Source: https://ailoot.ai/models/pl/speech-02-hd/ Canonical: https://ailoot.ai/models/pl/speech-02-hd/ Language: pl # speech-02-hd [Markdown](https://ailoot.ai/models/pl/speech-02-hd/index.md) · [JSON](https://ailoot.ai/models/pl/speech-02-hd/facts.json) ## [speech-02-hd](https://ailoot.ai/models/pl/speech-02-hd/) Speech-02 HD to model syntezy mowy z naciskiem na jakość brzmienia i podobieństwo głosu. - [**Ailoot · Synteza mowy** `POST /v1/audio/speech` `speech-02-hd`](https://ailoot.ai/models/pl/speech-02-hd/#method-0) O modelu Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody. #### Głos do syntezy mowy i długiego czytania Speech 02 HD tworzy mowę z naciskiem na jakość, rytm i stabilność brzmienia. Producent podkreśla odczytywanie materiałów i audiobooki, w których głos musi zachowywać charakter i płynnie przechodzić przez długi tekst. Jest to model syntezy: przyjmuje tekst i przekształca go w dźwięk mowy. #### Jak łączą się tekst i barwa Podstawą rodziny Speech 02 są autoregresyjna architektura Transformer i trenowany enkoder mówcy. Wyodrębnianie barwy i generowanie mowy były trenowane wspólnie, aby dopasować cechy głosu do treści. Możliwości rodziny obejmują używanie przygotowanych sklonowanych głosów i łączenie języka, akcentu oraz sposobu wymowy. #### Emocje i wielojęzyczne czytanie Zabarwienie emocjonalne może wynikać z sensu tekstu lub być określane ręcznie. Dostępne są radość, smutek, gniew, strach, wstręt, zaskoczenie i spokój. Model pracuje z rosyjskim, angielskim i innymi językami; producent opisuje różne akcenty mowy angielskiej, chiński i kantoński, japoński, koreański, języki europejskie i inne. Obecny opis Speech 02 osobno wyklucza perski, filipiński i tamilski. Ogólnej listy języków nowszych generacji Speech nie należy automatycznie przenosić na tę wersję. #### Ustawienia głosu Dla syntezy przewidziano wybór głosu, zmianę szybkości **0,5–2**, głośności powyżej 0 i do **10** oraz wysokości od **−12 do 12**. Słownik wymowy pozwala zastępować zapis potrzebnym sposobem odczytania; obsługiwane są zapisy fonetyczne i japońskie warianty wymowy. Pomaga to sterować brzmieniem nazw i niejednoznacznych słów. #### Pauzy i gotowy dźwięk Producent pozwala określać pauzy między wypowiadanymi fragmentami o długości **0,01–99,99 sekundy**. Czas pauzy podaje się z dokładnością do dwóch miejsc po przecinku; znaczniki umieszcza się między wypowiadanymi fragmentami, a nie jeden po drugim. Tekst jednego żądania synchronicznego musi zawierać mniej niż **10 000 znaków**. Przewidziano uzyskiwanie dźwięku w całości i stopniowo; dla tekstu powyżej 3000 znaków zalecane jest wyjście strumieniowe. Formaty modelu obejmują MP3, WAV, FLAC i PCM; ogólne ustawienia syntezy opisują także Opus i warianty G.711 μ-law. Można używać mono lub stereo. W tej karcie dostępna jest synteza mowy z tekstu, a osobne przygotowywanie głosu i rozszerzone ustawienia stosuje się tylko w granicach obsługiwanego sposobu korzystania przez Ailoot. Dodatkowe ustawienia dźwięku obejmują częstotliwości próbkowania **8, 16, 22,05, 24, 32 i 44,1 kHz**. Dla MP3 przewidziano przepływność **32, 64, 128 lub 256 kbit/s**. Można także zmieniać zabarwienie głosu i stosować jeden efekt: przestrzenne echo, echo sali, brzmienie telefoniczne lub głos robotyczny. Efekty zmiany głosu są obsługiwane dla MP3, WAV i FLAC przy uzyskiwaniu całego dźwięku, a przy wyjściu strumieniowym — tylko dla MP3. Formaty G.711 μ-law wykorzystują częstotliwość 8 kHz. Możliwości te dotyczą ustawień syntezy MiniMax. Producent przewiduje synchronizację mowy z tekstem: znaczniki czasu według zdań, słów lub słów przy stopniowym zwracaniu wyniku. Taki wynik pomaga połączyć wypowiedź z wyświetlanym tekstem. Ta dodatkowa możliwość wymaga obsługi odpowiedniego formatu odpowiedzi. **Ailoot · Synteza mowy** `POST /v1/audio/speech` `speech-02-hd` [`speech-02-hd`](https://ailoot.ai/models/pl/#m=speech-02-hd&route=Core&caller=speech-02-hd&fmt=speech) MiniMax /`speech-02-hd` ### Start Speech-02 HD to model syntezy mowy z naciskiem na jakość brzmienia i podobieństwo głosu. Akceptowane dane wejściowe Tekst Wyniki speech ### Dostępne w Ailoot · dane wejściowe i metody **Ailoot · Synteza mowy** `POST /v1/audio/speech` Wejście `text` Wyjście `speech` Format wyjściowy mp3 | Pole | Typ | Wymaganie | Wartości i limity | Domyślnie | | --- | --- | --- | --- | --- | | Pole`model` | Typ`string` | WymaganieWymagane | Wartości i limity speech-02-hd | Domyślnie— | | Pole`input` | Typ`string` | WymaganieWymagane | Wartości i limity Minimalna długość: 1 Maksymalna długość (bez wartości granicznej): 10 000 Jednostka: znaki Unicode | Domyślnie— | | Pole`voice` | Typ`string` | WymaganieWymagane | Wartości i limity Wzorzec: ^\[A-Za-z0-9\_-\]{1,128}$ | Domyślnie— | | Pole`response_format` | Typ`string` | WymaganieOpcjonalne | Wartości i limity mp3 | Domyślnie— | Kombinacje materiałów wejściowych **text\_to\_speech** · Wymagane: input Parametry i cykl życia metody | Parametr | Kontrakt | | --- | --- | | Parametr`material_types` | Kontrakttext | | Parametr`required` | Kontraktnull | | Parametr`optional_controls` | Kontraktnull | 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}` Struktury metod i ID są dokładne; możliwości dostawcy są odrębne od dopuszczenia żądania. ### Cennik #### Stawki metod Ailoot Wejście 100,00 USD *za 1 milion znaków* 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 · Synteza mowy Przykład mowy ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_TEXT_FILE:?Set your actual UTF-8 narration script}" export AILOOT_TEXT_FILE : "${AILOOT_VOICE_ID:?Set the actual accepted voice ID for this model}" export AILOOT_VOICE_ID python3 - <<'PY_REQUEST' import json,os from pathlib import Path p=json.loads('{"model": "speech-02-hd", "input": ""}') f=Path(os.environ["AILOOT_TEXT_FILE"]) if not f.is_file():raise SystemExit("Choose your actual UTF-8 source material") text=f.read_text(encoding="utf-8") if not text.strip():raise SystemExit("Source material must contain text") p["input"]=text import re voice=os.environ["AILOOT_VOICE_ID"] if not re.fullmatch(r"[A-Za-z0-9_-]{1,128}",voice):raise SystemExit("Set an actual accepted voice ID") p["voice"]=voice 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 · 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}` ##### 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** [`speech-02-hd`](https://ailoot.ai/models/pl/#m=speech-02-hd&route=Core&caller=speech-02-hd&fmt=speech) #### Aliasy ścieżek metod Użyj ścieżek metod podanych powyżej. #### Powiązane ID modeli [`speech-02-hd`](https://ailoot.ai/models/pl/#m=speech-02-hd&route=Core&caller=speech-02-hd&fmt=speech) FAQ · speech-02-hd Jakie dane wejściowe i wyniki są dostępne? `POST /v1/audio/speech` · `speech-02-hd`: `text` → `speech` Jakich pól używa żądanie? `POST /v1/audio/speech` · `speech-02-hd`: `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.