Source: https://ailoot.ai/models/pl/minimax-speech-01-turbo/ Canonical: https://ailoot.ai/models/pl/minimax-speech-01-turbo/ Language: pl # MiniMax: Speech 01 Turbo [Markdown](https://ailoot.ai/models/pl/minimax-speech-01-turbo/index.md) · [JSON](https://ailoot.ai/models/pl/minimax-speech-01-turbo/facts.json) ## [MiniMax: Speech 01 Turbo](https://ailoot.ai/models/pl/minimax-speech-01-turbo/) MiniMax Speech 01 Turbo odczytuje dostarczony tekst jako wygenerowaną mowę przez synchroniczne żądanie audio\_speech. Przyjmuje tekst krótszy niż 10 000 znaków i oferuje ustawienia głosu, tempa i wysokości tonu z wyjściem MP3, PCM, FLAC lub WAV. - [**Ailoot Ultra · Speech** `POST /v1/audio/speech` `minimax/speech-01-turbo`](https://ailoot.ai/models/pl/minimax-speech-01-turbo/#method-0) O modelu Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody. MiniMax Speech 01 Turbo przekształca dostarczony tekst w mowę. Jego dokładny identyfikator modelu Ailoot to minimax/speech-01-turbo, a udokumentowany selektor syntezy to speech-01-turbo. Użyj metody audio\_speech do nagrania lektorskiego, lekcji głosowej, objaśnienia produktu lub roboczej narracji, której brzmienie tekstowe już masz. Wejściem jest fragment do odczytania, a wynikiem zsyntetyzowana mowa w wybranym formacie audio. Przygotuj tekst jako słowa przeznaczone do wypowiedzenia, z interpunkcją odzwierciedlającą frazowanie. Przy roboczej narracji podaj docelową kolejność zdań i pisownię nazw przed wyborem ustawień głosu. Zachowaj wskazówki wykonawcze oddzielnie od odczytywanego fragmentu, chyba że te słowa mają znaleźć się w nagraniu. Odsłuchaj ważne nazwy, liczby i przejścia w wyniku i porównaj je z tekstem źródłowym. Tekst musi być krótszy niż 10 000 znaków. Opublikowany kontrakt syntezy wymaga pól model i text. Dla dłuższego materiału przygotuj fragmenty w tym limicie i zachowaj ich kolejność do montażu. Profil synchroniczny korzysta z kompletnej odpowiedzi, ze stream=false jako udokumentowaną wartością domyślną. Ogólne API opisuje również opcje strumieniowania, ale wybraną metodą tej karty jest synchroniczny przepływ mowy. voice\_setting wybiera dostępny voice\_id i steruje parametrami speed, vol i pitch. Udokumentowany zakres speed wynosi 0,5–2, z 1 jako wartością domyślną. vol musi być większe niż 0 i nie większe niż 10, z 1 jako wartością domyślną; pitch to liczba całkowita od -12 do 12, z 0 jako wartością domyślną. Dopasuj każde ustawienie do fragmentu: porównuj tempo czytania i słyszalność rzeczywistego nagrania, zamiast zakładać, że zmiana liczby tworzy określone wykonanie. Udokumentowane wartości emotion to happy, sad, angry, fearful, disgusted, surprised, calm i fluent. Tekst również może kierować emocją modelu. text\_normalization to oddzielny parametr logiczny przygotowania odczytu liczb w językach chińskim i angielskim, a latex\_read steruje odczytem wzorów LaTeX; oba domyślnie wynoszą false. pronunciation\_dict.tone może zawierać udokumentowane reguły zastępowania wymowy. Sprawdź nazwę lub specjalistyczne wyrażenie w wynikowym nagraniu przed użyciem go w dłuższej narracji. audio\_setting.format przyjmuje mp3, pcm, flac lub wav, z mp3 jako wartością domyślną. sample\_rate przyjmuje 8000, 16000, 22050, 24000, 32000 lub 44100 i domyślnie wynosi 32000. bitrate przyjmuje 32000, 64000, 128000 lub 256000, domyślnie wynosi 128000 i dotyczy MP3. channel wybiera 1 dla mono lub 2 dla stereo, z 1 jako wartością domyślną. Zachowaj te wybory wraz z fragmentem źródłowym, aby można było sprawdzić zwrócony plik pod kątem zamierzonego miejsca edycji lub odtwarzania. Dodatkowe udokumentowane parametry obejmują language\_boost, którego dokładne nazwane wartości to między innymi English, Russian, Chinese i Chinese,Yue; wybierz dla fragmentu rzeczywistą wartość z listy. timber\_weights może łączyć istniejące wpisy voice\_id z całkowitymi wartościami weight od 1 do 100. Opublikowane wartości sound\_effects to spacious\_echo, auditorium\_echo, lofi\_telephone i robotic. Są to opcjonalne parametry kształtowania wybranego głosu; zapisuj ich rzeczywiste ustawienia podczas porównywania odczytów. Wynik synchroniczny zawiera wygenerowaną mowę. output\_format wybiera url lub hex i domyślnie wynosi hex w schemacie syntezy. Pobierz plik wskazany w wyniku URL lub zdekoduj wynik hex do bajtów audio przed odtworzeniem. Zachowaj zwrócone metadane audio, w tym format, częstotliwość próbkowania, liczbę kanałów i rozmiar, wraz z nagraniem. subtitle\_enable domyślnie wynosi false i po włączeniu dotyczy wyłącznie wyjścia niestrumieniowego; źródło nie określa formatu pliku napisów dla tego profilu. Zapisz razem fragment źródłowy, dokładny identyfikator modelu, wybrany głos i ukończone nagranie. Przed umieszczeniem go w wideo, lekcji lub przewodniku głosowym oceń cały odczyt pod kątem zamierzonego brzmienia tekstu, pauz i wybranych ustawień wykonania. Jeśli odpowiedź jest niepełna, zachowaj tożsamość pierwotnego żądania i zwrócone informacje do uzgodnienia wyniku przed zamówieniem kolejnego nagrania. Późniejsza korekta może zmienić konkretną frazę lub ustawienie głosu, zachowując resztę tekstu dla wyraźnego porównania. **Ailoot Ultra · Speech** `POST /v1/audio/speech` `minimax/speech-01-turbo` [`minimax/speech-01-turbo`](https://ailoot.ai/models/pl/#m=minimax%2Fspeech-01-turbo&route=Ultra&caller=minimax%2Fspeech-01-turbo&fmt=speech) MiniMax /`minimax/speech-01-turbo` ### Start MiniMax Speech 01 Turbo odczytuje dostarczony tekst jako wygenerowaną mowę przez synchroniczne żądanie audio\_speech. Przyjmuje tekst krótszy niż 10 000 znaków i oferuje ustawienia głosu, tempa i wysokości tonu z wyjściem MP3, PCM, FLAC lub WAV. Akceptowane dane wejściowe Tekst Wyniki Audio ### Dostępne w Ailoot · dane wejściowe i metody **Ailoot Ultra · Speech** `POST /v1/audio/speech` Wejście `text` Wyjście `audio` Format wyjściowy mp3,pcm,flac,wav | Pole | Typ | Wymaganie | Wartości i limity | Domyślnie | | --- | --- | --- | --- | --- | | Pole`model` | Typ`string` | WymaganieWymagane | Wartości i limity minimax/speech-01-turbo | Domyślnie— | | Pole`text` | Typ`string` | WymaganieWymagane | Wartości i limity | Domyślnie— | | Pole`stream` | Typ`boolean` | WymaganieOpcjonalne | Wartości i limity false | Domyślniefalse | | Pole`voice_setting` | Typ`object` | WymaganieOpcjonalne | Wartości i limity | Domyślnie— | | Pole`voice_setting.voice_id` | Typ`string` | WymaganieOpcjonalne | Wartości i limity | Domyślnie— | | Pole`voice_setting.speed` | Typ`number` | WymaganieOpcjonalne | Wartości i limity Minimum: 0,5 Maksimum: 2 | Domyślnie1 | | Pole`voice_setting.vol` | Typ`number` | WymaganieOpcjonalne | Wartości i limity Minimum: 0 Maksimum: 10 | Domyślnie1 | | Pole`voice_setting.pitch` | Typ`integer` | WymaganieOpcjonalne | Wartości i limity Minimum: -12 Maksimum: 12 | Domyślnie0 | | Pole`voice_setting.emotion` | Typ`string` | WymaganieOpcjonalne | Wartości i limity happy, sad, angry, fearful, disgusted, surprised, calm, fluent | Domyślnie— | | Pole`voice_setting.text_normalization` | Typ`boolean` | WymaganieOpcjonalne | Wartości i limity | Domyślniefalse | | Pole`voice_setting.latex_read` | Typ`boolean` | WymaganieOpcjonalne | Wartości i limity | Domyślniefalse | | Pole`audio_setting` | Typ`object` | WymaganieOpcjonalne | Wartości i limity | Domyślnie— | | Pole`audio_setting.sample_rate` | Typ`integer` | WymaganieOpcjonalne | Wartości i limity 8000, 16 000, 22 050, 24 000, 32 000, 44 100 | Domyślnie32 000 | | Pole`audio_setting.bitrate` | Typ`integer` | WymaganieOpcjonalne | Wartości i limity 32 000, 64 000, 128 000, 256 000 | Domyślnie128 000 | | Pole`audio_setting.format` | Typ`string` | WymaganieOpcjonalne | Wartości i limity mp3, pcm, flac, wav | Domyślniemp3 | | Pole`audio_setting.channel` | Typ`integer` | WymaganieOpcjonalne | Wartości i limity 1, 2 | Domyślnie1 | | Pole`audio_setting.force_cbr` | Typ`boolean` | WymaganieOpcjonalne | Wartości i limity | Domyślniefalse | | Pole`pronunciation_dict` | Typ`object` | WymaganieOpcjonalne | Wartości i limity | Domyślnie— | | Pole`pronunciation_dict.tone` | Typ`array` | WymaganieOpcjonalne | Wartości i limity | Domyślnie— | | Pole`timber_weights` | Typ`array` | WymaganieOpcjonalne | Wartości i limity | Domyślnie— | | Pole`language_boost` | Typ`string` | WymaganieOpcjonalne | Wartości i limity Chinese, Chinese,Yue, English, Arabic, Russian, Spanish, French, Portuguese, German, Turkish, Dutch, Ukrainian, Vietnamese, Indonesian, Japanese, Italian, Korean, Thai, Polish, Romanian, Greek, Czech, Finnish, Hindi, Bulgarian, Danish, Hebrew, Malay, Persian, Slovak, Swedish, Croatian, Filipino, Hungarian, Norwegian, Slovenian, Catalan, Nynorsk, Tamil, Afrikaans, auto | Domyślnie— | | Pole`voice_modify` | Typ`object` | WymaganieOpcjonalne | Wartości i limity | Domyślnie— | | Pole`voice_modify.pitch` | Typ`integer` | WymaganieOpcjonalne | Wartości i limity -100, 100 | Domyślnie— | | Pole`voice_modify.intensity` | Typ`integer` | WymaganieOpcjonalne | Wartości i limity -100, 100 | Domyślnie— | | Pole`voice_modify.timbre` | Typ`integer` | WymaganieOpcjonalne | Wartości i limity -100, 100 | Domyślnie— | | Pole`voice_modify.sound_effects` | Typ`string` | WymaganieOpcjonalne | Wartości i limity spacious\_echo, auditorium\_echo, lofi\_telephone, robotic | Domyślnie— | | Pole`subtitle_enable` | Typ`boolean` | WymaganieOpcjonalne | Wartości i limity | Domyślniefalse | | Pole`output_format` | Typ`string` | WymaganieOpcjonalne | Wartości i limity url, hex | Domyślniehex | | Pole`aigc_watermark` | Typ`boolean` | WymaganieOpcjonalne | Wartości i limity | Domyślniefalse | Parametry i cykl życia metody | Parametr | Kontrakt | | --- | --- | | Parametr`content_type` | Kontraktapplication/json | | Parametr`required` | Kontraktmodel, text | | Parametr`optional` | Kontraktstream, voice\_setting, audio\_setting, pronunciation\_dict, timber\_weights, language\_boost, voice\_modify, subtitle\_enable, output\_format, aigc\_watermark | | Parametr`material_types` | Kontrakttext | | Parametr`conditions` | KontraktUse text, not input or contents. Fewer than 10000 Unicode characters; stream is false or omitted., PCM is raw audio with its returned sample geometry; do not invent a WAV header or bit depth. | Cykl życia: `synchronous_result_then_owned_library` `GET /v1/media/assets` `GET /v1/media/assets/{asset_id}` ### 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 | Jednostka rozliczeniowa | Opłata | | --- | --- | --- | --- | | KonfiguracjaBazowe stawki za tokeny | Tabela stawekStawka podstawowa | 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 | | Konfiguracjaznak wejściowy | Tabela stawek— | Jednostka rozliczeniowaza znak wejściowy | Opłata Wejście · znak wejściowy **$0.00006** za znak wejściowy | Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. [Jak działają rezerwacja i rozliczenie →](https://ailoot.ai/docs/pl/billing/reserve/) ### Przykładowe żądania #### Ailoot Ultra · Speech curl · utwórz raz i zachowaj kompletny wynik ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" export AILOOT_API_KEY python3 - <<'PY_REQUEST' import json,os from pathlib import Path p=json.loads('{"model": "minimax/speech-01-turbo", "text": "Hello, this is a short speech example.", "stream": false, "output_format": "hex", "audio_setting": {"format": "mp3", "sample_rate": 32000, "channel": 1}}') 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 result.json # Submit once. Retain the complete result, original identifiers and every response header. ``` ### Odbieranie i zapisywanie wyników #### Ailoot Ultra · Speech mp3,pcm,flac,wav - `GET /v1/media/assets` - `GET /v1/media/assets/{asset_id}` ##### Zachowaj wszystkie ukończone wyniki Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści. Retain the full JSON. Decode every hex audio byte or use the returned owned URL. Keep the actual format, sample rate, channel count and usage\_characters. ##### Jeśli trzeba sprawdzić pierwotną odpowiedź Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation. Pola odpowiedzi | Pole | Typ | | --- | --- | | Pole`data.audio` | Typstring | | Pole`extra_info` | Typobject | | Pole`trace_id` | Typstring | ### Aliasy #### Aliasy modelu **Ailoot Ultra** [`minimax/speech-01-turbo`](https://ailoot.ai/models/pl/#m=minimax%2Fspeech-01-turbo&route=Ultra&caller=minimax%2Fspeech-01-turbo&fmt=speech) #### Aliasy ścieżek metod Użyj ścieżek metod podanych powyżej. #### Powiązane ID modeli [`minimax/speech-01-turbo`](https://ailoot.ai/models/pl/#m=minimax%2Fspeech-01-turbo&route=Ultra&caller=minimax%2Fspeech-01-turbo&fmt=speech) FAQ · MiniMax: Speech 01 Turbo Jakie dane wejściowe i wyniki są dostępne? `POST /v1/audio/speech` · `minimax/speech-01-turbo`: `text` → `audio` Jakich pól używa żądanie? `POST /v1/audio/speech` · `minimax/speech-01-turbo`: `model`, `text`, `stream`, `voice_setting`, `audio_setting`, `pronunciation_dict`, `timber_weights`, `language_boost`, `voice_modify`, `subtitle_enable`, `output_format`, `aigc_watermark` Jakie limity obowiązują? `POST /v1/audio/speech` · `minimax/speech-01-turbo`: `voice_setting.speed.minimum`: `0.5`; `voice_setting.speed.maximum`: `2`; `voice_setting.vol.minimum`: `0`; `voice_setting.vol.maximum`: `10`; `voice_setting.pitch.minimum`: `-12`; `voice_setting.pitch.maximum`: `12` 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.