speech-2.6-turbo

Speech 2.6 Turbo sintetiza fala multilingue e destina-se a respostas com baixa latência.

Ailoot · Síntese de voz POST /v1/audio/speech speech-2.6-turbo

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.

Intervenções para um processo de voz

Speech 2.6 Turbo é uma variante de síntese de fala orientada para a velocidade. O fabricante descreve-a para assistentes de voz e cenários interativos em que o texto se transforma gradualmente numa resposta. O modelo preserva as entoações naturais da geração Speech 2.6 e pode processar formas especiais de escrita.

Texto que precisa de ser pronunciado corretamente

O modelo foi concebido para ler datas, números de telefone, montantes monetários, endereços de páginas e correio eletrónico sem reescrita manual prévia de cada elemento. Esta análise é útil em mensagens dinâmicas que combinam números e designações com palavras comuns. O fabricante descreve o processamento destes formatos em várias línguas.

Fluidez e controlo da emoção

Speech 2.6 suporta Fluent LoRA: preservação de um timbre reconhecível com pronúncia mais fluida do texto. Esta capacidade refere-se à utilização de uma voz já preparada; a preparação separada de um clone não faz parte de um pedido textual comum. A família abrange 40 línguas, incluindo russo.

Para Turbo, estão previstas sete emoções principais e os modos adicionais fluent e whisper. O modelo pode escolher a expressão emocional a partir do conteúdo ou utilizar um estado definido. A profundidade e o ritmo do som podem ser alterados independentemente do texto.

Voz, pausas e pronúncia

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.

Obtenção do som

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.

Nesta ficha Ailoot, o texto é convertido em áudio de fala. A finalidade do Turbo está ligada à velocidade de síntese, mas não é prometido um tempo fixo de resposta; as configurações enumeradas refletem as capacidades do fabricante e aplicam-se dentro da forma de acesso disponível.

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 · Síntese de voz POST /v1/audio/speech speech-2.6-turbo

speech-2.6-turbo

MiniMax /speech-2.6-turbo

Introdução

Speech 2.6 Turbo sintetiza fala multilingue e destina-se a respostas com baixa latência.

Entradas aceites: Texto
Resultados: speech

Disponível no Ailoot · entradas e métodos

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

Entrada: text
Saída: speech
Formato de saída: mp3

Campo	Tipo	Requisito	Valores e limites	Predefinição
Campo`model`	Tipo`string`	RequisitoObrigatório	Valores e limites speech-2.6-turbo	Predefinição—
Campo`input`	Tipo`string`	RequisitoObrigatório	Valores e limites Comprimento mínimo: 1 Comprimento máximo (exclusivo): 10 000 Unidade: carateres Unicode	Predefinição—
Campo`voice`	Tipo`string`	RequisitoObrigatório	Valores e limites Padrão: ^[A-Za-z0-9_-]{1,128}$	Predefinição—
Campo`response_format`	Tipo`string`	RequisitoOpcional	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`material_types`	Contratotext
Parâmetro`required`	Contratonull
Parâmetro`optional_controls`	Contratonull

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}

As estruturas dos métodos e os ID são exatos; a capacidade do fornecedor é distinta da admissão dos pedidos.

Tarifários

Tarifas dos métodos Ailoot

Ailoot Síntese de vozPOST /v1/audio/speech

Entrada: 60,00 US$ por 1 milhão de caracteres

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 · Síntese de voz

Exemplo de síntese de voz

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-2.6-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

Receber e guardar os resultados

Ailoot · 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}

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 speech-2.6-turbo

Aliases dos caminhos dos métodos

Use os caminhos dos métodos indicados acima.

IDs de chamada relacionados

speech-2.6-turbo

FAQ · speech-2.6-turbo

Que entradas e resultados estão disponíveis?: POST /v1/audio/speech · speech-2.6-turbo: text → speech
Que campos utiliza o pedido?: POST /v1/audio/speech · speech-2.6-turbo: model, input, voice, response_format

speech-2.6-turbo

speech-2.6-turbo

Intervenções para um processo de voz

Texto que precisa de ser pronunciado corretamente

Fluidez e controlo da emoção

Voz, pausas e pronúncia

Obtenção do som

Introdução

Disponível no Ailoot · entradas e métodos

Tarifários

Tarifas dos métodos Ailoot

Exemplos de pedidos

Ailoot · Síntese de voz

Receber e guardar os resultados

Ailoot · Síntese de voz

Guardar todos os resultados concluídos

Se for necessário verificar a resposta original

Aliases

Aliases do modelo

Aliases dos caminhos dos métodos

IDs de chamada relacionados

A empresa e a sua carteira de projetos

Compre tokens com desconto.

Ligue a API ao produto que vende.