MiniMax: Speech 2.6 Turbo

Speech 2.6 Turbo ialah edisi pertuturan MiniMax tepat yang dipilih oleh model: "minimax/speech-2.6-turbo". Gunakan POST /v1/audio/speech dengan badan application/json yang mengandungi model dan text untuk dituturkan. Inputnya ialah skrip bertulis dan hasilnya ialah audio sintesis. Untuk mesej aplikasi, bekalkan perkataan tepat yang perlu didengar oleh pendengar dan eja penuh sebarang singkatan yang kabur. Untuk pelajaran pendek, asingkan penerangan daripada contoh dalam skrip itu sendiri. Untuk aliran antara muka bernarasi, kaitkan setiap segmen lisan dengan tindakan pengguna yang khusus dan simpan skrip bersama audionya.

Medan text mestilah tidak kosong dan mengandungi kurang daripada 10,000 aksara Unicode. Hantar skrip lisan lengkap dengan stream:false, atau jangan sertakan stream. Bahagikan bahan yang lebih panjang kepada segmen skrip lengkap yang berasingan sebelum menyerahkan setiap segmen. Dokumen boleh digunakan dengan membaca kandungan sebenarnya dan meletakkan petikan yang berkaitan dalam text; URL dokumen bukan pengganti skrip.

Pilih suara melalui voice_setting.voice_id. Kategori suara yang didokumenkan merangkumi suara sistem serta suara yang telah diklon atau direka melalui teks; gunakan ID suara yang sah untuk kategori yang dipilih. Suara contoh ialah audiobook_male_1. Objek yang sama mengawal speed dari 0.5 hingga 2, vol melebihi 0 hingga 10, dan pitch integer dari -12 hingga 12. Nilai lalainya ialah 1, 1 dan 0. Kawalan ini melaraskan aspek penyampaian lisan yang berbeza, jadi pilih secara berasingan dan bukannya meletakkan namanya dalam skrip.

voice_setting.emotion menerima happy, sad, angry, fearful, disgusted, surprised, calm dan fluent. Dokumentasi turut menerangkan pemadanan emosi secara automatik daripada teks. Untuk skrip yang banyak nombor, voice_setting.text_normalization mengaktifkan penormalan teks bahasa Cina dan Inggeris serta mempunyai nilai lalai false. voice_setting.latex_read mengawal bacaan ungkapan LaTeX dan turut mempunyai nilai lalai false. pronunciation_dict.tone ialah tatasusunan rentetan peraturan sebutan. Contoh yang diterbitkan ialah ["草地/(cao3)(di1)"]; kekalkan perkataan, garis miring dan struktur sebutan dalam kurungan apabila membekalkan peraturan.

audio_setting.format menerima mp3, pcm, flac dan wav, dengan mp3 sebagai nilai lalai. sample_rate menerima 8000, 16000, 22050, 24000, 32000 dan 44100 Hz; nilai lalainya ialah 32000. channel ialah 1 untuk mono atau 2 untuk dua saluran, dengan nilai lalai 1. Nilai bitrate ialah 32000, 64000, 128000 dan 256000 bit sesaat, dengan nilai lalai 128000, dan terpakai pada mp3. Pilih pengekodan yang diperlukan oleh pemain atau alat penyuntingan yang akan menggunakan hasil.

language_boost ialah rentetan pilihan dan mempunyai nilai lalai null. Nilai yang dibenarkan ialah 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 dan auto. "Chinese,Yue" ialah satu nilai. Ia ialah kawalan yang berasingan daripada skrip dan ID suara. Skema turut menyediakan timber_weights untuk senarai pasangan voice_id dan weight integer, dengan setiap weight dari 1 hingga 100. Kekalkan ejaan parameter timber_weights semasa menyediakan permintaan. voice_modify.sound_effects ialah rentetan pilihan dengan nilai spacious_echo, auditorium_echo, lofi_telephone dan robotic.

Nilai lalai stream ialah false. Untuk balasan lengkap, output_format memilih url atau hex dan mempunyai nilai lalai hex. Dalam hasil JSON yang didokumenkan, data.audio membawa perwakilan yang dipilih: muat turun URL Ailoot bertandatangan yang lengkap, termasuk rentetan pertanyaannya, atau nyahkod audio perenambelasan yang lengkap menjadi bait. Simpan hasil asal bersama data.status, base_resp, trace_id dan extra_info, yang merangkumi format audio sebenar, kadar sampel, bilangan saluran, saiz dan usage_characters.

subtitle_enable ialah boolean yang mempunyai nilai lalai false dan terpakai pada output tanpa penstriman. aigc_watermark ialah boolean yang mempunyai nilai lalai false dan mengawal penanda irama yang boleh didengar pada hujung audio terjana. Simpan setiap hasil audio atau sari kata yang dikembalikan, dan semak sebutan, nombor serta fail yang telah siap sebelum meletakkannya dalam aplikasi. Jika penghantaran tidak pasti, simpan pengecam permintaan asal dan balasan untuk menyemak percubaan sedia ada. Ailoot turut menyimpan audio yang telah siap dalam pustaka media anda. Dengan output_format:"url", data.audio mengandungi pautan bertandatangan ke aset yang disimpan itu; ID aset muncul dalam laluan /v1/media/assets/{asset_id}/content. Pautan fail Ailoot bertandatangan sah selama 24 jam dari masa dikeluarkan. Gunakan kunci API yang sama untuk GET /v1/media/assets?family=audio dan ikuti setiap next_cursor untuk mencari rekod aset audio. Baca GET /v1/media/assets/{asset_id} bagi setiap rekod yang dipilih dan muat turun content_url tepatnya, termasuk rentetan pertanyaan. Jika permintaan fail mengembalikan 404 dengan kod link_expired, baca semula aset yang sama untuk mendapatkan content_url yang diperbaharui. Perbaharui hasil yang disimpan dan bukannya menjana audio semula untuk menggantikan pautan luput.