speech-2.8-turbo

Speech 2.8 Turbo to szybka synteza naturalnej mowy ze znacznikami dźwiękowymi i sterowaniem ekspresyjnością.

Ailoot · Synteza mowy POST /v1/audio/speech speech-2.8-turbo
Ailoot · Synteza mowy POST /v1/audio/speech minimax-speech-turbo

O modelu

Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.

Szybka synteza wypowiedzi rozmowy

Speech 2.8 Turbo łączy szybkie tworzenie dźwięku z naturalnymi zmianami głosu. Producent pozycjonuje Turbo do płynnego brzmienia rozmowy: krótkich wypowiedzi, syntezy mowy z tekstu i interakcji głosowej. Ta karta przyjmuje tekst i zwraca dźwięk mowy.

Śmiech, oddech i wykrzyknienia

Podobnie jak wersja HD tej generacji Turbo obsługuje znaczniki dźwiękowe Speech 2.8. Tekst może zawierać oznaczenia śmiechu, chichotu, kaszlu, odchrząknięcia, wdechu, wydechu, westchnienia i innych krótkich dźwięków. Taka kontrolowana nierówność upodabnia wypowiedź do rozmowy: pojawiają się w niej oddech i pauzy powiązane z treścią.

Znacznik dźwiękowy dotyczy konkretnego miejsca w tekście. Używa się do tego przewidzianych przez model oznaczeń w nawiasach okrągłych, na przykład (laughs) lub (breath). Dowolny opis efektu nie jest równoważnym zamiennikiem obsługiwanego znacznika.

Głos i język

Rodzina Speech 2.8 obsługuje 40 języków, w tym rosyjski, i pracę z gotowymi głosami. Producent podkreśla rozpoznawalną fakturę głosu, cechy oddychania i ograniczanie zniekształceń cyfrowych. Możliwość klonowania należy do osobnego przygotowania głosu, który następnie można używać w syntezie.

MiniMax przewiduje wybór głosu i sterowanie tempem, głośnością oraz wysokością. Szybkość określa się w zakresie 0,5–2, głośność — powyżej 0 i do 10, a zmianę wysokości — od −12 do 12. Emocję można pozostawić modelowi według sensu tekstu albo wskazać ręcznie: radość, smutek, gniew, strach, wstręt, zaskoczenie lub spokój.

Wymowę można doprecyzowywać słownikiem zamian i zapisem fonetycznym; przewidziano w nim międzynarodowy alfabet fonetyczny, chiński pinyin i japońskie warianty czytania. Pauzy określa się między wypowiadanymi fragmentami w zakresie 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. Ustawienia te pozwalają dopasować brzmienie nazw, skrótów i niejednoznacznych słów do zamysłu syntezy mowy.

Stopniowe zwracanie wyniku i format dźwięku

Synteza przyjmuje tekst krótszy niż 10 000 znaków. Dla długiego tekstu powyżej 3000 znaków producent zaleca wyjście strumieniowe; przewidziano też uzyskiwanie gotowego dźwięku w całości. Ogólne ustawienia syntezy obejmują MP3, PCM, FLAC, WAV, Opus i warianty G.711 μ-law, mono lub stereo; dostępny zestaw formatów konkretnego żądania określają narzędzia Ailoot.

Szybkość Turbo jest cechą wariantu modelu, a nie obietnicą stałego opóźnienia gotowej wypowiedzi. Nie określa się tutaj liczbowego opóźnienia tego żądania. Wymienione rozszerzone ustawienia producenta wymagają obsługi w wybranym sposobie 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 też 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. Pomaga to dopasować wypowiedź do wyświetlanego tekstu. Ta dodatkowa możliwość wymaga obsługi odpowiedniego formatu odpowiedzi.

Ailoot · Synteza mowy POST /v1/audio/speech speech-2.8-turbo

speech-2.8-turbo

MiniMax /speech-2.8-turbo

ID modelu

speech-2.8-turbo
minimax-speech-turbo

Start

Speech 2.8 Turbo to szybka synteza naturalnej mowy ze znacznikami dźwiękowymi i sterowaniem ekspresyjnością.

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-2.8-turbo	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

Ailoot Synteza mowyPOST /v1/audio/speech

Wejście: 60,00 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 →

Przykładowe żądania

Ailoot · Synteza mowy

Przykład mowy

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-2.8-turbo", "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-2.8-turbo, minimax-speech-turbo

Aliasy ścieżek metod

Użyj ścieżek metod podanych powyżej.

Powiązane ID modeli

speech-2.8-turbo, minimax-speech-turbo

Ailoot · Synteza mowy POST /v1/audio/speech minimax-speech-turbo

minimax-speech-turbo

MiniMax /minimax-speech-turbo

ID modelu

speech-2.8-turbo
minimax-speech-turbo

Start

Speech 2.8 Turbo to szybka synteza naturalnej mowy ze znacznikami dźwiękowymi i sterowaniem ekspresyjnością.

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 minimax-speech-turbo	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

Ailoot Synteza mowyPOST /v1/audio/speech

Wejście: 60,00 USD za 1 milion znaków

Przykładowe żądania

Ailoot · Synteza mowy

Przykład mowy

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": "minimax-speech-turbo", "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-2.8-turbo, minimax-speech-turbo

Aliasy ścieżek metod

Użyj ścieżek metod podanych powyżej.

Powiązane ID modeli

speech-2.8-turbo, minimax-speech-turbo

FAQ · speech-2.8-turbo

Jakie dane wejściowe i wyniki są dostępne?

POST /v1/audio/speech · speech-2.8-turbo: text → speech

POST /v1/audio/speech · minimax-speech-turbo: text → speech

Jakich pól używa żądanie?

POST /v1/audio/speech · speech-2.8-turbo: model, input, voice, response_format

POST /v1/audio/speech · minimax-speech-turbo: model, input, voice, response_format

speech-2.8-turbo

speech-2.8-turbo

Szybka synteza wypowiedzi rozmowy

Śmiech, oddech i wykrzyknienia

Głos i język

Stopniowe zwracanie wyniku i format dźwięku

Start

Dostępne w Ailoot · dane wejściowe i metody

Cennik

Stawki metod Ailoot

Przykładowe żądania

Ailoot · Synteza mowy

Odbieranie i zapisywanie wyników

Ailoot · Synteza mowy

Zachowaj wszystkie ukończone wyniki

Jeśli trzeba sprawdzić pierwotną odpowiedź

Aliasy

Aliasy modelu

Aliasy ścieżek metod

Powiązane ID modeli

Start

Dostępne w Ailoot · dane wejściowe i metody

Cennik

Stawki metod Ailoot

Przykładowe żądania

Ailoot · Synteza mowy

Odbieranie i zapisywanie wyników

Ailoot · Synteza mowy

Zachowaj wszystkie ukończone wyniki

Jeśli trzeba sprawdzić pierwotną odpowiedź

Aliasy

Aliasy modelu

Aliasy ścieżek metod

Powiązane ID modeli

Firma i jej portfel projektów

Kupuj tokeny z rabatem.

Połącz API z produktem, który sprzedajesz.