MiniMax: Speech 2.8 HD

Speech 2.8 HD sintetiza fala expressiva com controlo da emoção e de pormenores sonoros, como respiração e riso.

Ailoot Ultra · Síntese de voz POST /v1/audio/speech minimax/speech-2.8-hd

Sobre o modelo

Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.

Fala viva com pequenos pormenores sonoros

Speech 2.8 HD destina-se a som natural e limpo. A principal característica desta geração são etiquetas sonoras que permitem incluir pormenores de conversa na fala: riso, risinho, respiração, inspiração, expiração, suspiro, tosse, limpeza da garganta e outros sons breves. Ajudam a transmitir o ritmo e as pausas de uma intervenção viva, sem transformar todas as frases numa leitura uniforme de locutor.

As etiquetas são inseridas no texto na forma indicada para o modelo: por exemplo, (chuckle), (breath) e (sighs) representam as ações sonoras correspondentes. A capacidade de etiquetas sonoras pertence especificamente ao Speech 2.8. São pormenores da voz dentro da síntese de fala, em vez de geração de uma composição musical ou sonora separada.

Timbre e clareza

O fabricante destaca a transmissão das características próprias da voz: textura, respiração e estilo de pronúncia. As capacidades da família incluem síntese com uma voz clonada já preparada; criar essa voz é um processo separado. No Speech 2.8, o processamento foi também reformulado para reduzir ruído de fundo e distorções digitais.

Línguas e expressividade

Speech 2.8 suporta 40 línguas, incluindo russo. O fabricante descreve separadamente trabalho de pronúncia entre línguas na combinação chinês-japonês. Este cenário refere-se à preservação de som natural ao utilizar várias línguas, em vez de tradução automática do texto.

A MiniMax prevê escolha da voz e controlo do ritmo, volume e altura. A velocidade é definida no intervalo 0,5–2, o volume é superior a 0 e até 10, e a alteração de altura situa-se entre −12 e 12. A emoção pode ficar ao critério do modelo a partir do sentido do texto ou ser indicada manualmente: alegria, tristeza, raiva, medo, repulsa, surpresa ou serenidade.

A pronúncia pode ser ajustada com um dicionário de substituições e notação fonética; estão previstos alfabeto fonético internacional, pinyin chinês e variantes de leitura japonesas. As pausas são definidas entre fragmentos pronunciados no intervalo 0,01–99,99 segundos. A duração da pausa é definida com duas casas decimais; os marcadores são colocados entre fragmentos pronunciados e não são dispostos consecutivamente. Estas configurações permitem adequar a pronúncia de nomes, abreviaturas e palavras ambíguas à narração pretendida.

Resultado de áudio

A síntese recebe texto com menos de 10 000 caracteres. Para texto longo com mais de 3000 caracteres, o fabricante recomenda saída em fluxo; está também prevista receção do áudio pronto completo. As configurações gerais de síntese incluem MP3, PCM, FLAC, WAV, Opus e variantes de G.711 μ-law, em mono ou estéreo; os meios da Ailoot determinam os formatos disponíveis em cada pedido concreto.

Esta ficha transforma texto em áudio de fala. As capacidades de configuração da voz descrevem o modelo MiniMax; criar um clone de voz, legendas separadas e formas especiais de ligação não são incluídos automaticamente num pedido de conversão em fala.

As configurações adicionais de áudio incluem frequências de amostragem de 8, 16, 22,05, 24, 32 e 44,1 kHz. Para MP3, estão previstas taxas de bits de 32, 64, 128 ou 256 kbit/s. Pode também alterar-se o timbre da voz e aplicar um efeito: eco amplo, eco de sala, som telefónico ou voz robótica. Os efeitos de alteração da voz são suportados em MP3, WAV e FLAC ao receber o áudio completo e, na saída em fluxo, apenas em MP3. Os formatos G.711 μ-law utilizam frequência de 8 kHz. Estas capacidades pertencem às configurações de síntese da MiniMax.

O fabricante prevê sincronização da fala com o texto: marcas temporais por frases, palavras ou palavras na saída gradual. Este resultado ajuda a combinar a pronúncia com a apresentação do texto. Esta capacidade adicional exige suporte do formato de resposta correspondente.

Ailoot Ultra · Síntese de voz POST /v1/audio/speech minimax/speech-2.8-hd

minimax/speech-2.8-hd

MiniMax /minimax/speech-2.8-hd

Introdução

Speech 2.8 HD sintetiza fala expressiva com controlo da emoção e de pormenores sonoros, como respiração e riso.

Entradas aceites: Texto
Resultados: Áudio

Disponível no Ailoot · entradas e métodos

Ailoot Ultra · Síntese de voz POST /v1/audio/speech

Entrada: text
Saída: audio
Formato de saída: mp3

Campo	Tipo	Requisito	Valores e limites	Predefinição
Campo`model`	Tipo`string`	RequisitoObrigatório	Valores e limites minimax/speech-2.8-hd	Predefinição—
Campo`input`	Tipo`string`	RequisitoObrigatório	Valores e limites Comprimento mínimo: 1 Unidade: carateres Unicode	Predefinição—
Campo`voice`	Tipo`string`	RequisitoObrigatório	Valores e limites English_expressive_narrator, English_radiant_girl, English_magnetic_voiced_man, English_compelling_lady1, English_Aussie_Bloke, English_captivating_female1, English_Upbeat_Woman, English_Trustworth_Man, English_CalmWoman, English_UpsetGirl, English_Gentle-voiced_man, English_Whispering_girl, English_Diligent_Man, English_Graceful_Lady, English_ReservedYoungMan, English_PlayfulGirl, English_ManWithDeepVoice, English_MaturePartner, English_FriendlyPerson, English_MatureBoss, English_Debator, English_LovelyGirl, English_Steadymentor, English_Deep-VoicedGentleman, English_Wiselady, English_CaptivatingStoryteller, English_DecentYoungMan, English_SentimentalLady, English_ImposingManner, English_SadTeen, English_PassionateWarrior, English_WiseScholar, English_Soft-spokenGirl, English_SereneWoman, English_ConfidentWoman, English_PatientMan, English_Comedian, English_BossyLeader, English_Strong-WilledBoy, English_StressedLady, English_AssertiveQueen, English_AnimeCharacter, English_Jovialman, English_WhimsicalGirl, English_Kind-heartedGirl	Predefinição—
Campo`response_format`	Tipo`string`	RequisitoObrigatório	Valores e limites mp3	Predefinição—

Combinações de materiais de entrada

text_to_speech · Obrigatório: input

Parâmetros e ciclo de vida do método

Parâmetro	Contrato
Parâmetro`content_type`	Contratoapplication/json
Parâmetro`required`	Contratomodel, input, voice, response_format
Parâmetro`voice_ids`	ContratoEnglish_expressive_narrator, English_radiant_girl, English_magnetic_voiced_man, English_compelling_lady1, English_Aussie_Bloke, English_captivating_female1, English_Upbeat_Woman, English_Trustworth_Man, English_CalmWoman, English_UpsetGirl, English_Gentle-voiced_man, English_Whispering_girl, English_Diligent_Man, English_Graceful_Lady, English_ReservedYoungMan, English_PlayfulGirl, English_ManWithDeepVoice, English_MaturePartner, English_FriendlyPerson, English_MatureBoss, English_Debator, English_LovelyGirl, English_Steadymentor, English_Deep-VoicedGentleman, English_Wiselady, English_CaptivatingStoryteller, English_DecentYoungMan, English_SentimentalLady, English_ImposingManner, English_SadTeen, English_PassionateWarrior, English_WiseScholar, English_Soft-spokenGirl, English_SereneWoman, English_ConfidentWoman, English_PatientMan, English_Comedian, English_BossyLeader, English_Strong-WilledBoy, English_StressedLady, English_AssertiveQueen, English_AnimeCharacter, English_Jovialman, English_WhimsicalGirl, English_Kind-heartedGirl
Parâmetro`response_format`	Contratomp3
Parâmetro`max_input_characters`	Contratonull
Parâmetro`other_options`	Contratofalse
Parâmetro`input`	Contratotexto UTF-8 exato; contagem de carateres Unicode sem normalização
Parâmetro`material_types`	Contratotext

Ciclo de vida: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · task_id efetivamente devolvido ou registo na biblioteca de multimédia

GET /v1/media/assets/{asset_id}/content

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Selecione a voz exata deste perfil de modelo.

Os carateres de entrada e os segundos de áudio são medidas de utilização diferentes.

Tarifários

As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.

Modo rápido: Não especificado Quando o modo rápido está selecionado
Modo flex: Não especificado Quando o modo flex está selecionado
Esforço máximo de raciocínio: Não especificado Quando o esforço máximo de raciocínio usa o ajuste predefinido (default)

Tarifas Ailoot

Preços por configuração

Associe cada custo às condições apresentadas. Use uma única tarifa para cada conjunto de configurações alternativas.

Configuração	Tabela de tarifas	Quantidade faturável	Unidade de faturação	Custo
ConfiguraçãoTarifas base por token	Tabela de tarifasTarifa base	Quantidade faturável—	Unidade de faturação—	Custo Entrada · Tokens de entrada — / 1K tokens Saída · Tokens de saída — / 1K tokens Entrada · Leitura da cache — / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens
ConfiguraçãoUltra	Tabela de tarifas—	Quantidade faturávelCada ponto de código Unicode conta como um caráter, incluindo os caracteres Han.	Unidade de faturaçãopor 1K caracteres de entrada	Custo Entrada · carácter de entrada $0.2 por 1K caracteres de entrada

Detalhes da tarifa de referência

As tabelas de referência do modelo não alteram a seleção do método, as cotações ou os custos. Os custos ativos usam as tarifas do método Ailoot selecionado.

MiniMax: Speech 2.8 HD

Preços por configuração

Configuração	Condições de faturação	Custo
ConfiguraçãoMiniMax: Speech 2.8 HD · Configuração predefinida	Condições de faturaçãoConfiguração predefinida	Custo Entrada · Caracteres de entrada 0,0002 US$ por carácter de entrada

O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →

Exemplos de pedidos

Ailoot Ultra · Síntese de voz

curl

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": "minimax/speech-2.8-hd", "input": "Good afternoon! This is a short voice take."}')
voice=os.environ["AILOOT_VOICE_ID"]
allowed=json.loads('["English_expressive_narrator", "English_radiant_girl", "English_magnetic_voiced_man", "English_compelling_lady1", "English_Aussie_Bloke", "English_captivating_female1", "English_Upbeat_Woman", "English_Trustworth_Man", "English_CalmWoman", "English_UpsetGirl", "English_Gentle-voiced_man", "English_Whispering_girl", "English_Diligent_Man", "English_Graceful_Lady", "English_ReservedYoungMan", "English_PlayfulGirl", "English_ManWithDeepVoice", "English_MaturePartner", "English_FriendlyPerson", "English_MatureBoss", "English_Debator", "English_LovelyGirl", "English_Steadymentor", "English_Deep-VoicedGentleman", "English_Wiselady", "English_CaptivatingStoryteller", "English_DecentYoungMan", "English_SentimentalLady", "English_ImposingManner", "English_SadTeen", "English_PassionateWarrior", "English_WiseScholar", "English_Soft-spokenGirl", "English_SereneWoman", "English_ConfidentWoman", "English_PatientMan", "English_Comedian", "English_BossyLeader", "English_Strong-WilledBoy", "English_StressedLady", "English_AssertiveQueen", "English_AnimeCharacter", "English_Jovialman", "English_WhimsicalGirl", "English_Kind-heartedGirl"]')
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

Receber e guardar os resultados

Ailoot Ultra · Síntese de voz

mp3

GET /v1/media/tasks/{task_id}
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}

Outras leituras de conteúdo

Biblioteca multimédiaEstado da tarefaDetalhes dos recursos

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

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

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

Guardar todos os resultados concluídos

Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.

Guarde o resultado binário completo e os cabeçalhos. Se forem devolvidos JSON/vários resultados, conserve todos os itens de dados e obtenha cada recurso através do seu URL assinado efetivo.

Se for necessário verificar a resposta original

Conserve o operation_id/X-Client-Request-ID original para reconciliação sem voltar a enviar o pedido; não existe uma rota dedicada à consulta periódica do estado do áudio.

Campos da resposta

Campo	Tipo
Campo`binary audio`	Tipobytes
Campo`response headers`	Tipoheaders

Erros e passos seguintes

Resposta	Condição	Passo seguinte
Resposta400 · `invalid_request_error`	CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos	Passo seguinteCorrija os campos indicados antes de um novo pedido de criação.
Resposta`server_error`	CondiçãoA resposta devolvida indica que a operação ou o resultado requer verificação	Passo seguinteGuarde o ID original da operação/tarefa devolvido, os cabeçalhos do pedido e a resposta; continue a consultar essa operação original através das consultas suportadas. Não volte a enviar o pedido de criação.

Aliases

Aliases do modelo

Ailoot Ultra minimax/speech-2.8-hd

Aliases dos caminhos dos métodos

Use os caminhos dos métodos indicados acima.

IDs de chamada relacionados

minimax/speech-2.8-hd

FAQ · MiniMax: Speech 2.8 HD

Que entradas e resultados estão disponíveis?: POST /v1/audio/speech · minimax/speech-2.8-hd: text → audio
Que campos utiliza o pedido?: POST /v1/audio/speech · minimax/speech-2.8-hd: model, input, voice, response_format

MiniMax: Speech 2.8 HD