Microsoft AI: MAI-Voice-2-Flash

MAI-Voice-2-Flash daripada Microsoft AI menjana pertuturan ekspresif dalam 15 bahasa untuk pembantu, sokongan pelanggan dan menu pertuturan. Ia menggabungkan penyampaian responsif dengan pustaka suara yang dipilih susun, pemperomptan suara rujukan dan kawalan nada pada peringkat giliran.

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

Tentang model

Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.

MAI-Voice-2-Flash ialah model teks ke pertuturan Microsoft AI yang direka untuk pengalaman suara yang responsif pada skala penggunaan tinggi. Pengeluar menerangkan prosodi yang semula jadi, audio yang jelas dan penyampaian ekspresif, dengan pembantu, ejen sokongan pelanggan dan menu telefon antara tugas utamanya. Teks transkrip bertulis menjadi audio pertuturan dengan suara pilihan. Flash ialah varian khusus MAI-Voice-2, berbeza daripada keluarga MAI-Voice-2.1 yang lebih baharu.

Pemilihan bahasa dan suara

Kad model khusus ini mendokumenkan lima belas bahasa dan lapan belas varian setempat. Ini meliputi bahasa Inggeris, Itali, Sepanyol, Hindi, Perancis, Jerman, Portugis, Korea, Cina Ringkas, Turki, Rusia, Thai, Belanda, Romania dan Hungary, dengan varian wilayah berasingan untuk sesetengah bahasa. Pilih bahasa yang dimaksudkan dan sediakan perkataan sebenar yang patut didengar oleh pendengar. Perbezaan varian setempat boleh penting untuk ucapan salam, nama produk atau sebutan yang biasa kepada khalayak.

Microsoft mendokumenkan dua laluan pemilihan suara: pustaka yang dipilih susun dan pemperomptan suara daripada rakaman ringkas. Pustaka menyediakan penutur sedia ada untuk narasi atau interaksi. Rakaman rujukan menentukan identiti penutur yang berbeza melalui aliran kerja suara tersuai pengeluar. Kekalkan pilihan penutur secara konsisten merentas prompt berkaitan supaya mesej pembukaan, penerangan dan susulan kedengaran seperti bahagian dalam satu pengalaman.

Nada untuk pertuturan interaktif

Model ini menyokong kawalan nada, penyampaian dan emosi pada peringkat giliran. Untuk pembantu pertuturan, tulis arahan pertama yang ringkas, kemudian butiran yang diperlukan oleh pendengar. Ayat praktikal ialah: “Pilih dokumen yang anda mahu buka. Jika anda tidak pasti akan tajuknya, beritahu saya kandungannya.” Skrip memberi pendengar tindakan yang jelas sambil menyediakan ruang untuk soalan susulan.

Untuk perbualan pendidikan, asingkan penerangan daripada soalan yang patut dijawab oleh pelajar. Untuk menu, kekalkan nama pilihan yang pendek dan gunakan perkataan yang tetap jelas apabila didengar sekali. Nada patut mengikuti tujuan petikan: kata-kata yang menenangkan, arahan dan soalan mungkin memerlukan penyampaian yang berbeza sambil mengekalkan suara yang sama.

Penyediaan suara rujukan

Pengeluar menetapkan rakaman selama lima hingga enam puluh saat untuk pemperomptan suara dan menerangkan pemadanan penutur yang telah memberikan persetujuan tanpa latihan tambahan. Ia mengesyorkan penyampaian perbualan yang semula jadi dengan tenaga sederhana, kerana rujukan mempunyai pengaruh besar pada hasil. Sediakan rakaman yang mewakili suara yang anda mahu gunakan dan bukannya persembahan dengan kelantangan atau ekspresi melampau yang tidak berkaitan.

Mod ini didokumenkan untuk suara yang dibenarkan dan mendapat persetujuan. Aliran kerja pengeluarnya dan pustaka suara pratetap ialah laluan penyediaan yang berasingan. Output kekal sebagai pertuturan yang baru disintesis daripada transkrip yang diberikan; rakaman membekalkan identiti penutur yang dikehendaki.

Gunakan hasil pertuturan

Gunakan Flash untuk interaksi yang balasannya patut disampaikan segera dan kekal mudah difahami. Pengeluar memposisikan varian ini berdasarkan sifat responsif sambil mengekalkan prosodi dan kualiti akustik barisan MAI-Voice-2. Pastikan setiap giliran pertuturan dikaitkan dengan transkrip dan penuturnya supaya nama penting, perintah dan perubahan emosi boleh disemak dalam konteks.

Hasil yang berguna ialah arahan atau respons pertuturan yang jelas dalam bahasa dan suara yang diperlukan. Dengar perkataannya sebagaimana khalayak akan mendengarnya, terutama dalam urutan arahan. Spesifikasi lima belas bahasa dan lapan belas varian setempat model ini adalah milik edisi Voice-2-Flash khusus ini; katalog bahasa yang diperluas dan butiran suara terurus versi kemudian adalah milik profil masing-masing.

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

microsoft/mai-voice-2-flash

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

Pengenalan

Input yang diterima: Teks
Hasil: Audio

Tersedia di Ailoot · input & kaedah

Ailoot Ultra · Penjanaan suara POST /v1/audio/speech

Input: text
Output: audio
Format output: mp3

Medan	Jenis	Keperluan	Nilai & had	Lalai
Medan`model`	Jenis`string`	KeperluanDiperlukan	Nilai & had microsoft/mai-voice-2-flash	Lalai—
Medan`input`	Jenis`string`	KeperluanDiperlukan	Nilai & had Panjang minimum: 1 Unit: aksara Unicode	Lalai—
Medan`voice`	Jenis`string`	KeperluanDiperlukan	Nilai & had en-US-Harper:MAI-Voice-2, es-MX-Valeria:MAI-Voice-2, fr-FR-Soleil:MAI-Voice-2, de-DE-Klaus:MAI-Voice-2	Lalai—
Medan`response_format`	Jenis`string`	KeperluanDiperlukan	Nilai & had mp3	Lalai—

Gabungan bahan input

text_to_speech · Diperlukan: input

Parameter kaedah dan kitar hayat

Parameter	Kontrak
Parameter`content_type`	Kontrakapplication/json
Parameter`required`	Kontrakmodel, input, voice, response_format
Parameter`voice_ids`	Kontraken-US-Harper:MAI-Voice-2, es-MX-Valeria:MAI-Voice-2, fr-FR-Soleil:MAI-Voice-2, de-DE-Klaus:MAI-Voice-2
Parameter`response_format`	Kontrakmp3
Parameter`max_input_characters`	Kontraknull
Parameter`other_options`	Kontrakfalse
Parameter`input`	Kontrakteks UTF-8 tepat; kiraan aksara Unicode tanpa penormalan
Parameter`material_types`	Kontraktext

Kitar hayat: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · task_id sebenar yang dikembalikan atau rekod pustaka media

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Pilih suara yang tepat daripada profil model ini.

Aksara input dan saat audio ialah ukuran penggunaan yang berbeza.

Pelan harga

Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.

Mod pantas: Tidak dinyatakan Apabila mod pantas dipilih
Mod flex: Tidak dinyatakan Apabila mod flex dipilih
Usaha penaakulan maksimum: Tidak dinyatakan Apabila usaha penaakulan maksimum menggunakan pelarasan default

Kadar Ailoot

Harga mengikut konfigurasi

Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.

Konfigurasi	Jadual kadar	Kuantiti yang boleh dibilkan	Unit pengebilan	Caj
KonfigurasiKadar asas token	Jadual kadarKadar asas	Kuantiti yang boleh dibilkan—	Unit pengebilan—	Caj Input · Token input — / 1K token Output · Token output — / 1K token Input · Bacaan cache — / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token
KonfigurasiUltra	Jadual kadar—	Kuantiti yang boleh dibilkanSetiap titik kod Unicode dikira sebagai satu aksara, termasuk aksara Han.	Unit pengebilanbagi setiap 1K aksara masukan	Caj Input · aksara input $0.03 bagi setiap 1K aksara masukan

Butiran tarif rujukan

Jadual rujukan peringkat model tidak mengubah pemilihan kaedah, sebut harga atau caj. Caj aktif menggunakan kadar kaedah Ailoot yang dipilih.

Microsoft AI: MAI-Voice-2-Flash

Harga mengikut konfigurasi

Konfigurasi	Syarat pengebilan	Caj
KonfigurasiMicrosoft AI: MAI-Voice-2-Flash · Konfigurasi lalai	Syarat pengebilanKonfigurasi lalai	Caj Input · Aksara input USD 0.00003 bagi setiap aksara masukan

Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →

Contoh permintaan

Ailoot Ultra · Penjanaan suara

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

Terima dan simpan hasil

Ailoot Ultra · Penjanaan suara

mp3

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

Pembacaan kandungan lain

Pustaka mediaStatus tugasButiran aset

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

Simpan semua hasil yang selesai

Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.

Simpan hasil binari dan pengepala yang lengkap. Jika JSON atau berbilang output dikembalikan, simpan setiap item data dan dapatkan setiap URL aset bertandatangan yang sebenar.

Jika respons asal perlu disemak

Simpan operation_id/X-Client-Request-ID asal untuk penyelarasan rekod tanpa penghantaran semula; tiada laluan khusus untuk meninjau status audio.

Medan respons

Medan	Jenis
Medan`binary audio`	Jenisbytes
Medan`response headers`	Jenisheaders

Ralat dan langkah seterusnya

Respons	Syarat	Langkah seterusnya
Respons400 · `invalid_request_error`	SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah	Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu.
Respons`server_error`	SyaratRespons yang dikembalikan menyatakan bahawa operasi atau hasil memerlukan semakan	Langkah seterusnyaSimpan ID operasi/tugas asal yang dikembalikan, pengepala permintaan dan respons; teruskan pembacaan yang disokong bagi operasi asal tersebut. Jangan hantar semula permintaan penciptaan.

Alias

Alias model

Ailoot Ultra microsoft/mai-voice-2-flash

Alias laluan kaedah

Gunakan laluan kaedah yang dipaparkan di atas.

ID pemanggil berkaitan

microsoft/mai-voice-2-flash

FAQ · Microsoft AI: MAI-Voice-2-Flash

Apakah input dan hasil yang tersedia?: POST /v1/audio/speech · microsoft/mai-voice-2-flash: text → audio
Apakah medan yang digunakan oleh permintaan?: POST /v1/audio/speech · microsoft/mai-voice-2-flash: model, input, voice, response_format

Microsoft AI: MAI-Voice-2-Flash