MiniMax: Speech 01 Turbo
MiniMax Speech 01 Turbo читает предоставленный текст в виде сгенерированной речи через синхронный запрос audio_speech. Она принимает текст короче 10 000 символов и предлагает настройки голоса, темпа и высоты тона с выводом MP3, PCM, FLAC или WAV.
О модели
Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже.
MiniMax Speech 01 Turbo преобразует предоставленный текст в речевое аудио. Её точный ID модели Ailoot — minimax/speech-01-turbo, а документированный селектор синтеза — speech-01-turbo. Используйте метод audio_speech для озвучки, голосового урока, объяснения продукта или черновика повествования, формулировки которого у вас уже есть. Вход — отрывок для чтения, результат — синтезированная речь в выбранном аудиоформате.
Подготовьте текст как слова, предназначенные для произнесения, с пунктуацией, отражающей фразировку. Для черновика озвучки задайте окончательный порядок предложений и написание имён до выбора голосовых настроек. Держите постановочные указания отдельно от произносимого отрывка, если эти слова не должны звучать в записи. Прослушайте важные имена, числа и переходы в результате и сравните их с исходным текстом.
Текст должен быть короче 10 000 символов. Опубликованный контракт синтеза требует model и text. Для более длинного материала подготовьте отрывки в пределах этого ограничения и сохраните их порядок для монтажа. Синхронный профиль использует полный ответ; документированное значение по умолчанию — stream=false. Общий API также описывает варианты потоковой передачи, но выбранный метод этой карточки — синхронный речевой процесс.
voice_setting выбирает доступный voice_id и управляет speed, vol и pitch. Документированный диапазон speed — 0,5–2, значение по умолчанию — 1. vol должен быть больше 0 и не больше 10, значение по умолчанию — 1; pitch — целое число от -12 до 12, значение по умолчанию — 0. Каждая настройка должна служить отрывку: сравнивайте темп чтения и слышимость фактической записи, не предполагая, что изменение числа создаёт определённую манеру исполнения.
Документированные значения emotion — happy, sad, angry, fearful, disgusted, surprised, calm и fluent. Текст тоже может направлять эмоцию модели. text_normalization — отдельный логический параметр для подготовки чтения чисел на китайском и английском, а latex_read управляет чтением формул LaTeX; оба по умолчанию равны false. pronunciation_dict.tone может содержать документированные правила замены произношения. Проверьте имя или специальное выражение в получившемся аудио перед использованием в более длинной озвучке.
audio_setting.format принимает mp3, pcm, flac или wav, по умолчанию mp3. sample_rate принимает 8000, 16000, 22050, 24000, 32000 или 44100, по умолчанию 32000. bitrate принимает 32000, 64000, 128000 или 256000, по умолчанию 128000, и применяется к MP3. channel выбирает 1 для моно или 2 для стерео, по умолчанию 1. Храните эти решения вместе с исходным отрывком, чтобы возвращённый файл можно было проверить для нужного места монтажа или воспроизведения.
Дополнительные документированные параметры включают language_boost, среди точных именованных вариантов которого есть English, Russian, Chinese и Chinese,Yue; выберите для отрывка фактическое значение из списка. timber_weights может комбинировать существующие записи voice_id с целыми значениями weight от 1 до 100. Опубликованные значения sound_effects — spacious_echo, auditorium_echo, lofi_telephone и robotic. Это необязательные параметры формирования выбранного голоса; фиксируйте их фактические настройки при сравнении вариантов чтения.
Синхронный результат содержит сгенерированную речь. output_format выбирает url или hex, по умолчанию в схеме синтеза hex. Загрузите файл по ссылке результата URL либо декодируйте результат hex в аудиобайты перед воспроизведением. Храните возвращённые метаданные аудио, включая формат, частоту дискретизации, число каналов и размер, вместе с записью. subtitle_enable по умолчанию равен false и при включении применяется только к непотоковому выводу; источник не устанавливает формат файла субтитров для этого профиля.
Храните исходный отрывок, точный ID модели, выбранный голос и готовую запись вместе. Проверьте всё чтение на нужные формулировки, паузы и выбранные настройки подачи перед включением в видео, урок или голосовое руководство. Если ответ неполон, сохраните идентификатор исходного запроса и возвращённые сведения для сверки перед запросом ещё одной записи. Последующая правка может менять конкретную фразу или голосовую настройку, сохраняя остальной текст для ясного сравнения.
Ailoot Ultra · Speech POST /v1/audio/speech minimax/speech-01-turbo
minimax/speech-01-turboНачало
MiniMax Speech 01 Turbo читает предоставленный текст в виде сгенерированной речи через синхронный запрос audio_speech. Она принимает текст короче 10 000 символов и предлагает настройки голоса, темпа и высоты тона с выводом MP3, PCM, FLAC или WAV.
- Допустимые входные данные
- Текст
- Результаты
- Аудио
Доступно в Ailoot · входные данные и методы
Ailoot Ultra · Speech POST /v1/audio/speech
- Входные данные
text- Результат
audio- Выходной формат
- mp3,pcm,flac,wav
| Поле | Тип | Требование | Значения и ограничения | По умолчанию |
|---|---|---|---|---|
Полеmodel | Типstring | ТребованиеОбязательно | Значения и ограничения minimax/speech-01-turbo | По умолчанию— |
Полеtext | Типstring | ТребованиеОбязательно | Значения и ограничения | По умолчанию— |
Полеstream | Типboolean | ТребованиеНеобязательно | Значения и ограничения false | По умолчаниюfalse |
Полеvoice_setting | Типobject | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Полеvoice_setting.voice_id | Типstring | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Полеvoice_setting.speed | Типnumber | ТребованиеНеобязательно | Значения и ограничения Минимум: 0,5 Максимум: 2 | По умолчанию1 |
Полеvoice_setting.vol | Типnumber | ТребованиеНеобязательно | Значения и ограничения Минимум: 0 Максимум: 10 | По умолчанию1 |
Полеvoice_setting.pitch | Типinteger | ТребованиеНеобязательно | Значения и ограничения Минимум: -12 Максимум: 12 | По умолчанию0 |
Полеvoice_setting.emotion | Типstring | ТребованиеНеобязательно | Значения и ограничения happy, sad, angry, fearful, disgusted, surprised, calm, fluent | По умолчанию— |
Полеvoice_setting.text_normalization | Типboolean | ТребованиеНеобязательно | Значения и ограничения | По умолчаниюfalse |
Полеvoice_setting.latex_read | Типboolean | ТребованиеНеобязательно | Значения и ограничения | По умолчаниюfalse |
Полеaudio_setting | Типobject | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Полеaudio_setting.sample_rate | Типinteger | ТребованиеНеобязательно | Значения и ограничения 8 000, 16 000, 22 050, 24 000, 32 000, 44 100 | По умолчанию32 000 |
Полеaudio_setting.bitrate | Типinteger | ТребованиеНеобязательно | Значения и ограничения 32 000, 64 000, 128 000, 256 000 | По умолчанию128 000 |
Полеaudio_setting.format | Типstring | ТребованиеНеобязательно | Значения и ограничения mp3, pcm, flac, wav | По умолчаниюmp3 |
Полеaudio_setting.channel | Типinteger | ТребованиеНеобязательно | Значения и ограничения 1, 2 | По умолчанию1 |
Полеaudio_setting.force_cbr | Типboolean | ТребованиеНеобязательно | Значения и ограничения | По умолчаниюfalse |
Полеpronunciation_dict | Типobject | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Полеpronunciation_dict.tone | Типarray | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Полеtimber_weights | Типarray | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Полеlanguage_boost | Типstring | ТребованиеНеобязательно | Значения и ограничения Chinese, Chinese,Yue, English, Arabic, Russian, Spanish, French, Portuguese, German, Turkish, Dutch, Ukrainian, Vietnamese, Indonesian, Japanese, Italian, Korean, Thai, Polish, Romanian, Greek, Czech, Finnish, Hindi, Bulgarian, Danish, Hebrew, Malay, Persian, Slovak, Swedish, Croatian, Filipino, Hungarian, Norwegian, Slovenian, Catalan, Nynorsk, Tamil, Afrikaans, auto | По умолчанию— |
Полеvoice_modify | Типobject | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Полеvoice_modify.pitch | Типinteger | ТребованиеНеобязательно | Значения и ограничения -100, 100 | По умолчанию— |
Полеvoice_modify.intensity | Типinteger | ТребованиеНеобязательно | Значения и ограничения -100, 100 | По умолчанию— |
Полеvoice_modify.timbre | Типinteger | ТребованиеНеобязательно | Значения и ограничения -100, 100 | По умолчанию— |
Полеvoice_modify.sound_effects | Типstring | ТребованиеНеобязательно | Значения и ограничения spacious_echo, auditorium_echo, lofi_telephone, robotic | По умолчанию— |
Полеsubtitle_enable | Типboolean | ТребованиеНеобязательно | Значения и ограничения | По умолчаниюfalse |
Полеoutput_format | Типstring | ТребованиеНеобязательно | Значения и ограничения url, hex | По умолчаниюhex |
Полеaigc_watermark | Типboolean | ТребованиеНеобязательно | Значения и ограничения | По умолчаниюfalse |
Параметры и жизненный цикл метода
| Параметр | Контракт |
|---|---|
Параметрcontent_type | Контрактapplication/json |
Параметрrequired | Контрактmodel, text |
Параметрoptional | Контрактstream, voice_setting, audio_setting, pronunciation_dict, timber_weights, language_boost, voice_modify, subtitle_enable, output_format, aigc_watermark |
Параметрmaterial_types | Контрактtext |
Параметрconditions | КонтрактUse text, not input or contents. Fewer than 10000 Unicode characters; stream is false or omitted., PCM is raw audio with its returned sample geometry; do not invent a WAV header or bit depth. |
Жизненный цикл: synchronous_result_then_owned_library
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
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 | Расчётная единица | Плата |
|---|---|---|---|
| КонфигурацияБазовые тарифы на токены | Шкала ставокБазовая ставка | 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 |
| Конфигурациявходной символ | Шкала ставок— | Расчётная единицаза входной символ | Плата Вход · входной символ $0.00006 за входной символ |
Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. Как работают резервирование и расчёт →
Примеры запросов
Ailoot Ultra · Speech
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
export AILOOT_API_KEY
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "minimax/speech-01-turbo", "text": "Hello, this is a short speech example.", "stream": false, "output_format": "hex", "audio_setting": {"format": "mp3", "sample_rate": 32000, "channel": 1}}')
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 result.json
# Submit once. Retain the complete result, original identifiers and every response header.
Получить и сохранить результаты
Ailoot Ultra · Speech
mp3,pcm,flac,wav
GET /v1/media/assetsGET /v1/media/assets/{asset_id}
Сохраняйте все готовые результаты
Сохраняйте каждый полностью полученный ответ, файл и элемент содержимого.
Retain the full JSON. Decode every hex audio byte or use the returned owned URL. Keep the actual format, sample rate, channel count and usage_characters.
Если нужно проверить исходный ответ
Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.
Поля ответа
| Поле | Тип |
|---|---|
Полеdata.audio | Типstring |
Полеextra_info | Типobject |
Полеtrace_id | Типstring |
Псевдонимы
Псевдонимы моделей
Ailoot Ultra minimax/speech-01-turbo
Псевдонимы путей метода
Используйте пути методов, указанные выше.
Связанные ID для вызова
FAQ · MiniMax: Speech 01 Turbo
- Какие входные данные и результаты доступны?
POST /v1/audio/speech·minimax/speech-01-turbo:text→audio- Какие поля использует запрос?
POST /v1/audio/speech·minimax/speech-01-turbo:model,text,stream,voice_setting,audio_setting,pronunciation_dict,timber_weights,language_boost,voice_modify,subtitle_enable,output_format,aigc_watermark- Какие ограничения действуют?
POST /v1/audio/speech·minimax/speech-01-turbo:voice_setting.speed.minimum:0.5;voice_setting.speed.maximum:2;voice_setting.vol.minimum:0;voice_setting.vol.maximum:10;voice_setting.pitch.minimum:-12;voice_setting.pitch.maximum:12