Source: https://ailoot.ai/models/pl/microsoft-mai-voice-2/ Canonical: https://ailoot.ai/models/pl/microsoft-mai-voice-2/ Language: pl # Microsoft AI: MAI-Voice-2 [Markdown](https://ailoot.ai/models/pl/microsoft-mai-voice-2/index.md) · [JSON](https://ailoot.ai/models/pl/microsoft-mai-voice-2/facts.json) ## [Microsoft AI: MAI-Voice-2](https://ailoot.ai/models/pl/microsoft-mai-voice-2/) MAI-Voice-2 firmy Microsoft AI tworzy ekspresyjną wielojęzyczną mowę do narracji, dialogów i aplikacji głosowych. Spójność długich treści, wielu mówców i kontrola emocji na poziomie tury wspierają audiobooki, lekcje i głosy postaci. - [**Ailoot Ultra · Synteza mowy** `POST /v1/audio/speech` `microsoft/mai-voice-2`](https://ailoot.ai/models/pl/microsoft-mai-voice-2/#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 to sterowany promptem model zamiany tekstu na mowę Microsoft AI do naturalnych, ekspresyjnych treści mówionych. Producent podkreśla wierność akustyczną, spójność mówcy i zakres emocjonalny. Udokumentowane zadania obejmują asystentów, audiobooki, podcasty, wykłady, postacie edukacyjne i narrację wspierającą dostępność. Tekst wypowiedzi staje się audio wybranym głosem; wariant Voice-2-Flash ma własny profil dla interakcji, w których priorytetem jest natychmiastowa odpowiedź. #### Język i mówca Wydanie Voice-2 Microsoft opisuje piętnaście języków: angielski, francuski, niemiecki, włoski, hiszpański, portugalski, hindi, koreański, chiński uproszczony, turecki, rosyjski, tajski, niderlandzki, rumuński i węgierski. Niektóre języki mają osobne warianty regionalne. Wydanie opisuje też przełączanie hindi–angielski i hiszpański–angielski, dzięki czemu wybrane fragmenty mieszane językowo mogą zachować naturalny sposób przechodzenia mówcy między językami. Przygotuj rzeczywiste słowa do wypowiedzenia i zachowaj ich zamierzony język. Dwujęzyczny fragment edukacyjny może wprowadzać termin w jednym języku i wyjaśniać go w drugim, zachowując nazwy i cytaty. Wynik mówiony należy oceniać pod kątem akcentu i odbiorców wymaganych przez materiał, zamiast traktować wszystkie warianty regionalne zamiennie. Karta modelu udostępnia wyselekcjonowaną bibliotekę głosów i osobną ścieżkę promptowania głosem referencyjnym. Mowa referencyjna nadaje pożądaną tożsamość mówcy bez dostrajania. Microsoft zaleca naturalną wypowiedź konwersacyjną o umiarkowanej energii, ponieważ nagranie wpływa na tempo i sposób wypowiedzi. Gdy zadanie wymaga głosu niestandardowego, użyj reprezentatywnego nagrania z odpowiednią zgodą. #### Dłuższa narracja i dialog Karta modelu dokumentuje generowanie długich treści przez podział na fragmenty z przenoszeniem kontekstu. Wspiera to powiązaną narrację, taką jak rozdział, lekcja lub sekwencja fragmentów podcastu. Dziel scenariusz na znaczących granicach sekcji i zachowuj spójną terminologię oraz wybór mówcy. Długie objaśnienie zyskuje na mówionych przejściach informujących słuchacza o zmianie tematu. Obsługa wielu mówców pozwala nadać różne role w przygotowanym dialogu. Przypisz pytanie i odpowiedź właściwym mówcom i zachowuj te przypisania, gdy rola powraca. Wejście powinno zawierać końcowe kwestie i właściwe wskazówki wykonania, a nie otwartą prośbę do syntezatora mowy o wymyślenie rozmowy. #### Ton i emocjonalna realizacja Microsoft dokumentuje szczegółowe sterowanie tonem, sposobem wypowiedzi i emocjami na poziomie tury. Przykłady wydania pokazują ekspresyjne role mówione i fragmenty emocjonalne. W narracji ustal, które zdanie jest rzeczowe, refleksyjne lub podekscytowane, a następnie zastosuj realizację zgodną z tym znaczeniem. Praktyczna wypowiedź brzmi: „Najcichsza część eksperymentu okazała się najbardziej odkrywcza. To właśnie wtedy wzorzec po raz pierwszy stał się jasny”. Tekst nadaje wykonaniu zamierzoną zmianę akcentowania. W instruktażowym nagraniu lektorskim jasno podaj działanie, a objaśnienie umieść w osobnym zdaniu. W dialogu odróżniaj wypowiadane słowa postaci od notatek scenicznych. Odsłuchuj powtarzane nazwy i przejścia między fragmentami, aby końcowa sekwencja pozostawała spójna. #### Wykorzystaj audio Wyjściem jest nowo wygenerowana mowa dla dostarczonego tekstu. Użyteczną formą jest narracja, dialog lub odpowiedź głosowa aplikacji, których głos i sposób wypowiedzi wynikają ze scenariusza. Zachowaj powiązanie nagrania z tekstem, mówcą i kolejnością sekcji, aby poprawka zmieniała zamierzony fragment bez utraty pozostałej interpretacji. MAI-Voice-2 kładzie nacisk na naturalność i ekspresję w dłuższym doświadczeniu słuchowym. Możliwość długich treści nie oznacza nieograniczonego wejścia ani gwarantowanej maksymalnej długości nagrania. Opis dokładnie Voice-2 pozostaje odrębny od rozszerzonego katalogu języków i ustawień głosu późniejszych wersji Voice-2.1. **Ailoot Ultra · Synteza mowy** `POST /v1/audio/speech` `microsoft/mai-voice-2` [`microsoft/mai-voice-2`](https://ailoot.ai/models/pl/#m=microsoft%2Fmai-voice-2&route=Ultra&caller=microsoft%2Fmai-voice-2&fmt=speech) Microsoft AI /`microsoft/mai-voice-2` ### Start MAI-Voice-2 firmy Microsoft AI tworzy ekspresyjną wielojęzyczną mowę do narracji, dialogów i aplikacji głosowych. Spójność długich treści, wielu mówców i kontrola emocji na poziomie tury wspierają audiobooki, lekcje i głosy postaci. 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 | 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 **$0.044** za 1K znaków wejściowych | #### Szczegóły taryfy referencyjnej Referencyjne tabele modelu nie zmieniają wyboru metody, wyceny ani opłat. Naliczane opłaty korzystają ze stawek wybranej metody Ailoot. Microsoft AI: MAI-Voice-2 #### Ceny według konfiguracji | Konfiguracja | Warunki rozliczania | Opłata | | --- | --- | --- | | KonfiguracjaMicrosoft AI: MAI-Voice-2 · Domyślna konfiguracja | Warunki rozliczaniaKonfiguracja domyślna | Opłata Wejście · Znaki wejściowe **0,000044 USD** za znak wejściowy | Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. [Jak działają rezerwacja i rozliczenie →](https://ailoot.ai/docs/pl/billing/reserve/) ### Przykładowe żądania #### Ailoot Ultra · Synteza mowy curl ```bash set -eu : "${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", "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`](https://ailoot.ai/models/pl/#m=microsoft%2Fmai-voice-2&route=Ultra&caller=microsoft%2Fmai-voice-2&fmt=speech) #### Aliasy ścieżek metod Użyj ścieżek metod podanych powyżej. #### Powiązane ID modeli [`microsoft/mai-voice-2`](https://ailoot.ai/models/pl/#m=microsoft%2Fmai-voice-2&route=Ultra&caller=microsoft%2Fmai-voice-2&fmt=speech) FAQ · Microsoft AI: MAI-Voice-2 Jakie dane wejściowe i wyniki są dostępne? `POST /v1/audio/speech` · `microsoft/mai-voice-2`: `text` → `audio` Jakich pól używa żądanie? `POST /v1/audio/speech` · `microsoft/mai-voice-2`: `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.