speech-2.6-turbo
Speech 2.6 Turbo mensintesis pertuturan berbilang bahasa dan menumpukan kependaman respons yang rendah.
Tentang model
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Ujaran untuk proses suara
Speech 2.6 Turbo ialah varian sintesis pertuturan yang menumpukan kelajuan. Pengeluar menerangkannya untuk pembantu suara dan senario interaktif yang menukarkan teks kepada respons secara beransur-ansur. Model mengekalkan intonasi semula jadi generasi Speech 2.6 dan boleh memproses bentuk tulisan khusus.
Teks yang perlu disebut dengan betul
Model direka untuk membaca tarikh, nombor telefon, amaun wang, alamat halaman dan e-mel tanpa setiap bentuk tulisan ditulis semula secara manual terlebih dahulu. Analisis sebegini berguna dalam mesej dinamik yang mengandungi nombor dan label bersama perkataan biasa. Pengeluar menerangkan pemprosesan format ini dalam beberapa bahasa.
Kelancaran dan kawalan emosi
Speech 2.6 menyokong Fluent LoRA: pengekalan warna suara yang mudah dikenali dengan penyampaian teks yang lebih lancar. Keupayaan ini merujuk kepada penggunaan suara yang telah disediakan; penyediaan klon berasingan bukan sebahagian daripada permintaan teks biasa. Keluarga ini merangkumi 40 bahasa, termasuk bahasa Rusia.
Turbo menyediakan tujuh emosi asas serta mod tambahan fluent dan whisper. Model boleh memilih warna emosi sendiri berdasarkan kandungan atau menggunakan keadaan yang ditetapkan. Kedalaman dan tempo bunyi boleh diubah secara bebas daripada teks.
Suara, jeda dan 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.
Mendapatkan 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.
Pada kad Ailoot ini, teks ditukarkan kepada audio pertuturan. Tujuan Turbo berkait dengan kelajuan sintesis, tetapi masa respons tetap tidak dijanjikan di sini; tetapan yang disenaraikan mencerminkan keupayaan pengeluar dan terpakai dalam skop kaedah akses yang tersedia.
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-turbo
speech-2.6-turboPengenalan
Speech 2.6 Turbo mensintesis pertuturan berbilang bahasa dan menumpukan kependaman respons yang rendah.
- 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 |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had speech-2.6-turbo | Lalai— |
Medaninput | Jenisstring | KeperluanDiperlukan | Nilai & had Panjang minimum: 1 Panjang maksimum (tidak termasuk): 10,000 Unit: aksara Unicode | Lalai— |
Medanvoice | Jenisstring | KeperluanDiperlukan | Nilai & had Corak: ^[A-Za-z0-9_-]{1,128}$ | Lalai— |
Medanresponse_format | Jenisstring | KeperluanPilihan | Nilai & had mp3 | Lalai— |
Gabungan bahan input
text_to_speech · Diperlukan: input
Parameter kaedah dan kitar hayat
| Parameter | Kontrak |
|---|---|
Parametermaterial_types | Kontraktext |
Parameterrequired | Kontraknull |
Parameteroptional_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
POST /v1/audio/speech- Input
- USD 60.00 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
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-turbo", "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}/contentGET /v1/media/assetsGET /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 |
|---|---|
Medanbinary audio | Jenisbytes |
Medanresponse 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. |
Responsserver_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-turbo
Alias laluan kaedah
Gunakan laluan kaedah yang dipaparkan di atas.
ID pemanggil berkaitan
FAQ · speech-2.6-turbo
- Apakah input dan hasil yang tersedia?
POST /v1/audio/speech·speech-2.6-turbo:text→speech- Apakah medan yang digunakan oleh permintaan?
POST /v1/audio/speech·speech-2.6-turbo:model,input,voice,response_format