speech-02-hd

Speech-02 HD ialah model sintesis pertuturan dengan penekanan pada kualiti bunyi dan keserupaan suara.

Ailoot · Penjanaan suara POST /v1/audio/speech speech-02-hd

Tentang model

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

Suara untuk penyampaian dan bacaan panjang

Speech 02 HD menghasilkan pertuturan dengan penekanan pada kualiti, irama dan kestabilan bunyi. Pengeluar menekankan penyampaian suara bahan dan buku audio yang memerlukan suara mengekalkan karakter serta mengalir secara sekata sepanjang teks panjang. Ini ialah model sintesis: model menerima teks dan menukarkannya kepada audio pertuturan.

Hubungan antara teks dengan warna suara

Asas keluarga Speech 02 ialah seni bina Transformer autoregresif dan pengekod penutur yang boleh dilatih. Pengekstrakan warna suara dan penjanaan pertuturan dilatih bersama untuk menyelaraskan ciri suara dengan kandungan. Keupayaan keluarga ini merangkumi penggunaan suara klon yang telah disediakan serta gabungan bahasa, loghat dan gaya sebutan.

Emosi dan bacaan berbilang bahasa

Warna emosi boleh ditentukan berdasarkan makna teks atau ditetapkan secara manual. Kegembiraan, kesedihan, kemarahan, ketakutan, rasa jijik, kejutan dan ketenangan tersedia. Model menggunakan bahasa Rusia, Inggeris dan bahasa lain; pengeluar menerangkan pelbagai loghat bahasa Inggeris, bahasa Cina dan Kantonis, Jepun, Korea, bahasa Eropah dan bahasa lain.

Penerangan Speech 02 semasa mengecualikan bahasa Parsi, Filipina dan Tamil secara berasingan. Senarai bahasa umum generasi Speech yang lebih baharu tidak boleh diterapkan secara automatik kepada versi ini.

Tetapan suara

Sintesis menyediakan pemilihan suara, perubahan kelajuan 0,5–2, kelantangan melebihi 0 dan sehingga 10, serta pic suara dari −12 hingga 12. Dalam kamus sebutan, ejaan boleh digantikan dengan bacaan yang dikehendaki; notasi fonetik dan variasi sebutan Jepun disokong. Ini membantu mengawal sebutan nama dan perkataan yang mempunyai beberapa kemungkinan bacaan.

Jeda dan audio siap

Pengeluar membenarkan jeda antara bahagian yang disebut dengan tempoh 0,01–99,99 saat. Tempoh jeda ditetapkan dengan ketepatan dua tempat perpuluhan; penanda diletakkan antara bahagian yang disebut dan tidak diletakkan berturut-turut. Teks satu permintaan segerak mesti mengandungi kurang daripada 10 000 aksara. Audio boleh diterima sekali gus atau secara beransur-ansur; output penstriman disyorkan bagi teks melebihi 3000 aksara.

Antara format model ialah MP3, WAV, FLAC dan PCM; tetapan sintesis umum turut menerangkan Opus dan varian G.711 μ-law. Mono atau stereo boleh digunakan. Kad ini menyediakan penjanaan suara daripada teks, manakala penyediaan suara berasingan dan tetapan lanjutan terpakai hanya dalam skop kaedah akses melalui Ailoot yang disokong.

Tetapan audio tambahan merangkumi kadar pensampelan 8, 16, 22,05, 24, 32 dan 44,1 kHz. Bagi MP3, kadar bit 32, 64, 128 atau 256 kbit/s disediakan. Warna suara juga boleh diubah dan satu kesan boleh digunakan: gema ruang luas, gema dewan, bunyi telefon atau suara robot. Kesan perubahan suara disokong bagi MP3, WAV dan FLAC apabila audio diterima sekali gus, manakala dalam output penstriman, hanya bagi MP3. Format G.711 μ-law menggunakan kadar 8 kHz. Keupayaan ini merujuk kepada tetapan sintesis MiniMax.

Pengeluar menyediakan penyegerakan pertuturan dengan teks: cap masa mengikut ayat, perkataan atau perkataan semasa output beransur-ansur. Hasil sebegini membantu menyelaraskan sebutan dengan paparan teks. Keupayaan tambahan ini memerlukan sokongan format respons yang sepadan.

Ailoot · Penjanaan suara POST /v1/audio/speech speech-02-hd

speech-02-hd

MiniMax /speech-02-hd

Pengenalan

Speech-02 HD ialah model sintesis pertuturan dengan penekanan pada kualiti bunyi dan keserupaan suara.

Input yang diterima: Teks
Hasil: speech

Tersedia di Ailoot · input & kaedah

Ailoot · Penjanaan suara POST /v1/audio/speech

Input: text
Output: speech
Format output: mp3

Medan	Jenis	Keperluan	Nilai & had	Lalai
Medan`model`	Jenis`string`	KeperluanDiperlukan	Nilai & had speech-02-hd	Lalai—
Medan`input`	Jenis`string`	KeperluanDiperlukan	Nilai & had Panjang minimum: 1 Panjang maksimum (tidak termasuk): 10,000 Unit: aksara Unicode	Lalai—
Medan`voice`	Jenis`string`	KeperluanDiperlukan	Nilai & had Corak: ^[A-Za-z0-9_-]{1,128}$	Lalai—
Medan`response_format`	Jenis`string`	KeperluanPilihan	Nilai & had mp3	Lalai—

Gabungan bahan input

text_to_speech · Diperlukan: input

Parameter kaedah dan kitar hayat

Parameter	Kontrak
Parameter`material_types`	Kontraktext
Parameter`required`	Kontraknull
Parameter`optional_controls`	Kontraknull

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}

Struktur kaedah dan ID adalah tepat; keupayaan pembekal berasingan daripada penerimaan permintaan.

Pelan harga

Kadar kaedah Ailoot

Ailoot Penjanaan suaraPOST /v1/audio/speech

Input: USD 100.00 bagi setiap 1 juta aksara

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 · Penjanaan suara

Contoh pertuturan

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-02-hd", "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

Terima dan simpan hasil

Ailoot · 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}

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 speech-02-hd

Alias laluan kaedah

Gunakan laluan kaedah yang dipaparkan di atas.

ID pemanggil berkaitan

speech-02-hd

FAQ · speech-02-hd

Apakah input dan hasil yang tersedia?: POST /v1/audio/speech · speech-02-hd: text → speech
Apakah medan yang digunakan oleh permintaan?: POST /v1/audio/speech · speech-02-hd: model, input, voice, response_format

speech-02-hd

speech-02-hd

Suara untuk penyampaian dan bacaan panjang

Hubungan antara teks dengan warna suara

Emosi dan bacaan berbilang bahasa

Tetapan suara

Jeda dan audio siap

Pengenalan

Tersedia di Ailoot · input & kaedah

Pelan harga

Kadar kaedah Ailoot

Contoh permintaan

Ailoot · Penjanaan suara

Terima dan simpan hasil

Ailoot · Penjanaan suara

Simpan semua hasil yang selesai

Jika respons asal perlu disemak

Alias

Alias model

Alias laluan kaedah

ID pemanggil berkaitan

Syarikat dan portfolio projeknya

Beli token dengan diskaun.

Sambungkan API kepada produk yang anda jual.