Microsoft AI: MAI-Voice-2

MAI-Voice-2 от Microsoft AI создаёт выразительную многоязычную речь для повествования, диалога и голосовых приложений. Стабильное звучание при длительном озвучивании, несколько говорящих и управление эмоцией каждой реплики подходят для аудиокниг, уроков и голосов персонажей.

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

О модели

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

MAI-Voice-2 — управляемая промптом модель синтеза речи Microsoft AI для естественного выразительного контента. Производитель выделяет качество звучания, постоянство диктора и эмоциональный диапазон. Документированные задачи включают ассистентов, аудиокниги, подкасты, лекции, учебных персонажей и озвучивание для обеспечения доступности. Текст превращается в аудио выбранным голосом; вариант Voice-2-Flash имеет отдельный профиль для взаимодействия с приоритетом немедленного ответа.

Язык и диктор

Выпуск Voice-2 описывает пятнадцать языков: английский, французский, немецкий, итальянский, испанский, португальский, хинди, корейский, упрощённый китайский, турецкий, русский, тайский, нидерландский, румынский и венгерский. У некоторых есть региональные варианты. Также описано переключение хинди–английский и испанский–английский, позволяющее отдельным смешанным отрывкам сохранять естественное чередование языков.

Подготовьте точные произносимые слова и сохраняйте их язык. Двуязычный учебный отрывок может вводить термин на одном языке и объяснять на другом, не меняя имена и цитаты. Проверяйте результат под нужный акцент и аудиторию, не считая локали взаимозаменяемыми.

Карточка предоставляет подобранную библиотеку голосов и отдельный путь промптинга по референсу. Референсная речь задаёт характеристики голоса диктора без дообучения. Microsoft рекомендует естественную разговорную подачу с умеренной энергией, поскольку запись влияет на темп и исполнение. Для пользовательского голоса используйте репрезентативную запись с согласием диктора.

Длинное повествование и диалог

Карточка документирует длинную генерацию разбиением на фрагменты с переносом контекста. Это поддерживает связное повествование: главу, урок или последовательность отрывков подкаста. Делите сценарий по смысловым разделам, сохраняйте терминологию и выбранного диктора. Длинному объяснению полезны произносимые переходы, сообщающие слушателю о смене темы.

Несколько говорящих позволяют назначить разные роли подготовленному диалогу. Закрепите вопрос и ответ за нужными дикторами, сохраняя назначения при возвращении роли. Вход должен содержать окончательные реплики и нужные указания по исполнению, а не открытый запрос синтезатору придумать разговор.

Тон и эмоциональная подача

Microsoft документирует детальное управление тоном, подачей и эмоцией каждой реплики. Примеры выпуска демонстрируют выразительные роли и эмоциональные отрывки. Для повествования определите, какое предложение фактическое, задумчивое или возбуждённое, и подберите подачу по смыслу. Пример: «Самая тихая часть эксперимента оказалась самой показательной. Именно тогда закономерность впервые стала ясна». Формулировка задаёт осмысленную смену акцента.

В обучающей озвучке оставляйте действие ясным, а объяснение выносите в отдельное предложение. В диалоге отделяйте слова персонажа от заметок о сцене. Прослушивайте повторяющиеся имена и переходы, чтобы итоговая последовательность оставалась связной.

Использование аудио

Выход — заново сгенерированная речь по переданному тексту. Полезная форма — повествование, диалог или голосовой ответ приложения, где голос и подача следуют сценарию. Храните связь текста, диктора и порядка разделов с записью, чтобы исправление меняло нужный отрывок без потери остального исполнения.

MAI-Voice-2 делает акцент на естественности и выразительности длинного прослушивания. Возможность длинной генерации не задаёт неограниченный вход или гарантированную максимальную длительность записи. Описание именно Voice-2 остаётся отдельным от расширенного языкового каталога и настроек голоса более поздних Voice-2.1.

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

microsoft/mai-voice-2

Microsoft AI /microsoft/mai-voice-2

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	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 $0.044 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

Цены по конфигурациям

Конфигурация	Условия расчёта	Плата
КонфигурацияMicrosoft AI: MAI-Voice-2 · Стандартная конфигурация	Условия расчётаКонфигурация по умолчанию	Плата Вход · Входные символы 0,000044 $ 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", "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

Псевдонимы путей метода

Используйте пути методов, указанные выше.

Связанные ID для вызова

microsoft/mai-voice-2

FAQ · Microsoft AI: MAI-Voice-2

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

Microsoft AI: MAI-Voice-2