speech-2.8-turbo

Speech 2.8 Turbo — sparti natūralios kalbos sintezė su garsų žymekliais ir išraiškingumo valdymu.

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

Apie modelį

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

Sparti pokalbio replikų sintezė

Speech 2.8 Turbo derina spartų garso formavimą su natūralia balso kaita. Gamintojas pristato Turbo sklandžiam pokalbio skambesiui: trumpoms replikoms, teksto įgarsinimui ir sąveikai balsu. Ši kortelė priima tekstą ir grąžina kalbos garso įrašą.

Juokas, kvėpavimas ir jaustukai

Kaip ir šios kartos HD versija, Turbo palaiko Speech 2.8 garsų žymeklius. Į tekstą galima įtraukti juoko, sukikenimo, kosulio, atsikrenkštimo, įkvėpimo, iškvėpimo, atodūsio ir kitų trumpų garsų žymenis. Toks valdomas netolygumas suteikia replikai pokalbio pobūdį: joje atsiranda kvėpavimas ir su turiniu susijusios pauzės.

Garso žymeklis taikomas konkrečiai teksto vietai. Tam naudojami modelyje numatyti žymenys skliaustuose, pavyzdžiui, (laughs) arba (breath). Laisvas efekto aprašymas nėra lygiavertis palaikomo žymeklio pakaitalas.

Balsas ir kalba

Speech 2.8 šeima palaiko 40 kalbų, įskaitant rusų, ir darbą su parengtais balsais. Gamintojas išskiria atpažįstamą balso tekstūrą, kvėpavimo ypatybes ir skaitmeninių iškraipymų mažinimą. Klonavimo galimybė taikoma atskiram balso parengimui; vėliau šį balsą galima naudoti sintezėje.

MiniMax numato balso pasirinkimą ir tempo, garsumo bei aukščio valdymą. Greitis nustatomas 0,5–2 diapazone, garsumas — virš 0 ir iki 10, aukščio keitimas — nuo −12 iki 12. Emociją galima leisti modeliui parinkti pagal teksto prasmę arba nurodyti rankiniu būdu: džiaugsmą, liūdesį, pyktį, baimę, pasibjaurėjimą, nuostabą ar ramybę.

Tarimą galima tikslinti pakaitų žodynu ir fonetiniu užrašu; jame numatyti tarptautinis fonetinis alfabetas, kinų pinjinas ir japoniški skaitymo variantai. Pauzės nustatomos tarp tariamų fragmentų 0,01–99,99 sekundės diapazone. Pauzės trukmė nurodoma dviejų skaitmenų po kablelio tikslumu; žymekliai dedami tarp tariamų fragmentų, o ne vienas po kito. Tokie nustatymai leidžia suderinti vardų, santrumpų ir nevienareikšmių žodžių skambesį su įgarsinimo sumanymu.

Palaipsnė išvestis ir garso formatas

Sintezė priima tekstą, trumpesnį nei 10 000 simbolių. Ilgam tekstui, ilgesniam nei 3000 simbolių, gamintojas rekomenduoja srautinę išvestį; taip pat numatytas viso parengto garso įrašo gavimas. Bendri sintezės nustatymai apima MP3, PCM, FLAC, WAV, Opus ir G.711 μ-law variantus, mono arba stereo; konkrečiai užklausai prieinamą formatų rinkinį nustato Ailoot priemonės.

Turbo greitis yra modelio varianto ypatybė, o ne fiksuotos parengtos replikos delsos pažadas. Skaitinė šios užklausos delsa čia nenustatoma. Išvardyti išplėstiniai gamintojo nustatymai turi būti palaikomi pasirinktame kreipimosi per Ailoot būde.

Papildomi garso nustatymai apima 8, 16, 22,05, 24, 32 ir 44,1 kHz diskretizavimo dažnius. MP3 numatyta 32, 64, 128 arba 256 kbit/s bitų sparta. Taip pat galima keisti balso atspalvį ir taikyti vieną efektą: erdvų aidą, salės aidą, telefono skambesį arba robotinį balsą. Balso keitimo efektai palaikomi MP3, WAV ir FLAC gaunant visą garso įrašą, o naudojant srautinę išvestį — tik MP3. G.711 μ-law formatai naudoja 8 kHz dažnį. Šios galimybės taikomos MiniMax sintezės nustatymams.

Gamintojas numato kalbos sinchronizavimą su tekstu: laiko žymas pagal sakinius, žodžius arba žodžius palaipsniui pateikiant išvestį. Toks rezultatas padeda suderinti tarimą su teksto rodymu. Šiai papildomai galimybei reikia atitinkamo atsakymo formato palaikymo.

Ailoot · Įgarsinimas POST /v1/audio/speech speech-2.8-turbo

speech-2.8-turbo

MiniMax /speech-2.8-turbo

Modelio ID

speech-2.8-turbo
minimax-speech-turbo

Pradžia

Speech 2.8 Turbo — sparti natūralios kalbos sintezė su garsų žymekliais ir išraiškingumo valdymu.

Leidžiamos įvestys: Tekstas
Rezultatai: speech

Prieinama Ailoot · įvestys ir metodai

Ailoot · Įgarsinimas POST /v1/audio/speech

Įvestis: text
Išvestis: speech
Išvesties formatas: mp3

Laukas	Tipas	Reikalavimas	Reikšmės ir ribos	Numatyta
Laukas`model`	Tipas`string`	ReikalavimasPrivaloma	Reikšmės ir ribos speech-2.8-turbo	Numatyta—
Laukas`input`	Tipas`string`	ReikalavimasPrivaloma	Reikšmės ir ribos Mažiausias ilgis: 1 Didžiausias ilgis (neįskaitytinai): 10 000 Vienetas: Unicode simboliai	Numatyta—
Laukas`voice`	Tipas`string`	ReikalavimasPrivaloma	Reikšmės ir ribos Šablonas: ^[A-Za-z0-9_-]{1,128}$	Numatyta—
Laukas`response_format`	Tipas`string`	ReikalavimasNeprivaloma	Reikšmės ir ribos mp3	Numatyta—

Įvesties medžiagos deriniai

text_to_speech · Privaloma: input

Metodo parametrai ir gyvavimo ciklas

Parametras	Specifikacija
Parametras`material_types`	Specifikacijatext
Parametras`required`	Specifikacijanull
Parametras`optional_controls`	Specifikacijanull

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}

Metodų struktūros ir ID yra tikslūs; tiekėjo galimybės yra atskirtos nuo užklausos priėmimo.

Planai

Ailoot metodų įkainiai

Ailoot ĮgarsinimasPOST /v1/audio/speech

Įvestis: 60,00 USD už 1 milijoną simbolių

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 · Įgarsinimas

Įgarsinimo pavyzdys

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

Gauti ir išsaugoti rezultatus

Ailoot · 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}

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 speech-2.8-turbo, minimax-speech-turbo

Metodų kelių pseudonimai

Naudokite aukščiau nurodytus metodų kelius.

Susiję ID iškvietimui

speech-2.8-turbo, minimax-speech-turbo

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

minimax-speech-turbo

MiniMax /minimax-speech-turbo

Modelio ID

speech-2.8-turbo
minimax-speech-turbo

Pradžia

Speech 2.8 Turbo — sparti natūralios kalbos sintezė su garsų žymekliais ir išraiškingumo valdymu.

Leidžiamos įvestys: Tekstas
Rezultatai: speech

Prieinama Ailoot · įvestys ir metodai

Ailoot · Įgarsinimas POST /v1/audio/speech

Įvestis: text
Išvestis: speech
Išvesties formatas: mp3

Laukas	Tipas	Reikalavimas	Reikšmės ir ribos	Numatyta
Laukas`model`	Tipas`string`	ReikalavimasPrivaloma	Reikšmės ir ribos minimax-speech-turbo	Numatyta—
Laukas`input`	Tipas`string`	ReikalavimasPrivaloma	Reikšmės ir ribos Mažiausias ilgis: 1 Didžiausias ilgis (neįskaitytinai): 10 000 Vienetas: Unicode simboliai	Numatyta—
Laukas`voice`	Tipas`string`	ReikalavimasPrivaloma	Reikšmės ir ribos Šablonas: ^[A-Za-z0-9_-]{1,128}$	Numatyta—
Laukas`response_format`	Tipas`string`	ReikalavimasNeprivaloma	Reikšmės ir ribos mp3	Numatyta—

Įvesties medžiagos deriniai

text_to_speech · Privaloma: input

Metodo parametrai ir gyvavimo ciklas

Parametras	Specifikacija
Parametras`material_types`	Specifikacijatext
Parametras`required`	Specifikacijanull
Parametras`optional_controls`	Specifikacijanull

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}

Metodų struktūros ir ID yra tikslūs; tiekėjo galimybės yra atskirtos nuo užklausos priėmimo.

Planai

Ailoot metodų įkainiai

Ailoot ĮgarsinimasPOST /v1/audio/speech

Įvestis: 60,00 USD už 1 milijoną simbolių

Užklausų pavyzdžiai

Ailoot · Įgarsinimas

Įgarsinimo pavyzdys

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

Gauti ir išsaugoti rezultatus

Ailoot · 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}

Išsaugoti visus baigtus rezultatus

Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.

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 speech-2.8-turbo, minimax-speech-turbo

Metodų kelių pseudonimai

Naudokite aukščiau nurodytus metodų kelius.

Susiję ID iškvietimui

speech-2.8-turbo, minimax-speech-turbo

FAQ · speech-2.8-turbo

Kokios įvestys ir rezultatai prieinami?

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

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

Kokius laukus naudoja užklausa?

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

Sparti pokalbio replikų sintezė

Juokas, kvėpavimas ir jaustukai

Balsas ir kalba

Palaipsnė išvestis ir garso formatas

Pradžia

Prieinama Ailoot · įvestys ir metodai

Planai

Ailoot metodų įkainiai

Užklausų pavyzdžiai

Ailoot · Įgarsinimas

Gauti ir išsaugoti rezultatus

Ailoot · Įgarsinimas

Išsaugoti visus baigtus rezultatus

Jei reikia patikrinti pradinį atsakymą

Pseudonimai

Modelių pseudonimai

Metodų kelių pseudonimai

Susiję ID iškvietimui

Pradžia

Prieinama Ailoot · įvestys ir metodai

Planai

Ailoot metodų įkainiai

Užklausų pavyzdžiai

Ailoot · Įgarsinimas

Gauti ir išsaugoti rezultatus

Ailoot · Įgarsinimas

Išsaugoti visus baigtus rezultatus

Jei reikia patikrinti pradinį atsakymą

Pseudonimai

Modelių pseudonimai

Metodų kelių pseudonimai

Susiję ID iškvietimui

Įmonė ir jos projektų portfelis

Pirkite žetonus su nuolaida.

Prijunkite API prie produkto, kurį parduodate.