Source: https://ailoot.ai/models/pl/microsoft-mai-voice-2-flash/ Canonical: https://ailoot.ai/models/pl/microsoft-mai-voice-2-flash/ Language: pl # Microsoft AI: MAI-Voice-2-Flash [Markdown](https://ailoot.ai/models/pl/microsoft-mai-voice-2-flash/index.md) · [JSON](https://ailoot.ai/models/pl/microsoft-mai-voice-2-flash/facts.json) ## [Microsoft AI: MAI-Voice-2-Flash](https://ailoot.ai/models/pl/microsoft-mai-voice-2-flash/) MAI-Voice-2-Flash firmy Microsoft AI generuje ekspresyjną mowę w 15 językach dla asystentów, obsługi klienta i menu głosowych. Łączy szybką reakcję z wyselekcjonowaną biblioteką głosów, promptowaniem głosem referencyjnym i sterowaniem tonem na poziomie tury. - [**Ailoot Ultra · Synteza mowy** `POST /v1/audio/speech` `microsoft/mai-voice-2-flash`](https://ailoot.ai/models/pl/microsoft-mai-voice-2-flash/#method-0) O modelu Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody. MAI-Voice-2-Flash to model zamiany tekstu na mowę Microsoft AI przeznaczony do szybko reagujących doświadczeń głosowych na dużą skalę. Producent opisuje naturalną prozodię, wyraźne audio i ekspresyjną wypowiedź, wskazując asystentów, agentów obsługi klienta i menu telefoniczne jako główne zadania. Pisemny tekst wypowiedzi staje się audio wybranym głosem. Flash jest konkretnym wariantem MAI-Voice-2, odrębnym od późniejszej rodziny MAI-Voice-2.1. #### Wybór języka i głosu Karta dokładnie tego modelu dokumentuje piętnaście języków i osiemnaście wariantów regionalnych. Obejmują angielski, włoski, hiszpański, hindi, francuski, niemiecki, portugalski, koreański, chiński uproszczony, turecki, rosyjski, tajski, niderlandzki, rumuński i węgierski, z osobnymi wariantami regionalnymi dla niektórych języków. Wybierz docelowy język i przygotuj rzeczywiste słowa, które słuchacz ma usłyszeć. Rozróżnienie regionalne może mieć znaczenie dla powitania, nazwy produktu lub wymowy znanej odbiorcom. Microsoft dokumentuje dwie ścieżki wyboru głosu: wyselekcjonowaną bibliotekę i promptowanie głosem z krótkiego nagrania. Biblioteka zapewnia istniejącego mówcę do narracji lub interakcji. Nagranie referencyjne definiuje inną tożsamość mówcy poprzez proces głosu niestandardowego producenta. Zachowaj spójny wybór mówcy w powiązanych komunikatach, aby wiadomość otwierająca, objaśnienie i dalsza odpowiedź brzmiały jak części jednego doświadczenia. #### Ton mowy interaktywnej Model obsługuje sterowanie tonem, sposobem wypowiedzi i emocjami na poziomie tury. Dla asystenta głosowego napisz zwięzłą pierwszą instrukcję, a następnie szczegóły potrzebne słuchaczowi. Praktyczna wypowiedź brzmi: „Wybierz dokument, który chcesz otworzyć. Jeśli nie masz pewności co do tytułu, powiedz, czego dotyczy”. Scenariusz daje słuchaczowi jasne działanie, pozostawiając miejsce na kolejne pytanie. W rozmowie edukacyjnej oddziel objaśnienie od pytania, na które ma odpowiedzieć uczeń. W menu zachowaj krótkie nazwy opcji i sformułowania zrozumiałe po jednorazowym usłyszeniu. Ton powinien wynikać z celu fragmentu: uspokojenie, instrukcja i pytanie mogą wymagać innej realizacji, zachowując ten sam głos. #### Przygotowanie głosu referencyjnego Producent określa nagranie od pięciu do sześćdziesięciu sekund do promptowania głosem i opisuje dopasowanie mówcy, który wyraził zgodę, bez dodatkowego treningu. Zaleca naturalną wypowiedź konwersacyjną o umiarkowanej energii, ponieważ referencja znacząco wpływa na wynik. Przygotuj nagranie reprezentujące głos, którego chcesz użyć, zamiast wykonania z niepowiązanymi skrajnościami głośności lub ekspresji. Tryb ten jest udokumentowany dla autoryzowanego głosu osoby, która wyraziła zgodę. Proces producenta i biblioteka gotowych głosów są oddzielnymi ścieżkami przygotowania. Wyjściem nadal jest nowo zsyntetyzowana mowa z dostarczonego tekstu; nagranie określa pożądaną tożsamość mówcy. #### Pracuj z wynikiem mówionym Używaj Flash do interakcji, w których odpowiedź powinna nadejść szybko i pozostać łatwa do zrozumienia. Producent pozycjonuje ten wariant wokół responsywności przy zachowaniu prozodii i jakości akustycznej linii MAI-Voice-2. Powiąż każdą turę mówioną z jej tekstem i mówcą, aby można było oceniać ważne nazwy, polecenia i zmiany emocji w kontekście. Użytecznym wynikiem jest wyraźny komunikat lub odpowiedź w wymaganym języku i głosie. Odsłuchaj słowa tak, jak usłyszą je odbiorcy, zwłaszcza w sekwencji komunikatów. Specyfikacja piętnastu języków i osiemnastu wariantów regionalnych należy do dokładnej wersji Voice-2-Flash; rozszerzony katalog języków i szczegóły zarządzanych głosów późniejszych wersji należą do ich własnych profili. **Ailoot Ultra · Synteza mowy** `POST /v1/audio/speech` `microsoft/mai-voice-2-flash` [`microsoft/mai-voice-2-flash`](https://ailoot.ai/models/pl/#m=microsoft%2Fmai-voice-2-flash&route=Ultra&caller=microsoft%2Fmai-voice-2-flash&fmt=speech) Microsoft AI /`microsoft/mai-voice-2-flash` ### Start MAI-Voice-2-Flash firmy Microsoft AI generuje ekspresyjną mowę w 15 językach dla asystentów, obsługi klienta i menu głosowych. Łączy szybką reakcję z wyselekcjonowaną biblioteką głosów, promptowaniem głosem referencyjnym i sterowaniem tonem na poziomie tury. Akceptowane dane wejściowe Tekst Wyniki Audio ### Dostępne w Ailoot · dane wejściowe i metody **Ailoot Ultra · Synteza mowy** `POST /v1/audio/speech` Wejście `text` Wyjście `audio` Format wyjściowy mp3 | Pole | Typ | Wymaganie | Wartości i limity | Domyślnie | | --- | --- | --- | --- | --- | | Pole`model` | Typ`string` | WymaganieWymagane | Wartości i limity microsoft/mai-voice-2-flash | Domyślnie— | | Pole`input` | Typ`string` | WymaganieWymagane | Wartości i limity Minimalna długość: 1 Jednostka: znaki Unicode | Domyślnie— | | Pole`voice` | Typ`string` | WymaganieWymagane | Wartości i limity en-US-Harper:MAI-Voice-2, es-MX-Valeria:MAI-Voice-2, fr-FR-Soleil:MAI-Voice-2, de-DE-Klaus:MAI-Voice-2 | Domyślnie— | | Pole`response_format` | Typ`string` | WymaganieWymagane | Wartości i limity mp3 | Domyślnie— | Kombinacje materiałów wejściowych **text\_to\_speech** · Wymagane: input Parametry i cykl życia metody | Parametr | Kontrakt | | --- | --- | | Parametr`content_type` | Kontraktapplication/json | | Parametr`required` | Kontraktmodel, input, voice, response\_format | | Parametr`voice_ids` | Kontrakten-US-Harper:MAI-Voice-2, es-MX-Valeria:MAI-Voice-2, fr-FR-Soleil:MAI-Voice-2, de-DE-Klaus:MAI-Voice-2 | | Parametr`response_format` | Kontraktmp3 | | Parametr`max_input_characters` | Kontraktnull | | Parametr`other_options` | Kontraktfalse | | Parametr`input` | Kontraktdokładny tekst UTF-8; liczba znaków Unicode bez normalizacji | | Parametr`material_types` | Kontrakttext | Cykl życia: `synchronous_result_then_owned_library` `GET /v1/media/tasks/{task_id}` · Rzeczywiście zwrócony task\_id lub wpis w bibliotece multimediów `GET /v1/media/assets/{asset_id}/content` `GET /v1/media/assets` `GET /v1/media/assets/{asset_id}` Wybierz dokładny głos z profilu tego modelu. Znaki wejściowe i sekundy dźwięku to różne jednostki pomiaru. ### Cennik Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie. Tryb szybki Nie określono Gdy wybrany jest tryb szybki Tryb flex Nie określono Gdy wybrany jest tryb flex Maksymalna intensywność rozumowania Nie określono Gdy dla maksymalnej intensywności rozumowania stosowana jest domyślna korekta (default) #### Stawki Ailoot #### Ceny według konfiguracji Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji. | Konfiguracja | Tabela stawek | Ilość rozliczana | Jednostka rozliczeniowa | Opłata | | --- | --- | --- | --- | --- | | KonfiguracjaBazowe stawki za tokeny | Tabela stawekStawka podstawowa | Ilość rozliczana— | Jednostka rozliczeniowa— | Opłata Wejście · Tokeny wejściowe **—** / 1K tokenów Wyjście · Tokeny wyjściowe **—** / 1K tokenów Wejście · Odczyt cache **—** / 1K tokenów Wejście · Zapis do cache **—** / 1K tokenów Wejście · Zapis do cache, 1 godz. **—** / 1K tokenów | | KonfiguracjaUltra | Tabela stawek— | Ilość rozliczanaKażdy punkt kodowy Unicode liczy się jako jeden znak, w tym znaki Han. | Jednostka rozliczeniowaza 1K znaków wejściowych | Opłata Wejście · znak wejściowy **$0.03** za 1K znaków wejściowych | #### Szczegóły taryfy referencyjnej Referencyjne tabele modelu nie zmieniają wyboru metody, wyceny ani opłat. Naliczane opłaty korzystają ze stawek wybranej metody Ailoot. Microsoft AI: MAI-Voice-2-Flash #### Ceny według konfiguracji | Konfiguracja | Warunki rozliczania | Opłata | | --- | --- | --- | | KonfiguracjaMicrosoft AI: MAI-Voice-2-Flash · Domyślna konfiguracja | Warunki rozliczaniaKonfiguracja domyślna | Opłata Wejście · Znaki wejściowe **0,00003 USD** za znak wejściowy | Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. [Jak działają rezerwacja i rozliczenie →](https://ailoot.ai/docs/pl/billing/reserve/) ### Przykładowe żądania #### Ailoot Ultra · Synteza mowy curl ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_VOICE_ID:?Choose an accepted voice ID from this exact model profile}" export AILOOT_VOICE_ID python3 - <<'PY_REQUEST' import json,os from pathlib import Path p=json.loads('{"model": "microsoft/mai-voice-2-flash", "input": "Good afternoon! This is a short voice take."}') voice=os.environ["AILOOT_VOICE_ID"] allowed=json.loads('["en-US-Harper:MAI-Voice-2", "es-MX-Valeria:MAI-Voice-2", "fr-FR-Soleil:MAI-Voice-2", "de-DE-Klaus:MAI-Voice-2"]') if voice not in allowed: raise SystemExit("Choose an accepted voice ID from this exact model profile") p["voice"]=voice p["response_format"]="mp3" 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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o speech.mp3 ``` ### Odbieranie i zapisywanie wyników #### Ailoot Ultra · Synteza mowy mp3 - `GET /v1/media/tasks/{task_id}` - `GET /v1/media/assets/{asset_id}/content` - `GET /v1/media/assets` - `GET /v1/media/assets/{asset_id}` Inne odczyty treści Biblioteka multimediówStatus zadaniaSzczegóły pliku ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \ -H "Authorization: Bearer $AILOOT_API_KEY" -o media-assets.json ``` ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_MEDIA_TASK_ID:?Set the actual ID returned by the response or media-library metadata}" export AILOOT_MEDIA_TASK_ID resource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_MEDIA_TASK_ID"],safe=""))') curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/tasks/$resource_id" \ -H "Authorization: Bearer $AILOOT_API_KEY" -o media-task.json python3 - <<'PY_RESULT' import json from pathlib import Path print(json.dumps(json.loads(Path("media-task.json").read_text()))) PY_RESULT ``` ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_ASSET_ID:?Set the actual ID returned by the response or media-library metadata}" export AILOOT_ASSET_ID resource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_ASSET_ID"],safe=""))') curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/assets/$resource_id" \ -H "Authorization: Bearer $AILOOT_API_KEY" -o media-asset.json python3 - <<'PY_RESULT' import json from pathlib import Path print(json.dumps(json.loads(Path("media-asset.json").read_text()))) PY_RESULT ``` ##### Zachowaj wszystkie ukończone wyniki Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści. Zachowaj pełny wynik binarny i nagłówki. Jeśli zwrócono JSON lub wiele wyników, zachowaj każdy element danych i pobierz zasób spod każdego rzeczywiście zwróconego podpisanego adresu URL. ##### Jeśli trzeba sprawdzić pierwotną odpowiedź Zachowaj pierwotny operation\_id/X-Client-Request-ID do uzgodnienia danych bez ponownego wysyłania żądania; brak osobnej ścieżki API do cyklicznego sprawdzania stanu audio. Pola odpowiedzi | Pole | Typ | | --- | --- | | Pole`binary audio` | Typbytes | | Pole`response headers` | Typheaders | Błędy i dalsze kroki | Odpowiedź | Warunek | Następny krok | | --- | --- | --- | | Odpowiedź400 · `invalid_request_error` | WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru | Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia. | | Odpowiedź`server_error` | WarunekZwrócona odpowiedź wskazuje, że operacja lub wynik wymaga sprawdzenia | Następny krokZachowaj pierwotnie zwrócony identyfikator operacji lub zadania, nagłówki żądania i odpowiedź; kontynuuj obsługiwane odczyty tej pierwotnej operacji. Nie wysyłaj ponownie żądania utworzenia. | ### Aliasy #### Aliasy modelu **Ailoot Ultra** [`microsoft/mai-voice-2-flash`](https://ailoot.ai/models/pl/#m=microsoft%2Fmai-voice-2-flash&route=Ultra&caller=microsoft%2Fmai-voice-2-flash&fmt=speech) #### Aliasy ścieżek metod Użyj ścieżek metod podanych powyżej. #### Powiązane ID modeli [`microsoft/mai-voice-2-flash`](https://ailoot.ai/models/pl/#m=microsoft%2Fmai-voice-2-flash&route=Ultra&caller=microsoft%2Fmai-voice-2-flash&fmt=speech) FAQ · Microsoft AI: MAI-Voice-2-Flash Jakie dane wejściowe i wyniki są dostępne? `POST /v1/audio/speech` · `microsoft/mai-voice-2-flash`: `text` → `audio` Jakich pól używa żądanie? `POST /v1/audio/speech` · `microsoft/mai-voice-2-flash`: `model`, `input`, `voice`, `response_format` Połącz Ailoot z Claude Code, OpenCode, Hermes albo własną aplikacją. ## Firma i jej portfel projektów Firma i jej portfel projektów: miliony klientów; miesięczna sprzedaż liczona w miliardach. ## Kupuj tokeny z rabatem. Rabat subskrypcji do regularnej pracy. Kody promocyjne — do 50% na tokeny. Subskrypcja Wybierz plan z rabatem do regularnych żądań. Kod promocyjny do 50% Wpisz kod przy zakupie. Cena zostanie przeliczona według aktualnej promocji. Koszty w historii Model, tokeny i kwota są zapisywane dla każdego żądania. [Wybierz subskrypcję](https://ailoot.ai/docs/pl/billing/subscriptions/) · [Sprawdź ceny modeli](https://ailoot.ai/models/pl/) ## Połącz API z produktem, który sprzedajesz. SaaS, aplikacje i boty na warunkach oferty i umowy licencyjnej Ailoot. Do odsprzedaży poproś o licencję resellerską. Aplikacja komercyjna Wbuduj generowanie tekstu, obrazów, wideo i dźwięku w płatne funkcje usługi. Licencja resellerska Prześlij opis projektu i schemat dostępu. Poproś o pisemne warunki używania i odsprzedaży. Dokumenty na stronie Oferta, umowa licencyjna i polityka przetwarzania danych są dostępne przed połączeniem. [Poproś o licencję resellerską](mailto:support@ailoot.ai) · [Oferta i umowa licencyjna](https://ailoot.ai/legal/offer?lang=pl) ## Ailoot · Firma i jej portfel projektów Ailoot opiera się na zgromadzonym doświadczeniu operacyjnym, szerokiej bazie klientów, stabilnej usłudze i stałej kontroli KPI. Firma i jej portfel projektów: miliony klientów; miesięczna sprzedaż liczona w miliardach. Ailoot wykorzystuje to doświadczenie operacyjne, zapewniając dostęp przez API do funkcji AI w produktach klientów, agentach, aplikacjach i automatyzacjach.