot Ultra · Įgarsinimas POST /v1/audio/speech

Įvestis: text
Išvestis: audio
Išvesties formatas: mp3

Laukas	Tipas	Reikalavimas	Reikšmės ir ribos	Numatyta
Laukas`model`	Tipas`string`	ReikalavimasPrivaloma	Reikšmės ir ribos microsoft/mai-voice-2-flash	Numatyta—
Laukas`input`	Tipas`string`	ReikalavimasPrivaloma	Reikšmės ir ribos Mažiausias ilgis: 1 Vienetas: Unicode simboliai	Numatyta—
Laukas`voice`	Tipas`string`	ReikalavimasPrivaloma	Reikšmės ir ribos en-US-Harper:MAI-Voice-2, es-MX-Valeria:MAI-Voice-2, fr-FR-Soleil:MAI-Voice-2, de-DE-Klaus:MAI-Voice-2	Numatyta—
Laukas`response_format`	Tipas`string`	ReikalavimasPrivaloma	Reikšmės ir ribos mp3	Numatyta—

Įvesties medžiagos deriniai

text_to_speech · Privaloma: input

Metodo parametrai ir gyvavimo ciklas

Parametras	Specifikacija
Parametras`content_type`	Specifikacijaapplication/json
Parametras`required`	Specifikacijamodel, input, voice, response_format
Parametras`voice_ids`	Specifikacijaen-US-Harper:MAI-Voice-2, es-MX-Valeria:MAI-Voice-2, fr-FR-Soleil:MAI-Voice-2, de-DE-Klaus:MAI-Voice-2
Parametras`response_format`	Specifikacijamp3
Parametras`max_input_characters`	Specifikacijanull
Parametras`other_options`	Specifikacijafalse
Parametras`input`	Specifikacijatikslus UTF-8 tekstas; Unicode simbolių skaičius be normalizavimo
Parametras`material_types`	Specifikacijatext

Gyvavimo ciklas: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · faktiškai grąžinta task_id reikšmė arba medijos bibliotekos įrašas

GET /v1/media/assets/{asset_id}/content

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Pasirinkite tikslų balsą iš šio modelio profilio.

Įvesties simboliai ir garso sekundės yra skirtingi apskaitos vienetai.

Planai

Tarifų informacija neprideda užklausos parinkčių. Palaikomi parametrai nurodyti prie pasirinkto metodo.

Spartusis režimas: Nenurodyta Pasirinkus spartųjį režimą
Flex režimas: Nenurodyta Pasirinkus flex režimą
Didžiausios samprotavimo pastangos: Nenurodyta Kai didžiausioms samprotavimo pastangoms taikomas numatytasis koregavimas (default)

Ailoot įkainiai

Kainos pagal konfigūraciją

Kiekvieną mokestį susiekite su nurodytomis sąlygomis. Kiekvienam alternatyvių konfigūracijų rinkiniui taikykite vieną įkainį.

Konfigūracija	Įkainių lentelė	Apmokestinamas kiekis	Apskaitos vienetas	Mokestis
KonfigūracijaBaziniai žetonų įkainiai	Įkainių lentelėBazinis įkainis	Apmokestinamas kiekis—	Apskaitos vienetas—	Mokestis Įvestis · Įvesties tokenai — / 1K tokenų Išvestis · Išvesties tokenai — / 1K tokenų Įvestis · Talpyklos skaitymas — / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų
KonfigūracijaUltra	Įkainių lentelė—	Apmokestinamas kiekisKiekvienas Unicode kodo taškas, įskaitant Han simbolius, skaičiuojamas kaip vienas simbolis.	Apskaitos vienetasuž 1K įvesties simbolių	Mokestis Įvestis · įvesties simbolis $0.03 už 1K įvesties simbolių

Informacinio tarifo duomenys

Modelio informacinės lentelės nekeičia metodo pasirinkimo, kainos įverčių ar mokesčių. Galiojantys mokesčiai nustatomi pagal pasirinkto Ailoot metodo įkainius.

Microsoft AI: MAI-Voice-2-Flash

Kainos pagal konfigūraciją

Konfigūracija	Apmokestinimo sąlygos	Mokestis
KonfigūracijaMicrosoft AI: MAI-Voice-2-Flash · Numatytoji konfigūracija	Apmokestinimo sąlygosNumatytoji konfigūracija	Mokestis Įvestis · Įvesties simboliai 0,00003 USD už įvesties simbolį

Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →

Užklausų pavyzdžiai

Ailoot Ultra · Įgarsinimas

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-flash", "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

Gauti ir išsaugoti rezultatus

Ailoot Ultra · Įgarsinimas

mp3

GET /v1/media/tasks/{task_id}
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}

Kito turinio skaitymas

Medijos bibliotekaUžduoties būsenaMedžiagos duomenys

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

Išsaugoti visus baigtus rezultatus

Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.

Išsaugokite visą dvejetainį rezultatą ir antraštes. Jei grąžinamas JSON arba keli rezultatai, išsaugokite kiekvieną duomenų elementą ir atsisiųskite kiekvieną išteklių pagal faktiškai grąžintą pasirašytą URL.

Jei reikia patikrinti pradinį atsakymą

Išsaugokite pradinį operation_id/X-Client-Request-ID duomenims sutikrinti, pakartotinai neteikdami užklausos; atskiro garso būsenos tikrinimo maršruto nėra.

Atsakymo laukai

Laukas	Tipas
Laukas`binary audio`	Tipasbytes
Laukas`response headers`	Tipasheaders

Klaidos ir tolesni veiksmai

Atsakymas	Sąlyga	Kitas žingsnis
Atsakymas400 · `invalid_request_error`	SąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė	Kitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus.
Atsakymas`server_error`	SąlygaGrąžintame atsakyme nurodoma, kad operaciją arba rezultatą reikia patikrinti	Kitas žingsnisIšsaugokite pradinį grąžintą operacijos ar užduoties ID, užklausos antraštes ir atsakymą; toliau tikrinkite tos pačios pradinės operacijos duomenis palaikomais būdais. Kūrimo užklausos pakartotinai neteikite.

Pseudonimai

Modelių pseudonimai

Ailoot Ultra microsoft/mai-voice-2-flash

Metodų kelių pseudonimai

Naudokite aukščiau nurodytus metodų kelius.

Susiję ID iškvietimui

microsoft/mai-voice-2-flash

FAQ · Microsoft AI: MAI-Voice-2-Flash

Kokios įvestys ir rezultatai prieinami?: POST /v1/audio/speech · microsoft/mai-voice-2-flash: text → audio
Kokius laukus naudoja užklausa?: POST /v1/audio/speech · microsoft/mai-voice-2-flash: model, input, voice, response_format

Microsoft AI: MAI-Voice-2-Flash