Microsoft AI: MAI-Voice-2

MAI-Voice-2 daripada Microsoft AI menghasilkan pertuturan berbilang bahasa yang ekspresif untuk narasi, dialog dan aplikasi pertuturan. Ketekalan bentuk panjang, berbilang penutur dan kawalan emosi pada peringkat giliran menyokong buku audio, pelajaran dan suara watak.

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

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 ialah model teks ke pertuturan berpandukan prompt daripada Microsoft AI untuk kandungan pertuturan yang semula jadi dan ekspresif. Pengeluarnya menekankan kesetiaan akustik, ketekalan penutur dan julat emosi. Tugas yang didokumenkan merangkumi pembantu, buku audio, podcast, kuliah, watak pendidikan dan narasi untuk kebolehcapaian. Teks transkrip menjadi audio dengan suara pilihan; varian Voice-2-Flash mempunyai profilnya sendiri untuk interaksi yang mengutamakan respons segera.

Bahasa dan penutur

Keluaran Voice-2 Microsoft menerangkan lima belas bahasa, termasuk bahasa Inggeris, Perancis, Jerman, Itali, Sepanyol, Portugis, Hindi, Korea, Cina Ringkas, Turki, Rusia, Thai, Belanda, Romania dan Hungary. Sesetengah bahasa mempunyai varian wilayah yang berasingan. Keluaran itu turut menerangkan pertukaran kod Hindi–Inggeris dan Sepanyol–Inggeris, supaya petikan campuran bahasa tertentu boleh mengekalkan cara penutur bertukar bahasa secara semula jadi.

Sediakan perkataan sebenar yang perlu dituturkan dan kekalkan bahasa yang dimaksudkan. Petikan pendidikan dwibahasa boleh memperkenalkan istilah dalam satu bahasa dan menerangkannya dalam bahasa lain, sambil mengekalkan nama dan petikan kata-kata. Hasil pertuturan patut diperiksa berdasarkan loghat dan khalayak yang diperlukan oleh karya, dan bukannya menganggap setiap varian setempat boleh saling menggantikan.

Kad model menyediakan pustaka suara yang dipilih susun serta laluan pemperomptan suara rujukan yang berasingan. Pertuturan rujukan membekalkan identiti penutur yang dikehendaki tanpa penalaan halus. Microsoft mengesyorkan penyampaian perbualan yang semula jadi dengan tenaga sederhana kerana rakaman mempengaruhi rentak dan penyampaian. Gunakan rakaman yang mewakili suara tersebut dan telah mendapat persetujuan apabila tugas memerlukan suara tersuai.

Narasi yang lebih panjang dan dialog

Kad model mendokumenkan penjanaan bentuk panjang melalui pembahagian kepada cebisan dengan penerusan konteks. Ini menyokong narasi yang saling berkaitan seperti bab, pelajaran atau urutan petikan podcast. Bahagikan skrip pada sempadan bahagian yang bermakna dan kekalkan istilah serta pilihan penuturnya secara konsisten. Penerangan panjang mendapat manfaat daripada peralihan lisan yang memberitahu pendengar apabila topik berubah.

Sokongan berbilang penutur membolehkan peranan yang berbeza dalam dialog yang disediakan. Berikan soalan dan respons kepada penutur yang dimaksudkan dan kekalkan penugasan itu apabila sesuatu peranan muncul semula. Input patut mengandungi baris akhir dan arahan persembahan yang berkaitan, bukannya permintaan terbuka yang meminta pensintesis pertuturan mereka perbualan.

Nada dan penyampaian emosi

Microsoft mendokumenkan kawalan terperinci terhadap nada, penyampaian dan emosi pada peringkat giliran. Contoh keluarannya menunjukkan peranan pertuturan yang ekspresif dan petikan beremosi. Untuk naratif, tentukan ayat yang bersifat fakta, renungan atau teruja, kemudian gunakan penyampaian yang mengikuti makna itu. Ayat praktikal ialah: “Bahagian eksperimen yang paling senyap ternyata paling banyak mendedahkan maklumat. Di situlah coraknya mula menjadi jelas.” Perkataan tersebut memberikan perubahan penekanan yang disengajakan kepada persembahan.

Untuk suara latar berbentuk arahan, pastikan tindakan jelas dan letakkan penerangan dalam ayat berasingan. Untuk dialog, bezakan perkataan yang dituturkan oleh watak daripada nota adegan. Dengar nama berulang dan peralihan antara petikan supaya urutan akhir kekal koheren.

Gunakan audio

Output ialah pertuturan yang baru dijana untuk transkrip yang diberikan. Bentuknya yang berguna ialah narasi, dialog atau respons pertuturan aplikasi yang suara dan penyampaiannya mengikuti skrip. Pastikan teks, penutur dan susunan bahagian dikaitkan dengan rakaman supaya pembetulan mengubah petikan yang dimaksudkan tanpa kehilangan bahagian persembahan yang lain.

Penekanan MAI-Voice-2 ialah pertuturan yang semula jadi dan ekspresi dalam pengalaman mendengar yang panjang. Keupayaan bentuk panjangnya tidak menetapkan input tanpa had atau tempoh rakaman maksimum yang dijamin. Penerangan Voice-2 khusus ini kekal berasingan daripada katalog bahasa yang diperluas dan tetapan suara edisi Voice-2.1 yang lebih baharu.

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

microsoft/mai-voice-2

Microsoft AI /microsoft/mai-voice-2

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	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 $0.044 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

Harga mengikut konfigurasi

Konfigurasi	Syarat pengebilan	Caj
KonfigurasiMicrosoft AI: MAI-Voice-2 · Konfigurasi lalai	Syarat pengebilanKonfigurasi lalai	Caj Input · Aksara input USD 0.000044 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", "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

Alias laluan kaedah

Gunakan laluan kaedah yang dipaparkan di atas.

ID pemanggil berkaitan

microsoft/mai-voice-2

FAQ · Microsoft AI: MAI-Voice-2

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

Microsoft AI: MAI-Voice-2