speech-2.6-hd

Speech 2.6 HD ialah model sintesis pertuturan berkualiti dengan penekanan pada bunyi semula jadi dan keserupaan suara.

Ailoot · Penjanaan suara POST /v1/audio/speech speech-2.6-hd

Tentang model

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

Suara semula jadi untuk interaksi

Speech 2.6 HD direka untuk sintesis pertuturan semula jadi dan senario yang memerlukan respons bermula dengan pantas. Pengeluar memberikan perhatian kepada intonasi, kelancaran pertuturan dan pemprosesan teks sebelum sebutan. Varian HD menekankan kualiti bunyi; input kad ini ialah teks, manakala output ialah audio pertuturan.

Pembacaan bentuk tulisan bukan standard

Generasi Speech 2.6 boleh memproses bentuk tulisan yang kerap terdapat dalam mesej kerja: alamat halaman, e-mel, nombor telefon, tarikh dan amaun wang. Model menukarkannya kepada bentuk yang boleh disebut supaya ujaran kekal mudah difahami apabila didengar. Pengeluar menerangkan tugasan sebegini dalam beberapa bahasa.

Pertuturan lancar dengan pengekalan warna suara

Speech 2.6 menyediakan mod peningkatan kelancaran Fluent LoRA. Mod ini direka untuk sintesis berdasarkan suara yang telah disediakan: membantu mengekalkan warna suara sambil membentuk pertuturan lebih berkait walaupun sampel asal tidak sekata atau berloghat. Penyediaan suara klon dan penggunaannya untuk penjanaan suara ialah tindakan yang berbeza.

40 bahasa disokong, termasuk bahasa Rusia. Selain tujuh keadaan emosi asas, Speech 2.6 menyediakan pilihan pertuturan lancar fluent dan bisikan whisper. Jika emosi tidak dinyatakan, model memilihnya berdasarkan makna teks.

Tetapan sebutan

MiniMax menyediakan pemilihan suara dan kawalan tempo, kelantangan serta pic suara. Kelajuan ditetapkan dalam julat 0,5–2, kelantangan melebihi 0 dan sehingga 10, manakala perubahan pic suara dari −12 hingga 12. Emosi boleh dibiarkan kepada model berdasarkan makna teks atau dinyatakan secara manual: kegembiraan, kesedihan, kemarahan, ketakutan, rasa jijik, kejutan atau ketenangan.

Sebutan boleh diperincikan melalui kamus penggantian dan notasi fonetik; abjad fonetik antarabangsa, pinyin Cina dan variasi bacaan Jepun disediakan. Jeda ditetapkan antara bahagian yang disebut dalam julat 0,01–99,99 saat. Tempoh jeda ditetapkan dengan ketepatan dua tempat perpuluhan; penanda diletakkan antara bahagian yang disebut dan tidak diletakkan berturut-turut. Tetapan sebegini membolehkan bunyi nama, singkatan dan perkataan dengan beberapa kemungkinan bacaan diselaraskan dengan tujuan penyampaian suara.

Panjang teks dan audio

Sintesis menerima teks kurang daripada 10 000 aksara. Bagi teks panjang melebihi 3000 aksara, pengeluar mengesyorkan output penstriman; audio siap juga boleh diterima sekali gus. Tetapan sintesis umum merangkumi MP3, PCM, FLAC, WAV, Opus dan varian G.711 μ-law, dalam mono atau stereo; set format yang tersedia bagi permintaan khusus ditentukan melalui kemudahan Ailoot.

Menurut MiniMax, generasi ini menumpukan kependaman rendah dalam senario suara. Ini ialah penerangan model; masa respons khusus dan ketersediaan tetapan lanjutan bergantung pada kaedah akses yang dipilih dalam Ailoot.

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-2.6-hd

speech-2.6-hd

MiniMax /speech-2.6-hd

Pengenalan

Speech 2.6 HD ialah model sintesis pertuturan berkualiti dengan penekanan pada bunyi semula jadi 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-2.6-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-2.6-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-2.6-hd

Alias laluan kaedah

Gunakan laluan kaedah yang dipaparkan di atas.

ID pemanggil berkaitan

speech-2.6-hd

FAQ · speech-2.6-hd

Apakah input dan hasil yang tersedia?: POST /v1/audio/speech · speech-2.6-hd: text → speech
Apakah medan yang digunakan oleh permintaan?: POST /v1/audio/speech · speech-2.6-hd: model, input, voice, response_format

speech-2.6-hd

speech-2.6-hd

Suara semula jadi untuk interaksi

Pembacaan bentuk tulisan bukan standard

Pertuturan lancar dengan pengekalan warna suara

Tetapan sebutan

Panjang teks dan audio

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.