Speech 02 HD maakt spraak met de nadruk op kwaliteit, ritme en klankconsistentie. De fabrikant benadrukt gesproken materiaal en audioboeken, waarbij de stem haar karakter moet behouden en gelijkmatig door lange tekst moet lopen. Dit is een synthesemodel: het accepteert tekst en zet die om in spraakaudio.
De Speech 02-familie is gebaseerd op een autoregressieve Transformer-architectuur en een trainbare sprekerencoder. Timbre-extractie en spraakgeneratie zijn gezamenlijk getraind om stemkenmerken op de inhoud af te stemmen. De familie biedt onder meer het gebruik van voorbereide gekloonde stemmen en de combinatie van taal, accent en uitspraakstijl.
De emotionele kleur kan uit de tekstbetekenis worden afgeleid of handmatig worden ingesteld. Vreugde, verdriet, boosheid, angst, afkeer, verrassing en kalmte zijn beschikbaar. Het model werkt met Russisch, Engels en andere talen; de fabrikant beschrijft verschillende Engelse accenten, Chinees en Kantonees, Japans, Koreaans, Europese en andere talen.
In de huidige beschrijving van Speech 02 worden Perzisch, Filipino en Tamil afzonderlijk uitgesloten. De algemene taallijst van nieuwere Speech-generaties mag niet automatisch op deze versie worden toegepast.
Voor synthese zijn stemkeuze, snelheidswijziging van 0,5–2, volume boven 0 tot 10 en toonhoogte van −12 tot 12 voorzien. In het uitspraakwoordenboek kan een schrijfwijze door de gewenste uitspraak worden vervangen; fonetische notatie en Japanse uitspraakvarianten worden ondersteund. Dit helpt bepalen hoe namen en dubbelzinnige woorden klinken.
De fabrikant laat pauzes tussen uitgesproken fragmenten toe van 0,01–99,99 seconden. De pauzeduur wordt met een nauwkeurigheid van twee cijfers achter de komma opgegeven; markeringen worden tussen uitgesproken fragmenten geplaatst en niet direct achter elkaar. De tekst van één synchroon verzoek moet minder dan 10 000 tekens bevatten. Audio kan volledig of geleidelijk worden ontvangen; voor tekst van meer dan 3000 tekens wordt streaminguitvoer aanbevolen.
De modelformaten omvatten MP3, WAV, FLAC en PCM; de algemene synthese-instellingen beschrijven ook Opus en G.711 μ-law-varianten. Mono of stereo kan worden gebruikt. Deze kaart biedt tekst-naar-spraak; afzonderlijke stemvoorbereiding en uitgebreide instellingen worden alleen toegepast binnen de ondersteunde aanroepmethode via Ailoot.
Aanvullende audio-instellingen omvatten de samplefrequenties 8, 16, 22,05, 24, 32 en 44,1 kHz. Voor MP3 zijn de bitrates 32, 64, 128 of 256 kbit/s voorzien. Ook kan de klankkleur van de stem worden gewijzigd en één effect worden toegepast: een ruimtelijke echo, zaalecho, telefoongeluid of robotstem. Stemveranderingseffecten worden bij volledige audio-uitvoer ondersteund voor MP3, WAV en FLAC; bij streaminguitvoer alleen voor MP3. G.711 μ-law-formaten gebruiken een frequentie van 8 kHz. Deze mogelijkheden horen bij de synthese-instellingen van MiniMax.
De fabrikant voorziet in synchronisatie van spraak met tekst: tijdstempels per zin, per woord of per woord bij geleidelijke uitvoer. Dit resultaat helpt de uitspraak te koppelen aan de tekstweergave. Deze aanvullende mogelijkheid vereist ondersteuning voor het betreffende antwoordformaat.
", "aboutText": "### Een stem voor gesproken tekst en lang voorlezen\n\nSpeech 02 HD maakt spraak met de nadruk op kwaliteit, ritme en klankconsistentie. De fabrikant benadrukt gesproken materiaal en audioboeken, waarbij de stem haar karakter moet behouden en gelijkmatig door lange tekst moet lopen. Dit is een synthesemodel: het accepteert tekst en zet die om in spraakaudio.\n\n### Hoe tekst en timbre worden verbonden\n\nDe Speech 02-familie is gebaseerd op een autoregressieve Transformer-architectuur en een trainbare sprekerencoder. Timbre-extractie en spraakgeneratie zijn gezamenlijk getraind om stemkenmerken op de inhoud af te stemmen. De familie biedt onder meer het gebruik van voorbereide gekloonde stemmen en de combinatie van taal, accent en uitspraakstijl.\n\n### Emotie en meertalig voorlezen\n\nDe emotionele kleur kan uit de tekstbetekenis worden afgeleid of handmatig worden ingesteld. Vreugde, verdriet, boosheid, angst, afkeer, verrassing en kalmte zijn beschikbaar. Het model werkt met Russisch, Engels en andere talen; de fabrikant beschrijft verschillende Engelse accenten, Chinees en Kantonees, Japans, Koreaans, Europese en andere talen.\n\nIn de huidige beschrijving van Speech 02 worden Perzisch, Filipino en Tamil afzonderlijk uitgesloten. De algemene taallijst van nieuwere Speech-generaties mag niet automatisch op deze versie worden toegepast.\n\n### De stem instellen\n\nVoor synthese zijn stemkeuze, snelheidswijziging van **0,5–2**, volume boven 0 tot **10** en toonhoogte van **−12 tot 12** voorzien. In het uitspraakwoordenboek kan een schrijfwijze door de gewenste uitspraak worden vervangen; fonetische notatie en Japanse uitspraakvarianten worden ondersteund. Dit helpt bepalen hoe namen en dubbelzinnige woorden klinken.\n\n### Pauzes en voltooide audio\n\nDe fabrikant laat pauzes tussen uitgesproken fragmenten toe van **0,01–99,99 seconden**. De pauzeduur wordt met een nauwkeurigheid van twee cijfers achter de komma opgegeven; markeringen worden tussen uitgesproken fragmenten geplaatst en niet direct achter elkaar. De tekst van één synchroon verzoek moet minder dan **10 000 tekens** bevatten. Audio kan volledig of geleidelijk worden ontvangen; voor tekst van meer dan 3000 tekens wordt streaminguitvoer aanbevolen.\n\nDe modelformaten omvatten MP3, WAV, FLAC en PCM; de algemene synthese-instellingen beschrijven ook Opus en G.711 μ-law-varianten. Mono of stereo kan worden gebruikt. Deze kaart biedt tekst-naar-spraak; afzonderlijke stemvoorbereiding en uitgebreide instellingen worden alleen toegepast binnen de ondersteunde aanroepmethode via Ailoot.\n\nAanvullende audio-instellingen omvatten de samplefrequenties **8, 16, 22,05, 24, 32 en 44,1 kHz**. Voor MP3 zijn de bitrates **32, 64, 128 of 256 kbit/s** voorzien. Ook kan de klankkleur van de stem worden gewijzigd en één effect worden toegepast: een ruimtelijke echo, zaalecho, telefoongeluid of robotstem. Stemveranderingseffecten worden bij volledige audio-uitvoer ondersteund voor MP3, WAV en FLAC; bij streaminguitvoer alleen voor MP3. G.711 μ-law-formaten gebruiken een frequentie van 8 kHz. Deze mogelijkheden horen bij de synthese-instellingen van MiniMax.\n\nDe fabrikant voorziet in synchronisatie van spraak met tekst: tijdstempels per zin, per woord of per woord bij geleidelijke uitvoer. Dit resultaat helpt de uitspraak te koppelen aan de tekstweergave. Deze aanvullende mogelijkheid vereist ondersteuning voor het betreffende antwoordformaat.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "35d6d06bf842fc81350732c9ef433dc07e0364119bc9b22df290143f8bf7c93d", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "nl", "methods": [ { "html": "speech-02-hdSpeech-02 HD is een spraaksynthesemodel met de nadruk op geluidskwaliteit en stemgelijkenis.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Speech 02 HD maakt spraak met de nadruk op kwaliteit, ritme en klankconsistentie. De fabrikant benadrukt gesproken materiaal en audioboeken, waarbij de stem haar karakter moet behouden en gelijkmatig door lange tekst moet lopen. Dit is een synthesemodel: het accepteert tekst en zet die om in spraakaudio.
De Speech 02-familie is gebaseerd op een autoregressieve Transformer-architectuur en een trainbare sprekerencoder. Timbre-extractie en spraakgeneratie zijn gezamenlijk getraind om stemkenmerken op de inhoud af te stemmen. De familie biedt onder meer het gebruik van voorbereide gekloonde stemmen en de combinatie van taal, accent en uitspraakstijl.
De emotionele kleur kan uit de tekstbetekenis worden afgeleid of handmatig worden ingesteld. Vreugde, verdriet, boosheid, angst, afkeer, verrassing en kalmte zijn beschikbaar. Het model werkt met Russisch, Engels en andere talen; de fabrikant beschrijft verschillende Engelse accenten, Chinees en Kantonees, Japans, Koreaans, Europese en andere talen.
In de huidige beschrijving van Speech 02 worden Perzisch, Filipino en Tamil afzonderlijk uitgesloten. De algemene taallijst van nieuwere Speech-generaties mag niet automatisch op deze versie worden toegepast.
Voor synthese zijn stemkeuze, snelheidswijziging van 0,5–2, volume boven 0 tot 10 en toonhoogte van −12 tot 12 voorzien. In het uitspraakwoordenboek kan een schrijfwijze door de gewenste uitspraak worden vervangen; fonetische notatie en Japanse uitspraakvarianten worden ondersteund. Dit helpt bepalen hoe namen en dubbelzinnige woorden klinken.
De fabrikant laat pauzes tussen uitgesproken fragmenten toe van 0,01–99,99 seconden. De pauzeduur wordt met een nauwkeurigheid van twee cijfers achter de komma opgegeven; markeringen worden tussen uitgesproken fragmenten geplaatst en niet direct achter elkaar. De tekst van één synchroon verzoek moet minder dan 10 000 tekens bevatten. Audio kan volledig of geleidelijk worden ontvangen; voor tekst van meer dan 3000 tekens wordt streaminguitvoer aanbevolen.
De modelformaten omvatten MP3, WAV, FLAC en PCM; de algemene synthese-instellingen beschrijven ook Opus en G.711 μ-law-varianten. Mono of stereo kan worden gebruikt. Deze kaart biedt tekst-naar-spraak; afzonderlijke stemvoorbereiding en uitgebreide instellingen worden alleen toegepast binnen de ondersteunde aanroepmethode via Ailoot.
Aanvullende audio-instellingen omvatten de samplefrequenties 8, 16, 22,05, 24, 32 en 44,1 kHz. Voor MP3 zijn de bitrates 32, 64, 128 of 256 kbit/s voorzien. Ook kan de klankkleur van de stem worden gewijzigd en één effect worden toegepast: een ruimtelijke echo, zaalecho, telefoongeluid of robotstem. Stemveranderingseffecten worden bij volledige audio-uitvoer ondersteund voor MP3, WAV en FLAC; bij streaminguitvoer alleen voor MP3. G.711 μ-law-formaten gebruiken een frequentie van 8 kHz. Deze mogelijkheden horen bij de synthese-instellingen van MiniMax.
De fabrikant voorziet in synchronisatie van spraak met tekst: tijdstempels per zin, per woord of per woord bij geleidelijke uitvoer. Dit resultaat helpt de uitspraak te koppelen aan de tekstweergave. Deze aanvullende mogelijkheid vereist ondersteuning voor het betreffende antwoordformaat.
POST /v1/audio/speechtextspeech| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten speech-02-hd | Standaard— |
Veldinput | Typestring | VereisteVereist | Waarden en limieten Minimumlengte: 1 Maximumlengte (exclusief): 10.000 Eenheid: Unicode-tekens | Standaard— |
Veldvoice | Typestring | VereisteVereist | Waarden en limieten Patroon: ^[A-Za-z0-9_-]{1,128}$ | Standaard— |
Veldresponse_format | Typestring | VereisteOptioneel | Waarden en limieten mp3 | Standaard— |
text_to_speech · Vereist: input
| Parameter | Contract |
|---|---|
Parametermaterial_types | Contracttext |
Parameterrequired | Contractnull |
Parameteroptional_controls | Contractnull |
Levenscyclus: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · de daadwerkelijk geretourneerde task_id of het record in de mediabibliotheek
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
De methodestructuren en ID’s zijn exact; de mogelijkheden van de leverancier staan los van toelating.
POST /v1/audio/speechAiloot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 narration script}"\nexport AILOOT_TEXT_FILE\n: "${AILOOT_VOICE_ID:?Set the actual accepted voice ID for this model}"\nexport AILOOT_VOICE_ID\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "speech-02-hd", "input": ""}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["input"]=text\nimport re\nvoice=os.environ["AILOOT_VOICE_ID"]\nif not re.fullmatch(r"[A-Za-z0-9_-]{1,128}",voice):raise SystemExit("Set an actual accepted voice ID")\np["voice"]=voice\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/speech \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o speech.mp3\nmp3
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar het volledige binaire resultaat en de headers. Als JSON/meerdere uitvoerresultaten worden geretourneerd, bewaar dan elk data-item en haal elk bestand op via de daadwerkelijk geretourneerde ondertekende asset-URL.
Bewaar de oorspronkelijke operation_id/X-Client-Request-ID voor reconciliatie zonder opnieuw in te dienen; er is geen aparte route om de audiostatus op te vragen.
| Veld | Type |
|---|---|
Veldbinary audio | Typebytes |
Veldresponse headers | Typeheaders |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Antwoordserver_error | VoorwaardeHet geretourneerde antwoord geeft aan dat de bewerking of het resultaat moet worden gecontroleerd | Volgende stapBewaar de oorspronkelijk geretourneerde bewerkings-/taak-ID, de aanvraagheaders en het antwoord; blijf de ondersteunde leesacties voor die oorspronkelijke bewerking uitvoeren. Dien de aanmaakaanvraag niet opnieuw in. |
Ailoot speech-02-hd
Gebruik de hierboven getoonde methodepaden.