Microsoft AI: MAI-Voice-2

Microsoft AI MAI-Voice-2 kuria išraiškingą daugiakalbę kalbą pasakojimams, dialogui ir balsinėms programoms. Ilgo turinio nuoseklumas, keli kalbėtojai ir emocijų valdymas pasisakymo lygmeniu tinka garsinėms knygoms, pamokoms ir veikėjų balsams.

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

Apie modelį

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

MAI-Voice-2 yra Microsoft AI užklausomis valdomas teksto įgarsinimo modelis natūraliam, išraiškingam sakytiniam turiniui. Gamintojas pabrėžia akustinį tikslumą, kalbėtojo nuoseklumą ir emocinį diapazoną. Dokumentuotos užduotys apima asistentus, garsines knygas, tinklalaides, paskaitas, mokomuosius veikėjus ir pasakojimą prieinamumui užtikrinti. Transkripcijos tekstas tampa garsu pasirinktu balsu; Voice-2-Flash atmaina turi savą profilį sąveikoms, kuriose svarbiausias nedelsiamas atsakas.

Kalba ir kalbėtojas

Microsoft Voice-2 leidime aprašoma penkiolika kalbų, įskaitant anglų, prancūzų, vokiečių, italų, ispanų, portugalų, hindi, korėjiečių, supaprastintą kinų, turkų, rusų, tajų, nyderlandų, rumunų ir vengrų. Kai kurios kalbos turi atskirus regioninius variantus. Leidime taip pat aprašoma hindi–anglų ir ispanų–anglų kalbų kaita, todėl pasirinktos mišrios kalbos ištraukos gali išsaugoti natūralų kalbėtojo perėjimą tarp kalbų.

Paruoškite faktinius žodžius, kuriuos reikia ištarti, ir išsaugokite numatytą jų kalbą. Dvikalbė mokomoji ištrauka gali pristatyti terminą viena kalba ir paaiškinti jį kita, išsaugodama vardus bei citatas. Sakytinį rezultatą reikia tikrinti pagal kūriniui reikalingą akcentą ir auditoriją, užuot kiekvieną lokalės variantą laikę pakeičiamu.

Modelio kortelė pateikia atrinktą balsų biblioteką ir atskirą valdymo pagal etaloninį balsą kelią. Etaloninė kalba suteikia pageidaujamą kalbėtojo tapatybę be papildomo mokymo. Microsoft rekomenduoja natūralų pokalbinį kalbėjimą su vidutine energija, nes įrašas veikia tempą ir kalbėjimo manierą. Kai užduočiai reikia individualaus balso, naudokite reprezentatyvų įrašą su kalbėtojo sutikimu.

Ilgesnis pasakojimas ir dialogas

Modelio kortelėje dokumentuojamas ilgo turinio generavimas dalimis su konteksto perkėlimu. Tai palaiko susietą pasakojimą, pavyzdžiui, skyrių, pamoką ar tinklalaidės ištraukų seką. Tekstą padalykite ties prasmingomis skyrių ribomis ir išlaikykite nuoseklią terminiją bei kalbėtojo pasirinkimą. Ilgam paaiškinimui naudingi sakytiniai perėjimai, nurodantys klausytojui temos pasikeitimą.

Kelių kalbėtojų palaikymas leidžia atskirti vaidmenis paruoštame dialoge. Klausimą ir atsakymą paskirkite numatytiems kalbėtojams ir išsaugokite paskyrimus vaidmeniui sugrįžus. Įvestyje turi būti galutinės frazės ir atitinkamos atlikimo instrukcijos, o ne atviras prašymas kalbos sintezatoriui sugalvoti pokalbį.

Tonas ir emocinis atlikimas

Microsoft dokumentuoja detalų tono, kalbėjimo manieros ir emocijų valdymą pasisakymo lygmeniu. Leidimo pavyzdžiai demonstruoja išraiškingus sakytinius vaidmenis ir emocines ištraukas. Pasakojimui nustatykite, kuris sakinys yra faktinis, apmąstantis ar susijaudinęs, tada pritaikykite tą prasmę atitinkantį atlikimą. Praktinė frazė: „Tyliausia eksperimento dalis pasirodė esanti iškalbingiausia. Būtent ten pirmą kartą išryškėjo dėsningumas.“ Formuluotė suteikia atlikimui tikslingą akcento pokytį.

Mokomajame įgarsinime išlaikykite aiškų veiksmą, o paaiškinimą pateikite atskiru sakiniu. Dialoge atskirkite veikėjo sakytines formuluotes nuo scenos pastabų. Perklausykite pasikartojančius vardus ir perėjimus tarp ištraukų, kad galutinė seka išliktų nuosekli.

Naudokite garsą

Išvestis yra naujai sugeneruota kalba pateiktam tekstui. Naudinga jos forma yra pasakojimas, dialogas ar sakytinis programos atsakymas, kurio balsas ir kalbėjimo maniera seka tekstą. Tekstą, kalbėtoją ir skyrių tvarką laikykite susietus su įrašu, kad pataisa pakeistų numatytą ištrauką neprarandant likusio atlikimo.

MAI-Voice-2 pabrėžia natūralumą ir išraišką ilgesnėje klausymosi patirtyje. Jo ilgo turinio galimybė neapibrėžia neribotos įvesties ar garantuotos didžiausios įrašo trukmės. Konkretus Voice-2 aprašas lieka atskiras nuo išplėsto kalbų katalogo ir vėlesnių Voice-2.1 versijų balso nustatymų.

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

microsoft/mai-voice-2

Microsoft AI /microsoft/mai-voice-2

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	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 $0.044 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

Kainos pagal konfigūraciją

Konfigūracija	Apmokestinimo sąlygos	Mokestis
KonfigūracijaMicrosoft AI: MAI-Voice-2 · Numatytoji konfigūracija	Apmokestinimo sąlygosNumatytoji konfigūracija	Mokestis Įvestis · Įvesties simboliai 0,000044 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", "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

Metodų kelių pseudonimai

Naudokite aukščiau nurodytus metodų kelius.

Susiję ID iškvietimui

microsoft/mai-voice-2

FAQ · Microsoft AI: MAI-Voice-2

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

Microsoft AI: MAI-Voice-2