Speech 2.8 HD richt zich op een natuurlijke, heldere klank. Het belangrijkste generatiekenmerk zijn geluidstags waarmee gespreksdetails aan spraak kunnen worden toegevoegd: lachen, licht grinniken, ademhalen, inademen, uitademen, zuchten, hoesten, de keel schrapen en andere korte geluiden. Ze helpen het ritme en de pauzes van een levendige uitspraak over te brengen, zonder van elke zin een gelijkmatige voice-over te maken.
Tags worden in de tekst geplaatst in de voor het model opgegeven vorm: bijvoorbeeld (chuckle), (breath) en (sighs) duiden de bijbehorende geluidsacties aan. De mogelijkheid van geluidstags hoort specifiek bij Speech 2.8. Dit zijn stemdetails binnen spraaksynthese, geen generatie van een afzonderlijke muziek- of geluidscompositie.
De fabrikant benadrukt het overbrengen van kenmerkende stemeigenschappen: textuur, ademhaling en uitspraakstijl. De familie biedt synthese met een al voorbereide gekloonde stem; het maken van die stem is een afzonderlijk proces. In Speech 2.8 is ook de verwerking herzien om achtergrondruis en digitale vervorming te verminderen.
Speech 2.8 ondersteunt 40 talen, waaronder Russisch. De fabrikant beschrijft afzonderlijk werk aan uitspraak tussen talen bij een combinatie van Chinees en Japans. Dat scenario betreft het behouden van een natuurlijke klank wanneer verschillende talen worden gebruikt, geen automatische tekstvertaling.
MiniMax voorziet in stemkeuze en sturing van tempo, volume en toonhoogte. De snelheid wordt ingesteld binnen 0,5–2, het volume boven 0 tot 10 en de toonhoogtewijziging van −12 tot 12. De emotie kan aan het model worden overgelaten op basis van de tekstbetekenis of handmatig worden opgegeven: vreugde, verdriet, boosheid, angst, afkeer, verrassing of kalmte.
De uitspraak kan worden verfijnd met een vervangingswoordenboek en fonetische notatie; het internationaal fonetisch alfabet, Chinese pinyin en Japanse leesvarianten zijn voorzien. Pauzes worden tussen uitgesproken fragmenten ingesteld binnen 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. Met deze instellingen kan de klank van namen, afkortingen en dubbelzinnige woorden op de bedoeling van de gesproken tekst worden afgestemd.
Synthese accepteert tekst van minder dan 10 000 tekens. Voor lange tekst van meer dan 3000 tekens beveelt de fabrikant streaminguitvoer aan; ook het ontvangen van volledige audio is voorzien. Algemene synthese-instellingen omvatten MP3, PCM, FLAC, WAV, Opus en G.711 μ-law-varianten, mono of stereo; de beschikbare formaten van een specifiek verzoek worden met de mogelijkheden van Ailoot bepaald.
Deze kaart zet tekst om in spraakaudio. De steminstellingen beschrijven het MiniMax-model; een stemkloon maken, afzonderlijke ondertitels en speciale aansluitwijzen maken niet automatisch deel uit van een tekst-naar-spraakverzoek.
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": "### Levendige spraak met kleine geluidsdetails\n\nSpeech 2.8 HD richt zich op een natuurlijke, heldere klank. Het belangrijkste generatiekenmerk zijn geluidstags waarmee gespreksdetails aan spraak kunnen worden toegevoegd: lachen, licht grinniken, ademhalen, inademen, uitademen, zuchten, hoesten, de keel schrapen en andere korte geluiden. Ze helpen het ritme en de pauzes van een levendige uitspraak over te brengen, zonder van elke zin een gelijkmatige voice-over te maken.\n\nTags worden in de tekst geplaatst in de voor het model opgegeven vorm: bijvoorbeeld `(chuckle)`, `(breath)` en `(sighs)` duiden de bijbehorende geluidsacties aan. De mogelijkheid van geluidstags hoort specifiek bij Speech 2.8. Dit zijn stemdetails binnen spraaksynthese, geen generatie van een afzonderlijke muziek- of geluidscompositie.\n\n### Timbre en zuiverheid\n\nDe fabrikant benadrukt het overbrengen van kenmerkende stemeigenschappen: textuur, ademhaling en uitspraakstijl. De familie biedt synthese met een al voorbereide gekloonde stem; het maken van die stem is een afzonderlijk proces. In Speech 2.8 is ook de verwerking herzien om achtergrondruis en digitale vervorming te verminderen.\n\n### Talen en expressiviteit\n\nSpeech 2.8 ondersteunt **40 talen**, waaronder Russisch. De fabrikant beschrijft afzonderlijk werk aan uitspraak tussen talen bij een combinatie van Chinees en Japans. Dat scenario betreft het behouden van een natuurlijke klank wanneer verschillende talen worden gebruikt, geen automatische tekstvertaling.\n\nMiniMax voorziet in stemkeuze en sturing van tempo, volume en toonhoogte. De snelheid wordt ingesteld binnen **0,5–2**, het volume boven 0 tot **10** en de toonhoogtewijziging van **−12 tot 12**. De emotie kan aan het model worden overgelaten op basis van de tekstbetekenis of handmatig worden opgegeven: vreugde, verdriet, boosheid, angst, afkeer, verrassing of kalmte.\n\nDe uitspraak kan worden verfijnd met een vervangingswoordenboek en fonetische notatie; het internationaal fonetisch alfabet, Chinese pinyin en Japanse leesvarianten zijn voorzien. Pauzes worden tussen uitgesproken fragmenten ingesteld binnen **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. Met deze instellingen kan de klank van namen, afkortingen en dubbelzinnige woorden op de bedoeling van de gesproken tekst worden afgestemd.\n\n### Audioresultaat\n\nSynthese accepteert tekst van minder dan **10 000 tekens**. Voor lange tekst van meer dan 3000 tekens beveelt de fabrikant streaminguitvoer aan; ook het ontvangen van volledige audio is voorzien. Algemene synthese-instellingen omvatten MP3, PCM, FLAC, WAV, Opus en G.711 μ-law-varianten, mono of stereo; de beschikbare formaten van een specifiek verzoek worden met de mogelijkheden van Ailoot bepaald.\n\nDeze kaart zet tekst om in spraakaudio. De steminstellingen beschrijven het MiniMax-model; een stemkloon maken, afzonderlijke ondertitels en speciale aansluitwijzen maken niet automatisch deel uit van een tekst-naar-spraakverzoek.\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": "301558243f83d893c8ebad9db38256a39cd987e8f0650ff376cdb6d6849aabab", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "nl", "methods": [ { "html": "speech-2.8-hdSpeech 2.8 HD synthetiseert expressieve spraak met sturing van emotie en geluidsdetails zoals ademhaling en lachen.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Speech 2.8 HD richt zich op een natuurlijke, heldere klank. Het belangrijkste generatiekenmerk zijn geluidstags waarmee gespreksdetails aan spraak kunnen worden toegevoegd: lachen, licht grinniken, ademhalen, inademen, uitademen, zuchten, hoesten, de keel schrapen en andere korte geluiden. Ze helpen het ritme en de pauzes van een levendige uitspraak over te brengen, zonder van elke zin een gelijkmatige voice-over te maken.
Tags worden in de tekst geplaatst in de voor het model opgegeven vorm: bijvoorbeeld (chuckle), (breath) en (sighs) duiden de bijbehorende geluidsacties aan. De mogelijkheid van geluidstags hoort specifiek bij Speech 2.8. Dit zijn stemdetails binnen spraaksynthese, geen generatie van een afzonderlijke muziek- of geluidscompositie.
De fabrikant benadrukt het overbrengen van kenmerkende stemeigenschappen: textuur, ademhaling en uitspraakstijl. De familie biedt synthese met een al voorbereide gekloonde stem; het maken van die stem is een afzonderlijk proces. In Speech 2.8 is ook de verwerking herzien om achtergrondruis en digitale vervorming te verminderen.
Speech 2.8 ondersteunt 40 talen, waaronder Russisch. De fabrikant beschrijft afzonderlijk werk aan uitspraak tussen talen bij een combinatie van Chinees en Japans. Dat scenario betreft het behouden van een natuurlijke klank wanneer verschillende talen worden gebruikt, geen automatische tekstvertaling.
MiniMax voorziet in stemkeuze en sturing van tempo, volume en toonhoogte. De snelheid wordt ingesteld binnen 0,5–2, het volume boven 0 tot 10 en de toonhoogtewijziging van −12 tot 12. De emotie kan aan het model worden overgelaten op basis van de tekstbetekenis of handmatig worden opgegeven: vreugde, verdriet, boosheid, angst, afkeer, verrassing of kalmte.
De uitspraak kan worden verfijnd met een vervangingswoordenboek en fonetische notatie; het internationaal fonetisch alfabet, Chinese pinyin en Japanse leesvarianten zijn voorzien. Pauzes worden tussen uitgesproken fragmenten ingesteld binnen 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. Met deze instellingen kan de klank van namen, afkortingen en dubbelzinnige woorden op de bedoeling van de gesproken tekst worden afgestemd.
Synthese accepteert tekst van minder dan 10 000 tekens. Voor lange tekst van meer dan 3000 tekens beveelt de fabrikant streaminguitvoer aan; ook het ontvangen van volledige audio is voorzien. Algemene synthese-instellingen omvatten MP3, PCM, FLAC, WAV, Opus en G.711 μ-law-varianten, mono of stereo; de beschikbare formaten van een specifiek verzoek worden met de mogelijkheden van Ailoot bepaald.
Deze kaart zet tekst om in spraakaudio. De steminstellingen beschrijven het MiniMax-model; een stemkloon maken, afzonderlijke ondertitels en speciale aansluitwijzen maken niet automatisch deel uit van een tekst-naar-spraakverzoek.
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-2.8-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-2.8-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-2.8-hd, minimax-speech, minimax-speech-latest
Gebruik de hierboven getoonde methodepaden.
minimax-speechSpeech 2.8 HD synthetiseert expressieve spraak met sturing van emotie en geluidsdetails zoals ademhaling en lachen.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Speech 2.8 HD richt zich op een natuurlijke, heldere klank. Het belangrijkste generatiekenmerk zijn geluidstags waarmee gespreksdetails aan spraak kunnen worden toegevoegd: lachen, licht grinniken, ademhalen, inademen, uitademen, zuchten, hoesten, de keel schrapen en andere korte geluiden. Ze helpen het ritme en de pauzes van een levendige uitspraak over te brengen, zonder van elke zin een gelijkmatige voice-over te maken.
Tags worden in de tekst geplaatst in de voor het model opgegeven vorm: bijvoorbeeld (chuckle), (breath) en (sighs) duiden de bijbehorende geluidsacties aan. De mogelijkheid van geluidstags hoort specifiek bij Speech 2.8. Dit zijn stemdetails binnen spraaksynthese, geen generatie van een afzonderlijke muziek- of geluidscompositie.
De fabrikant benadrukt het overbrengen van kenmerkende stemeigenschappen: textuur, ademhaling en uitspraakstijl. De familie biedt synthese met een al voorbereide gekloonde stem; het maken van die stem is een afzonderlijk proces. In Speech 2.8 is ook de verwerking herzien om achtergrondruis en digitale vervorming te verminderen.
Speech 2.8 ondersteunt 40 talen, waaronder Russisch. De fabrikant beschrijft afzonderlijk werk aan uitspraak tussen talen bij een combinatie van Chinees en Japans. Dat scenario betreft het behouden van een natuurlijke klank wanneer verschillende talen worden gebruikt, geen automatische tekstvertaling.
MiniMax voorziet in stemkeuze en sturing van tempo, volume en toonhoogte. De snelheid wordt ingesteld binnen 0,5–2, het volume boven 0 tot 10 en de toonhoogtewijziging van −12 tot 12. De emotie kan aan het model worden overgelaten op basis van de tekstbetekenis of handmatig worden opgegeven: vreugde, verdriet, boosheid, angst, afkeer, verrassing of kalmte.
De uitspraak kan worden verfijnd met een vervangingswoordenboek en fonetische notatie; het internationaal fonetisch alfabet, Chinese pinyin en Japanse leesvarianten zijn voorzien. Pauzes worden tussen uitgesproken fragmenten ingesteld binnen 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. Met deze instellingen kan de klank van namen, afkortingen en dubbelzinnige woorden op de bedoeling van de gesproken tekst worden afgestemd.
Synthese accepteert tekst van minder dan 10 000 tekens. Voor lange tekst van meer dan 3000 tekens beveelt de fabrikant streaminguitvoer aan; ook het ontvangen van volledige audio is voorzien. Algemene synthese-instellingen omvatten MP3, PCM, FLAC, WAV, Opus en G.711 μ-law-varianten, mono of stereo; de beschikbare formaten van een specifiek verzoek worden met de mogelijkheden van Ailoot bepaald.
Deze kaart zet tekst om in spraakaudio. De steminstellingen beschrijven het MiniMax-model; een stemkloon maken, afzonderlijke ondertitels en speciale aansluitwijzen maken niet automatisch deel uit van een tekst-naar-spraakverzoek.
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 minimax-speech | 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": "minimax-speech", "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-2.8-hd, minimax-speech, minimax-speech-latest
Gebruik de hierboven getoonde methodepaden.
minimax-speech-latestSpeech 2.8 HD synthetiseert expressieve spraak met sturing van emotie en geluidsdetails zoals ademhaling en lachen.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Speech 2.8 HD richt zich op een natuurlijke, heldere klank. Het belangrijkste generatiekenmerk zijn geluidstags waarmee gespreksdetails aan spraak kunnen worden toegevoegd: lachen, licht grinniken, ademhalen, inademen, uitademen, zuchten, hoesten, de keel schrapen en andere korte geluiden. Ze helpen het ritme en de pauzes van een levendige uitspraak over te brengen, zonder van elke zin een gelijkmatige voice-over te maken.
Tags worden in de tekst geplaatst in de voor het model opgegeven vorm: bijvoorbeeld (chuckle), (breath) en (sighs) duiden de bijbehorende geluidsacties aan. De mogelijkheid van geluidstags hoort specifiek bij Speech 2.8. Dit zijn stemdetails binnen spraaksynthese, geen generatie van een afzonderlijke muziek- of geluidscompositie.
De fabrikant benadrukt het overbrengen van kenmerkende stemeigenschappen: textuur, ademhaling en uitspraakstijl. De familie biedt synthese met een al voorbereide gekloonde stem; het maken van die stem is een afzonderlijk proces. In Speech 2.8 is ook de verwerking herzien om achtergrondruis en digitale vervorming te verminderen.
Speech 2.8 ondersteunt 40 talen, waaronder Russisch. De fabrikant beschrijft afzonderlijk werk aan uitspraak tussen talen bij een combinatie van Chinees en Japans. Dat scenario betreft het behouden van een natuurlijke klank wanneer verschillende talen worden gebruikt, geen automatische tekstvertaling.
MiniMax voorziet in stemkeuze en sturing van tempo, volume en toonhoogte. De snelheid wordt ingesteld binnen 0,5–2, het volume boven 0 tot 10 en de toonhoogtewijziging van −12 tot 12. De emotie kan aan het model worden overgelaten op basis van de tekstbetekenis of handmatig worden opgegeven: vreugde, verdriet, boosheid, angst, afkeer, verrassing of kalmte.
De uitspraak kan worden verfijnd met een vervangingswoordenboek en fonetische notatie; het internationaal fonetisch alfabet, Chinese pinyin en Japanse leesvarianten zijn voorzien. Pauzes worden tussen uitgesproken fragmenten ingesteld binnen 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. Met deze instellingen kan de klank van namen, afkortingen en dubbelzinnige woorden op de bedoeling van de gesproken tekst worden afgestemd.
Synthese accepteert tekst van minder dan 10 000 tekens. Voor lange tekst van meer dan 3000 tekens beveelt de fabrikant streaminguitvoer aan; ook het ontvangen van volledige audio is voorzien. Algemene synthese-instellingen omvatten MP3, PCM, FLAC, WAV, Opus en G.711 μ-law-varianten, mono of stereo; de beschikbare formaten van een specifiek verzoek worden met de mogelijkheden van Ailoot bepaald.
Deze kaart zet tekst om in spraakaudio. De steminstellingen beschrijven het MiniMax-model; een stemkloon maken, afzonderlijke ondertitels en speciale aansluitwijzen maken niet automatisch deel uit van een tekst-naar-spraakverzoek.
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 minimax-speech-latest | 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": "minimax-speech-latest", "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-2.8-hd, minimax-speech, minimax-speech-latest
Gebruik de hierboven getoonde methodepaden.