Microsoft AI: MAI-Voice-2-Flash

MAI-Voice-2-Flash от Microsoft AI создаёт выразительную речь на 15 языках для ассистентов, поддержки клиентов и голосовых меню. Она сочетает быстрый отклик с подобранной библиотекой голосов, промптингом по голосовому референсу и управлением тоном каждой реплики.

Ailoot Ultra · Озвучка POST /v1/audio/speech microsoft/mai-voice-2-flash

О модели

Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже.

MAI-Voice-2-Flash — модель синтеза речи Microsoft AI для голосовых сценариев с быстрым откликом и большим объёмом работы. Производитель описывает естественную просодию, чистое аудио и выразительную подачу; среди основных задач — ассистенты, агенты поддержки и телефонные меню. Письменный текст превращается в речь выбранным голосом. Flash — конкретный вариант MAI-Voice-2, отдельный от более позднего семейства MAI-Voice-2.1.

Выбор языка и голоса

Карточка именно этой модели документирует пятнадцать языков и восемнадцать локалей. В них входят английский, итальянский, испанский, хинди, французский, немецкий, португальский, корейский, упрощённый китайский, турецкий, русский, тайский, нидерландский, румынский и венгерский; у части языков есть отдельные региональные варианты. Выберите нужный язык и подготовьте точные слова для слушателя. Различие локалей может быть важно для приветствия, названия продукта или знакомого аудитории произношения.

Microsoft документирует два пути выбора голоса: подобранную библиотеку и голосовой промпт по короткой записи. Библиотека предоставляет готового диктора для повествования или взаимодействия. Референсная запись определяет другую личность диктора через сценарий пользовательского голоса производителя. Сохраняйте выбор между связанными запросами, чтобы приветствие, объяснение и продолжение звучали частями одного сценария.

Тон интерактивной речи

Модель поддерживает управление тоном, подачей и эмоцией на уровне реплики. Для голосового ассистента сначала напишите краткую инструкцию, затем нужную слушателю подробность. Пример: «Выберите документ, который хотите открыть. Если не помните название, расскажите, о чём он». Сценарий даёт ясное действие и оставляет место для уточняющего вопроса.

В учебном диалоге отделяйте объяснение от вопроса ученику. В меню названия вариантов должны быть короткими и понятными с первого прослушивания. Тон следует назначению отрывка: успокоение, инструкция и вопрос могут требовать разной подачи при одном голосе.

Подготовка голосового референса

Для голосового промптинга производитель задаёт запись от пяти до шестидесяти секунд и описывает воспроизведение голоса диктора, давшего согласие, без дополнительного обучения. Рекомендуется естественная разговорная подача с умеренной энергией: референс существенно влияет на результат. Подготовьте запись, представляющую нужный голос, без неуместных крайностей громкости или выразительности.

Режим документирован для разрешённого голоса с согласием диктора. Сценарий производителя и библиотека готовых голосов — разные пути подготовки. Выход остаётся заново синтезированной речью по переданному тексту; запись задаёт нужную голосовую идентичность.

Работа с озвученным результатом

Используйте Flash там, где ответ должен прозвучать быстро и оставаться понятным. Производитель позиционирует вариант вокруг быстрого отклика с сохранением просодии и акустического качества MAI-Voice-2. Связывайте каждую реплику с её текстом и диктором, чтобы проверять важные имена, команды и эмоциональные переходы в контексте.

Полезный результат — ясная голосовая подсказка или ответ на нужном языке и нужным голосом. Прослушайте текст так, как его услышит аудитория, особенно в последовательности подсказок. Спецификация пятнадцати языков и восемнадцати локалей относится именно к Voice-2-Flash; расширенный языковой каталог и сведения об управляемых голосах более поздних версий принадлежат их собственным профилям.

Ailoot Ultra · Озвучка POST /v1/audio/speech microsoft/mai-voice-2-flash

microsoft/mai-voice-2-flash

Microsoft AI /microsoft/mai-voice-2-flash

Начало

Допустимые входные данные: Текст
Результаты: Аудио

Доступно в Ailoot · входные данные и методы

Ailoot Ultra · Озвучка POST /v1/audio/speech

Входные данные: text
Результат: audio
Выходной формат: mp3

Поле	Тип	Требование	Значения и ограничения	По умолчанию
Поле`model`	Тип`string`	ТребованиеОбязательно	Значения и ограничения microsoft/mai-voice-2-flash	По умолчанию—
Поле`input`	Тип`string`	ТребованиеОбязательно	Значения и ограничения Минимальная длина: 1 Единица: символы Unicode	По умолчанию—
Поле`voice`	Тип`string`	ТребованиеОбязательно	Значения и ограничения en-US-Harper:MAI-Voice-2, es-MX-Valeria:MAI-Voice-2, fr-FR-Soleil:MAI-Voice-2, de-DE-Klaus:MAI-Voice-2	По умолчанию—
Поле`response_format`	Тип`string`	ТребованиеОбязательно	Значения и ограничения mp3	По умолчанию—

Сочетания входных материалов

text_to_speech · Обязательно: input

Параметры и жизненный цикл метода

Параметр	Контракт
Параметр`content_type`	Контрактapplication/json
Параметр`required`	Контрактmodel, input, voice, response_format
Параметр`voice_ids`	Контрактen-US-Harper:MAI-Voice-2, es-MX-Valeria:MAI-Voice-2, fr-FR-Soleil:MAI-Voice-2, de-DE-Klaus:MAI-Voice-2
Параметр`response_format`	Контрактmp3
Параметр`max_input_characters`	Контрактnull
Параметр`other_options`	Контрактfalse
Параметр`input`	Контрактточный текст UTF-8; количество символов Unicode без нормализации
Параметр`material_types`	Контрактtext

Жизненный цикл: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · Фактически возвращённый task_id или запись в медиатеке

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Выберите точный голос из профиля этой модели.

Входные символы и секунды аудио — разные единицы учёта.

Тарифы

Тарифная справка не добавляет режимы запроса. Поддерживаемые параметры указаны для выбранного метода.

Быстрый режим: Не указано При выборе быстрого режима
Режим flex: Не указано При выборе режима flex
Максимальная интенсивность рассуждений: Не указано При максимальной интенсивности рассуждений с корректировкой по умолчанию (default)

Ставки Ailoot

Цены по конфигурациям

Сопоставьте каждую плату с указанными условиями. Для каждого набора альтернативных конфигураций используйте одну ставку.

Конфигурация	Шкала ставок	Оплачиваемое количество	Расчётная единица	Плата
КонфигурацияБазовые тарифы на токены	Шкала ставокБазовая ставка	Оплачиваемое количество—	Расчётная единица—	Плата Вход · Входные токены — / 1K токенов Выход · Выходные токены — / 1K токенов Вход · Чтение кэша — / 1K токенов Вход · Запись в кэш — / 1K токенов Вход · Запись в кэш, 1 час — / 1K токенов
КонфигурацияUltra	Шкала ставок—	Оплачиваемое количествоКаждая кодовая точка Unicode считается одним символом, включая символы Han.	Расчётная единицаза 1K входных символов	Плата Вход · входной символ $0.03 за 1K входных символов

Сведения о справочном тарифе

Справочные шкалы модели не меняют выбор метода, расчёт стоимости или списания. Действующая плата определяется ставками выбранного метода Ailoot.

Microsoft AI: MAI-Voice-2-Flash

Цены по конфигурациям

Конфигурация	Условия расчёта	Плата
КонфигурацияMicrosoft AI: MAI-Voice-2-Flash · Стандартная конфигурация	Условия расчётаКонфигурация по умолчанию	Плата Вход · Входные символы 0,00003 $ за входной символ

Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. Как работают резервирование и расчёт →

Примеры запросов

Ailoot Ultra · Озвучка

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": "microsoft/mai-voice-2-flash", "input": "Good afternoon! This is a short voice take."}')
voice=os.environ["AILOOT_VOICE_ID"]
allowed=json.loads('["en-US-Harper:MAI-Voice-2", "es-MX-Valeria:MAI-Voice-2", "fr-FR-Soleil:MAI-Voice-2", "de-DE-Klaus:MAI-Voice-2"]')
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

Получить и сохранить результаты

Ailoot Ultra · Озвучка

mp3

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

Чтение другого содержимого

МедиатекаСтатус задачиСведения о материале

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

Сохраняйте все готовые результаты

Сохраняйте каждый полностью полученный ответ, файл и элемент содержимого.

Сохраняйте полный бинарный результат и заголовки. Если возвращаются JSON или несколько результатов, сохраняйте каждый элемент данных и загружайте ресурс по каждому фактически возвращённому подписанному URL.

Если нужно проверить исходный ответ

Сохраняйте исходный operation_id/X-Client-Request-ID для сверки без повторной отправки; отдельного маршрута опроса аудио нет.

Поля ответа

Поле	Тип
Поле`binary audio`	Типbytes
Поле`response headers`	Типheaders

Ошибки и дальнейшие шаги

Ответ	Условие	Следующий шаг
Ответ400 · `invalid_request_error`	УсловиеНеверные обязательные поля, представление материалов или значение параметра	Следующий шагИсправьте указанные поля перед новым запросом на создание.
Ответ`server_error`	УсловиеВозвращённый ответ указывает, что операция или результат требуют проверки	Следующий шагСохраните исходный возвращённый ID операции или задачи, заголовки запроса и ответ; продолжайте поддерживаемые операции чтения исходной операции. Не отправляйте запрос создания повторно.

Псевдонимы

Псевдонимы моделей

Ailoot Ultra microsoft/mai-voice-2-flash

Псевдонимы путей метода

Используйте пути методов, указанные выше.

Связанные ID для вызова

microsoft/mai-voice-2-flash

FAQ · Microsoft AI: MAI-Voice-2-Flash

Какие входные данные и результаты доступны?: POST /v1/audio/speech · microsoft/mai-voice-2-flash: text → audio
Какие поля использует запрос?: POST /v1/audio/speech · microsoft/mai-voice-2-flash: model, input, voice, response_format

Microsoft AI: MAI-Voice-2-Flash