MiniMax: Speech 01 HD
MiniMax Speech 01 HD membaca teks yang dibekalkan sebagai pertuturan terjana melalui permintaan audio_speech segerak. Ia menerima teks yang lebih pendek daripada 10,000 aksara dan menawarkan tetapan suara, kelajuan dan pic dengan output MP3, PCM, FLAC atau WAV.
Tentang model
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
MiniMax Speech 01 HD menukar teks yang dibekalkan menjadi audio pertuturan. ID model Ailoot yang tepat ialah minimax/speech-01-hd, dan pemilih sintesis yang didokumenkan ialah speech-01-hd. Gunakan kaedah audio_speech untuk suara latar, pelajaran lisan, penerangan produk atau draf narasi yang kata-katanya sudah anda sediakan. Inputnya ialah petikan untuk dibaca, dan hasilnya ialah pertuturan sintesis dalam format audio yang dipilih.
Sediakan teks sebagai perkataan yang dimaksudkan untuk dituturkan, dengan tanda baca yang mencerminkan ungkapan. Untuk draf narasi, bekalkan urutan ayat yang telah dimuktamadkan dan ejaan nama sebelum memilih tetapan suara. Asingkan arahan pentas daripada petikan lisan melainkan perkataan itu memang perlu ada dalam rakaman. Dengar nama, nombor dan peralihan yang penting dalam hasil dan bandingkannya dengan teks sumber.
Teks mestilah lebih pendek daripada 10,000 aksara. Kontrak sintesis yang diterbitkan memerlukan model dan text. Untuk bahan yang lebih panjang, sediakan petikan dalam had itu dan simpan urutannya untuk penyuntingan. Profil segerak menggunakan balasan lengkap, dengan stream=false sebagai nilai lalai yang didokumenkan. API umum turut menerangkan pilihan penstriman, tetapi kaedah yang dipilih bagi kad ini ialah aliran kerja pertuturan segerak.
voice_setting memilih voice_id yang tersedia serta mengawal speed, vol dan pitch. Julat speed yang didokumenkan ialah 0.5–2, dengan 1 sebagai nilai lalai. vol mestilah melebihi 0 dan paling banyak 10, dengan 1 sebagai nilai lalai; pitch ialah integer dari -12 hingga 12, dengan 0 sebagai nilai lalai. Pastikan setiap tetapan memenuhi keperluan petikan: bandingkan kelajuan bacaan dan kejelasan bunyi rakaman sebenar, dan bukannya menganggap perubahan angka menghasilkan persembahan tertentu.
Nilai emotion yang didokumenkan ialah happy, sad, angry, fearful, disgusted, surprised, calm dan fluent. Teks juga boleh membimbing emosi model. text_normalization ialah kawalan boolean berasingan untuk persediaan bacaan nombor bahasa Cina dan Inggeris, dan latex_read mengawal bacaan formula LaTeX; kedua-duanya mempunyai nilai lalai false. pronunciation_dict.tone boleh memuatkan peraturan penggantian sebutan yang didokumenkan. Semak nama atau ungkapan khusus dalam audio yang terhasil sebelum menggunakannya dalam narasi yang lebih panjang.
audio_setting.format menerima mp3, pcm, flac atau wav, dengan mp3 sebagai nilai lalai. sample_rate menerima 8000, 16000, 22050, 24000, 32000 atau 44100 dan mempunyai nilai lalai 32000. bitrate menerima 32000, 64000, 128000 atau 256000, mempunyai nilai lalai 128000 dan terpakai pada MP3. channel memilih 1 untuk mono atau 2 untuk stereo, dengan 1 sebagai nilai lalai. Simpan pilihan ini bersama petikan sumber supaya fail yang dikembalikan boleh disemak untuk destinasi penyuntingan atau main balik yang dikehendaki.
Kawalan tambahan yang didokumenkan merangkumi language_boost, yang pilihan nama tepatnya termasuk English, Russian, Chinese dan Chinese,Yue; pilih nilai sebenar yang disenaraikan untuk petikan tersebut. timber_weights boleh menggabungkan entri voice_id sedia ada dengan nilai weight integer dari 1 hingga 100. Nilai sound_effects yang diterbitkan ialah spacious_echo, auditorium_echo, lofi_telephone dan robotic. Ini ialah kawalan pilihan untuk membentuk suara terpilih; rekodkan tetapan sebenar apabila membandingkan bacaan.
Hasil segerak mengandungi pertuturan terjana. output_format memilih url atau hex dan mempunyai nilai lalai hex dalam skema sintesis. Muat turun fail yang dirujuk oleh hasil URL, atau nyahkod hasil hex menjadi bait audio sebelum main balik. Simpan metadata audio yang dikembalikan, termasuk format, kadar sampel, bilangan saluran dan saiznya, bersama rakaman. subtitle_enable mempunyai nilai lalai false dan hanya terpakai pada output tanpa penstriman apabila diaktifkan; sumber tidak menetapkan format fail sari kata untuk profil ini.
Simpan petikan sumber, ID model tepat, pilihan suara dan rakaman yang telah siap bersama. Semak keseluruhan bacaan dari segi kata-kata yang dikehendaki, jeda dan tetapan penyampaian yang dipilih sebelum meletakkannya dalam video, pelajaran atau panduan lisan. Jika balasan tidak lengkap, simpan identiti permintaan asal dan maklumat yang dikembalikan untuk penyelarasan sebelum meminta rakaman lain. Pindaan kemudian boleh mengubah frasa atau tetapan suara tertentu sambil mengekalkan skrip yang lain untuk perbandingan yang jelas.
Ailoot Ultra · Speech POST /v1/audio/speech minimax/speech-01-hd
minimax/speech-01-hdPengenalan
MiniMax Speech 01 HD membaca teks yang dibekalkan sebagai pertuturan terjana melalui permintaan audio_speech segerak. Ia menerima teks yang lebih pendek daripada 10,000 aksara dan menawarkan tetapan suara, kelajuan dan pic dengan output MP3, PCM, FLAC atau WAV.
- Input yang diterima
- Teks
- Hasil
- Audio
Tersedia di Ailoot · input & kaedah
Ailoot Ultra · Speech POST /v1/audio/speech
- Input
text- Output
audio- Format output
- mp3,pcm,flac,wav
| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had minimax/speech-01-hd | Lalai— |
Medantext | Jenisstring | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had false | Lalaifalse |
Medanvoice_setting | Jenisobject | KeperluanPilihan | Nilai & had | Lalai— |
Medanvoice_setting.voice_id | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medanvoice_setting.speed | Jenisnumber | KeperluanPilihan | Nilai & had Minimum: 0.5 Maksimum: 2 | Lalai1 |
Medanvoice_setting.vol | Jenisnumber | KeperluanPilihan | Nilai & had Minimum: 0 Maksimum: 10 | Lalai1 |
Medanvoice_setting.pitch | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: -12 Maksimum: 12 | Lalai0 |
Medanvoice_setting.emotion | Jenisstring | KeperluanPilihan | Nilai & had happy, sad, angry, fearful, disgusted, surprised, calm, fluent | Lalai— |
Medanvoice_setting.text_normalization | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Medanvoice_setting.latex_read | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Medanaudio_setting | Jenisobject | KeperluanPilihan | Nilai & had | Lalai— |
Medanaudio_setting.sample_rate | Jenisinteger | KeperluanPilihan | Nilai & had 8,000, 16,000, 22,050, 24,000, 32,000, 44,100 | Lalai32,000 |
Medanaudio_setting.bitrate | Jenisinteger | KeperluanPilihan | Nilai & had 32,000, 64,000, 128,000, 256,000 | Lalai128,000 |
Medanaudio_setting.format | Jenisstring | KeperluanPilihan | Nilai & had mp3, pcm, flac, wav | Lalaimp3 |
Medanaudio_setting.channel | Jenisinteger | KeperluanPilihan | Nilai & had 1, 2 | Lalai1 |
Medanaudio_setting.force_cbr | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Medanpronunciation_dict | Jenisobject | KeperluanPilihan | Nilai & had | Lalai— |
Medanpronunciation_dict.tone | Jenisarray | KeperluanPilihan | Nilai & had | Lalai— |
Medantimber_weights | Jenisarray | KeperluanPilihan | Nilai & had | Lalai— |
Medanlanguage_boost | Jenisstring | KeperluanPilihan | Nilai & had Chinese, Chinese,Yue, English, Arabic, Russian, Spanish, French, Portuguese, German, Turkish, Dutch, Ukrainian, Vietnamese, Indonesian, Japanese, Italian, Korean, Thai, Polish, Romanian, Greek, Czech, Finnish, Hindi, Bulgarian, Danish, Hebrew, Malay, Persian, Slovak, Swedish, Croatian, Filipino, Hungarian, Norwegian, Slovenian, Catalan, Nynorsk, Tamil, Afrikaans, auto | Lalai— |
Medanvoice_modify | Jenisobject | KeperluanPilihan | Nilai & had | Lalai— |
Medanvoice_modify.pitch | Jenisinteger | KeperluanPilihan | Nilai & had -100, 100 | Lalai— |
Medanvoice_modify.intensity | Jenisinteger | KeperluanPilihan | Nilai & had -100, 100 | Lalai— |
Medanvoice_modify.timbre | Jenisinteger | KeperluanPilihan | Nilai & had -100, 100 | Lalai— |
Medanvoice_modify.sound_effects | Jenisstring | KeperluanPilihan | Nilai & had spacious_echo, auditorium_echo, lofi_telephone, robotic | Lalai— |
Medansubtitle_enable | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Medanoutput_format | Jenisstring | KeperluanPilihan | Nilai & had url, hex | Lalaihex |
Medanaigc_watermark | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Parameter kaedah dan kitar hayat
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, text |
Parameteroptional | Kontrakstream, voice_setting, audio_setting, pronunciation_dict, timber_weights, language_boost, voice_modify, subtitle_enable, output_format, aigc_watermark |
Parametermaterial_types | Kontraktext |
Parameterconditions | KontrakUse text, not input or contents. Fewer than 10000 Unicode characters; stream is false or omitted., PCM is raw audio with its returned sample geometry; do not invent a WAV header or bit depth. |
Kitar hayat: synchronous_result_then_owned_library
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
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 | Unit pengebilan | Caj |
|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | 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 |
| Konfigurasiaksara input | Jadual kadar— | Unit pengebilanbagi setiap aksara masukan | Caj Input · aksara input $0.000105 bagi setiap aksara masukan |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
Contoh permintaan
Ailoot Ultra · Speech
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
export AILOOT_API_KEY
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "minimax/speech-01-hd", "text": "Hello, this is a short speech example.", "stream": false, "output_format": "hex", "audio_setting": {"format": "mp3", "sample_rate": 32000, "channel": 1}}')
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 result.json
# Submit once. Retain the complete result, original identifiers and every response header.
Terima dan simpan hasil
Ailoot Ultra · Speech
mp3,pcm,flac,wav
GET /v1/media/assetsGET /v1/media/assets/{asset_id}
Simpan semua hasil yang selesai
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Retain the full JSON. Decode every hex audio byte or use the returned owned URL. Keep the actual format, sample rate, channel count and usage_characters.
Jika respons asal perlu disemak
Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.
Medan respons
| Medan | Jenis |
|---|---|
Medandata.audio | Jenisstring |
Medanextra_info | Jenisobject |
Medantrace_id | Jenisstring |
Alias
Alias model
Ailoot Ultra minimax/speech-01-hd
Alias laluan kaedah
Gunakan laluan kaedah yang dipaparkan di atas.
ID pemanggil berkaitan
FAQ · MiniMax: Speech 01 HD
- Apakah input dan hasil yang tersedia?
POST /v1/audio/speech·minimax/speech-01-hd:text→audio- Apakah medan yang digunakan oleh permintaan?
POST /v1/audio/speech·minimax/speech-01-hd:model,text,stream,voice_setting,audio_setting,pronunciation_dict,timber_weights,language_boost,voice_modify,subtitle_enable,output_format,aigc_watermark- Apakah had yang terpakai?
POST /v1/audio/speech·minimax/speech-01-hd:voice_setting.speed.minimum:0.5;voice_setting.speed.maximum:2;voice_setting.vol.minimum:0;voice_setting.vol.maximum:10;voice_setting.pitch.minimum:-12;voice_setting.pitch.maximum:12