{ "aboutHtml": "

Speech 2.6 HD — конкретная речевая редакция MiniMax, выбираемая через model: "minimax/speech-2.6-hd". Используйте POST /v1/audio/speech с телом application/json, содержащим model и text для произнесения. На входе — текст, результат — синтезированное аудио. Для учебного отрывка подготовьте точное объяснение и примеры для чтения вслух. Для пошагового обзора продукта напишите произносимую последовательность в том же порядке, что и видимые шаги. Текст озвучки может включать законченные предложения и продуманную пунктуацию; держите редакционные указания, которые должны оставаться беззвучными, вне text.

Поле text не должно быть пустым и должно содержать меньше 10 000 символов Unicode. Отправьте полный произносимый текст со stream:false или опустите stream. Разделите более длинный материал на отдельные законченные фрагменты до отправки каждого из них. Документ можно использовать, прочитав фактическое содержимое и поместив нужный отрывок в text; URL документа не заменяет текст озвучки.

Выберите голос через voice_setting.voice_id. Документированные категории голосов включают системные голоса и уже созданные клонированные или спроектированные по тексту голоса; используйте действительный ID голоса для выбранной категории. Голос в примере — audiobook_male_1. Тот же объект управляет speed от 0,5 до 2, vol выше 0 и до 10 и целочисленным pitch от -12 до 12. Их значения по умолчанию — 1, 1 и 0. Эти параметры регулируют разные стороны речевой подачи, поэтому выбирайте их отдельно, не помещая их названия в произносимый текст.

voice_setting.emotion принимает happy, sad, angry, fearful, disgusted, surprised, calm и fluent. Документация также описывает автоматический подбор эмоции по тексту. Для текстов с большим числом чисел voice_setting.text_normalization включает нормализацию китайского и английского текста и по умолчанию равен false. voice_setting.latex_read управляет чтением выражений LaTeX и также по умолчанию равен false. pronunciation_dict.tone — массив строк с правилами произношения. Опубликованный пример — ["草地/(cao3)(di1)"]; при передаче правила сохраняйте слово, косую черту и структуру произношения в скобках.

audio_setting.format принимает mp3, pcm, flac и wav, по умолчанию mp3. sample_rate принимает 8000, 16000, 22050, 24000, 32000 и 44100 Hz; значение по умолчанию — 32000. channel равен 1 для моно или 2 для двух каналов, по умолчанию 1. Значения bitrate — 32000, 64000, 128000 и 256000 бит в секунду, по умолчанию 128000; они применяются к mp3. Выберите кодирование, нужное проигрывателю или инструменту монтажа, который будет использовать результат.

language_boost — необязательная строка, по умолчанию null. Допустимые значения — 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 и auto. "Chinese,Yue" — одно значение. Это отдельный параметр, отличный от произносимого текста и ID голоса. Схема также предоставляет timber_weights для списка пар voice_id и целочисленного weight, где каждый вес — от 1 до 100. При подготовке запроса сохраняйте написание параметра timber_weights. voice_modify.sound_effects — необязательная строка со значениями spacious_echo, auditorium_echo, lofi_telephone и robotic.

stream по умолчанию равен false. Для полного ответа output_format выбирает url или hex, по умолчанию hex. В документированном результате JSON data.audio содержит выбранное представление: загрузите полный подписанный URL Ailoot, включая строку запроса, либо декодируйте полное шестнадцатеричное аудио в байты. Сохраняйте исходный результат вместе с data.status, base_resp, trace_id и extra_info, включающим фактический аудиоформат, частоту дискретизации, число каналов, размер и usage_characters.

subtitle_enable — логический параметр, по умолчанию false, применяемый к непотоковому выводу. aigc_watermark — логический параметр, по умолчанию false, управляющий слышимым ритмическим маркером в конце сгенерированного аудио. Сохраняйте каждый возвращённый аудиорезультат или результат субтитров и проверяйте произношение, числа и готовый файл перед включением в приложение. При неопределённой доставке сохраняйте идентификатор исходного запроса и ответ для проверки существующей попытки. Ailoot также сохраняет готовое аудио в вашей медиатеке. При output_format:"url" data.audio содержит подписанную ссылку на сохранённый ресурс; ID ресурса находится в её пути /v1/media/assets/{asset_id}/content. Подписанные ссылки Ailoot на файлы действуют 24 часа с момента выдачи. Используйте тот же API-ключ для GET /v1/media/assets?family=audio и пройдите по всем next_cursor, чтобы найти записи аудиоресурсов. Прочитайте GET /v1/media/assets/{asset_id} для каждой выбранной записи и загрузите точный content_url, включая строку запроса. Если запрос файла возвращает 404 с кодом link_expired, повторно прочитайте тот же ресурс для обновлённого content_url. Обновляйте сохранённый результат вместо повторной генерации аудио ради замены просроченной ссылки.

", "aboutText": "Speech 2.6 HD — конкретная речевая редакция MiniMax, выбираемая через model: \"minimax/speech-2.6-hd\". Используйте POST /v1/audio/speech с телом application/json, содержащим model и text для произнесения. На входе — текст, результат — синтезированное аудио. Для учебного отрывка подготовьте точное объяснение и примеры для чтения вслух. Для пошагового обзора продукта напишите произносимую последовательность в том же порядке, что и видимые шаги. Текст озвучки может включать законченные предложения и продуманную пунктуацию; держите редакционные указания, которые должны оставаться беззвучными, вне text.\n\nПоле text не должно быть пустым и должно содержать меньше 10 000 символов Unicode. Отправьте полный произносимый текст со stream:false или опустите stream. Разделите более длинный материал на отдельные законченные фрагменты до отправки каждого из них. Документ можно использовать, прочитав фактическое содержимое и поместив нужный отрывок в text; URL документа не заменяет текст озвучки.\n\nВыберите голос через voice_setting.voice_id. Документированные категории голосов включают системные голоса и уже созданные клонированные или спроектированные по тексту голоса; используйте действительный ID голоса для выбранной категории. Голос в примере — audiobook_male_1. Тот же объект управляет speed от 0,5 до 2, vol выше 0 и до 10 и целочисленным pitch от -12 до 12. Их значения по умолчанию — 1, 1 и 0. Эти параметры регулируют разные стороны речевой подачи, поэтому выбирайте их отдельно, не помещая их названия в произносимый текст.\n\nvoice_setting.emotion принимает happy, sad, angry, fearful, disgusted, surprised, calm и fluent. Документация также описывает автоматический подбор эмоции по тексту. Для текстов с большим числом чисел voice_setting.text_normalization включает нормализацию китайского и английского текста и по умолчанию равен false. voice_setting.latex_read управляет чтением выражений LaTeX и также по умолчанию равен false. pronunciation_dict.tone — массив строк с правилами произношения. Опубликованный пример — [\"草地/(cao3)(di1)\"]; при передаче правила сохраняйте слово, косую черту и структуру произношения в скобках.\n\naudio_setting.format принимает mp3, pcm, flac и wav, по умолчанию mp3. sample_rate принимает 8000, 16000, 22050, 24000, 32000 и 44100 Hz; значение по умолчанию — 32000. channel равен 1 для моно или 2 для двух каналов, по умолчанию 1. Значения bitrate — 32000, 64000, 128000 и 256000 бит в секунду, по умолчанию 128000; они применяются к mp3. Выберите кодирование, нужное проигрывателю или инструменту монтажа, который будет использовать результат.\n\nlanguage_boost — необязательная строка, по умолчанию null. Допустимые значения — 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 и auto. \"Chinese,Yue\" — одно значение. Это отдельный параметр, отличный от произносимого текста и ID голоса. Схема также предоставляет timber_weights для списка пар voice_id и целочисленного weight, где каждый вес — от 1 до 100. При подготовке запроса сохраняйте написание параметра timber_weights. voice_modify.sound_effects — необязательная строка со значениями spacious_echo, auditorium_echo, lofi_telephone и robotic.\n\nstream по умолчанию равен false. Для полного ответа output_format выбирает url или hex, по умолчанию hex. В документированном результате JSON data.audio содержит выбранное представление: загрузите полный подписанный URL Ailoot, включая строку запроса, либо декодируйте полное шестнадцатеричное аудио в байты. Сохраняйте исходный результат вместе с data.status, base_resp, trace_id и extra_info, включающим фактический аудиоформат, частоту дискретизации, число каналов, размер и usage_characters.\n\nsubtitle_enable — логический параметр, по умолчанию false, применяемый к непотоковому выводу. aigc_watermark — логический параметр, по умолчанию false, управляющий слышимым ритмическим маркером в конце сгенерированного аудио. Сохраняйте каждый возвращённый аудиорезультат или результат субтитров и проверяйте произношение, числа и готовый файл перед включением в приложение. При неопределённой доставке сохраняйте идентификатор исходного запроса и ответ для проверки существующей попытки. Ailoot также сохраняет готовое аудио в вашей медиатеке. При output_format:\"url\" data.audio содержит подписанную ссылку на сохранённый ресурс; ID ресурса находится в её пути /v1/media/assets/{asset_id}/content. Подписанные ссылки Ailoot на файлы действуют 24 часа с момента выдачи. Используйте тот же API-ключ для GET /v1/media/assets?family=audio и пройдите по всем next_cursor, чтобы найти записи аудиоресурсов. Прочитайте GET /v1/media/assets/{asset_id} для каждой выбранной записи и загрузите точный content_url, включая строку запроса. Если запрос файла возвращает 404 с кодом link_expired, повторно прочитайте тот же ресурс для обновлённого content_url. Обновляйте сохранённый результат вместо повторной генерации аудио ради замены просроченной ссылки.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "dd57aeb55138b8103df7c2f9556d436e246293b0c781a42c2487c82508cd25cd", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "ru", "methods": [ { "html": "
MM

MiniMax: Speech 2.6 HD

MiniMax /minimax/speech-2.6-hd

Начало

Speech 2.6 HD — модель MiniMax для превращения готового текста в речь. Редакция minimax/speech-2.6-hd предоставляет параметры голоса, подачи и аудиоформата, полный ответ JSON и выбор вывода аудио в виде URL или шестнадцатеричных данных. Используйте её для озвучки предоставленного повествования, учебного отрывка или пошагового обзора продукта.

Допустимые входные данные
Текст
Результаты
Аудио
О модели

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

Speech 2.6 HD — конкретная речевая редакция MiniMax, выбираемая через model: "minimax/speech-2.6-hd". Используйте POST /v1/audio/speech с телом application/json, содержащим model и text для произнесения. На входе — текст, результат — синтезированное аудио. Для учебного отрывка подготовьте точное объяснение и примеры для чтения вслух. Для пошагового обзора продукта напишите произносимую последовательность в том же порядке, что и видимые шаги. Текст озвучки может включать законченные предложения и продуманную пунктуацию; держите редакционные указания, которые должны оставаться беззвучными, вне text.

Поле text не должно быть пустым и должно содержать меньше 10 000 символов Unicode. Отправьте полный произносимый текст со stream:false или опустите stream. Разделите более длинный материал на отдельные законченные фрагменты до отправки каждого из них. Документ можно использовать, прочитав фактическое содержимое и поместив нужный отрывок в text; URL документа не заменяет текст озвучки.

Выберите голос через voice_setting.voice_id. Документированные категории голосов включают системные голоса и уже созданные клонированные или спроектированные по тексту голоса; используйте действительный ID голоса для выбранной категории. Голос в примере — audiobook_male_1. Тот же объект управляет speed от 0,5 до 2, vol выше 0 и до 10 и целочисленным pitch от -12 до 12. Их значения по умолчанию — 1, 1 и 0. Эти параметры регулируют разные стороны речевой подачи, поэтому выбирайте их отдельно, не помещая их названия в произносимый текст.

voice_setting.emotion принимает happy, sad, angry, fearful, disgusted, surprised, calm и fluent. Документация также описывает автоматический подбор эмоции по тексту. Для текстов с большим числом чисел voice_setting.text_normalization включает нормализацию китайского и английского текста и по умолчанию равен false. voice_setting.latex_read управляет чтением выражений LaTeX и также по умолчанию равен false. pronunciation_dict.tone — массив строк с правилами произношения. Опубликованный пример — ["草地/(cao3)(di1)"]; при передаче правила сохраняйте слово, косую черту и структуру произношения в скобках.

audio_setting.format принимает mp3, pcm, flac и wav, по умолчанию mp3. sample_rate принимает 8000, 16000, 22050, 24000, 32000 и 44100 Hz; значение по умолчанию — 32000. channel равен 1 для моно или 2 для двух каналов, по умолчанию 1. Значения bitrate — 32000, 64000, 128000 и 256000 бит в секунду, по умолчанию 128000; они применяются к mp3. Выберите кодирование, нужное проигрывателю или инструменту монтажа, который будет использовать результат.

language_boost — необязательная строка, по умолчанию null. Допустимые значения — 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 и auto. "Chinese,Yue" — одно значение. Это отдельный параметр, отличный от произносимого текста и ID голоса. Схема также предоставляет timber_weights для списка пар voice_id и целочисленного weight, где каждый вес — от 1 до 100. При подготовке запроса сохраняйте написание параметра timber_weights. voice_modify.sound_effects — необязательная строка со значениями spacious_echo, auditorium_echo, lofi_telephone и robotic.

stream по умолчанию равен false. Для полного ответа output_format выбирает url или hex, по умолчанию hex. В документированном результате JSON data.audio содержит выбранное представление: загрузите полный подписанный URL Ailoot, включая строку запроса, либо декодируйте полное шестнадцатеричное аудио в байты. Сохраняйте исходный результат вместе с data.status, base_resp, trace_id и extra_info, включающим фактический аудиоформат, частоту дискретизации, число каналов, размер и usage_characters.

subtitle_enable — логический параметр, по умолчанию false, применяемый к непотоковому выводу. aigc_watermark — логический параметр, по умолчанию false, управляющий слышимым ритмическим маркером в конце сгенерированного аудио. Сохраняйте каждый возвращённый аудиорезультат или результат субтитров и проверяйте произношение, числа и готовый файл перед включением в приложение. При неопределённой доставке сохраняйте идентификатор исходного запроса и ответ для проверки существующей попытки. Ailoot также сохраняет готовое аудио в вашей медиатеке. При output_format:"url" data.audio содержит подписанную ссылку на сохранённый ресурс; ID ресурса находится в её пути /v1/media/assets/{asset_id}/content. Подписанные ссылки Ailoot на файлы действуют 24 часа с момента выдачи. Используйте тот же API-ключ для GET /v1/media/assets?family=audio и пройдите по всем next_cursor, чтобы найти записи аудиоресурсов. Прочитайте GET /v1/media/assets/{asset_id} для каждой выбранной записи и загрузите точный content_url, включая строку запроса. Если запрос файла возвращает 404 с кодом link_expired, повторно прочитайте тот же ресурс для обновлённого content_url. Обновляйте сохранённый результат вместо повторной генерации аудио ради замены просроченной ссылки.

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
ПолеТипТребованиеЗначения и ограниченияПо умолчанию
ПолеmodelТипstringТребованиеОбязательноЗначения и ограничения
minimax/speech-2.6-hd
По умолчанию—
ПолеtextТипstringТребованиеОбязательноЗначения и ограниченияПо умолчанию—
ПолеstreamТипbooleanТребованиеНеобязательноЗначения и ограничения
false
По умолчаниюfalse
Полеvoice_settingТипobjectТребованиеНеобязательноЗначения и ограниченияПо умолчанию—
Полеvoice_setting.voice_idТипstringТребованиеНеобязательноЗначения и ограниченияПо умолчанию—
Полеvoice_setting.speedТипnumberТребованиеНеобязательноЗначения и ограничения
Минимум: 0,5
Максимум: 2
По умолчанию1
Полеvoice_setting.volТипnumberТребованиеНеобязательноЗначения и ограничения
Минимум: 0
Максимум: 10
По умолчанию1
Полеvoice_setting.pitchТипintegerТребованиеНеобязательноЗначения и ограничения
Минимум: -12
Максимум: 12
По умолчанию0
Полеvoice_setting.emotionТипstringТребованиеНеобязательноЗначения и ограничения
happy, sad, angry, fearful, disgusted, surprised, calm, fluent
По умолчанию—
Полеvoice_setting.text_normalizationТипbooleanТребованиеНеобязательноЗначения и ограниченияПо умолчаниюfalse
Полеvoice_setting.latex_readТипbooleanТребованиеНеобязательноЗначения и ограниченияПо умолчаниюfalse
Полеaudio_settingТипobjectТребованиеНеобязательноЗначения и ограниченияПо умолчанию—
Полеaudio_setting.sample_rateТипintegerТребованиеНеобязательноЗначения и ограничения
8 000, 16 000, 22 050, 24 000, 32 000, 44 100
По умолчанию32 000
Полеaudio_setting.bitrateТипintegerТребованиеНеобязательноЗначения и ограничения
32 000, 64 000, 128 000, 256 000
По умолчанию128 000
Полеaudio_setting.formatТипstringТребованиеНеобязательноЗначения и ограничения
mp3, pcm, flac, wav
По умолчаниюmp3
Полеaudio_setting.channelТипintegerТребованиеНеобязательноЗначения и ограничения
1, 2
По умолчанию1
Полеaudio_setting.force_cbrТипbooleanТребованиеНеобязательноЗначения и ограниченияПо умолчаниюfalse
Полеpronunciation_dictТипobjectТребованиеНеобязательноЗначения и ограниченияПо умолчанию—
Полеpronunciation_dict.toneТипarrayТребованиеНеобязательноЗначения и ограниченияПо умолчанию—
Полеtimber_weightsТипarrayТребованиеНеобязательноЗначения и ограниченияПо умолчанию—
Полеlanguage_boostТипstringТребованиеНеобязательноЗначения 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_modifyТипobjectТребованиеНеобязательноЗначения и ограниченияПо умолчанию—
Полеvoice_modify.pitchТипintegerТребованиеНеобязательноЗначения и ограничения
-100, 100
По умолчанию—
Полеvoice_modify.intensityТипintegerТребованиеНеобязательноЗначения и ограничения
-100, 100
По умолчанию—
Полеvoice_modify.timbreТипintegerТребованиеНеобязательноЗначения и ограничения
-100, 100
По умолчанию—
Полеvoice_modify.sound_effectsТипstringТребованиеНеобязательноЗначения и ограничения
spacious_echo, auditorium_echo, lofi_telephone, robotic
По умолчанию—
Полеsubtitle_enableТипbooleanТребованиеНеобязательноЗначения и ограниченияПо умолчаниюfalse
Полеoutput_formatТипstringТребованиеНеобязательноЗначения и ограничения
url, hex
По умолчаниюhex
Полеaigc_watermarkТипbooleanТребованиеНеобязательноЗначения и ограниченияПо умолчаниюfalse
Параметры и жизненный цикл метода
ПараметрКонтракт
Параметрcontent_typeКонтрактapplication/json
ПараметрrequiredКонтрактmodel, text
ПараметрoptionalКонтрактstream, voice_setting, audio_setting, pronunciation_dict, timber_weights, language_boost, voice_modify, subtitle_enable, output_format, aigc_watermark
Параметрmaterial_typesКонтрактtext
ПараметрconditionsКонтрактUse 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.

КонфигурацияШкала ставокРасчётная единицаПлата
КонфигурацияБазовые тарифы на токеныШкала ставокБазовая ставкаРасчётная 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 символШкала ставок—Расчётная единицаза входной символПлата
Вход · входной символ $0.0002 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\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "minimax/speech-2.6-hd", "text": "Hello, this is a short speech example.", "stream": false, "output_format": "hex", "audio_setting": {"format": "mp3", "sample_rate": 32000, "channel": 1}}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/speech \\\n  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n  --data-binary @request.json -D response-headers.txt -o result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\n

Получить и сохранить результаты

Ailoot Ultra · Speech

mp3,pcm,flac,wav

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
ПолеТип
Полеdata.audioТипstring
Полеextra_infoТипobject
Полеtrace_idТипstring

Псевдонимы

Псевдонимы моделей

Ailoot Ultra minimax/speech-2.6-hd

Псевдонимы путей метода

Используйте пути методов, указанные выше.

Связанные ID для вызова

minimax/speech-2.6-hd

", "method_identity": { "effective_request_model_id": "minimax/speech-2.6-hd", "fmt": "speech", "http": "POST", "path": "/v1/audio/speech", "request_model_id": "minimax/speech-2.6-hd", "route_label": "Ultra" }, "method_key": "Ultra|speech|/v1/audio/speech|minimax%2Fspeech-2.6-hd", "ordinal": 0, "rawMethod": { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Retain the complete response, all actual results, original identifiers, usage and response headers.", "authentication": { "api_key_source": "AILOOT_API_KEY", "header": "Authorization: Bearer" }, "example_body": { "audio_setting": { "channel": 1, "format": "mp3", "sample_rate": 32000 }, "model": "minimax/speech-2.6-hd", "output_format": "hex", "stream": false, "text": "Hello, this is a short speech example." }, "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets", "query": { "cursor": "actual returned next_cursor, when present", "family": "audio" } }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "cancel_endpoint": null, "create": { "http": "POST", "path": "/v1/audio/speech" }, "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "owned_content": { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "Use the exact returned content_url. Refresh an expired link by reading the same existing asset." }, "status": [], "unknown": "Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.", "unknown_no_replay": true }, "outputs": { "all_results": "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.", "family": "audio", "fields": [ { "name": "data.audio", "type": "string" }, { "name": "extra_info", "type": "object" }, { "name": "trace_id", "type": "string" } ], "format": [ "mp3", "pcm", "flac", "wav" ] }, "parameters": [ { "default_known": false, "enum": [ "minimax/speech-2.6-hd" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "default_known": false, "enum_known": false, "maxLength": 9999, "minLength": 1, "name": "text", "required": true, "type": "string" }, { "default": false, "default_known": true, "enum": [ false ], "enum_known": true, "name": "stream", "required": false, "type": "boolean" }, { "default_known": false, "enum_known": false, "name": "voice_setting", "properties": { "emotion": { "enum": [ "happy", "sad", "angry", "fearful", "disgusted", "surprised", "calm", "fluent" ], "type": "string" }, "latex_read": { "default": false, "type": "boolean" }, "pitch": { "default": 0, "maximum": 12, "minimum": -12, "type": "integer" }, "speed": { "default": 1, "maximum": 2, "minimum": 0.5, "type": "number" }, "text_normalization": { "default": false, "type": "boolean" }, "voice_id": { "type": "string" }, "vol": { "default": 1, "exclusiveMinimum": true, "maximum": 10, "minimum": 0, "type": "number" } }, "required": false, "type": "object" }, { "default_known": false, "enum_known": false, "name": "voice_setting.voice_id", "required": false, "type": "string" }, { "default": 1, "default_known": true, "enum_known": false, "maximum": 2, "minimum": 0.5, "name": "voice_setting.speed", "required": false, "type": "number" }, { "default": 1, "default_known": true, "enum_known": false, "exclusiveMinimum": true, "maximum": 10, "minimum": 0, "name": "voice_setting.vol", "required": false, "type": "number" }, { "default": 0, "default_known": true, "enum_known": false, "maximum": 12, "minimum": -12, "name": "voice_setting.pitch", "required": false, "type": "integer" }, { "default_known": false, "enum": [ "happy", "sad", "angry", "fearful", "disgusted", "surprised", "calm", "fluent" ], "enum_known": true, "name": "voice_setting.emotion", "required": false, "type": "string" }, { "default": false, "default_known": true, "enum_known": false, "name": "voice_setting.text_normalization", "required": false, "type": "boolean" }, { "default": false, "default_known": true, "enum_known": false, "name": "voice_setting.latex_read", "required": false, "type": "boolean" }, { "default_known": false, "enum_known": false, "name": "audio_setting", "properties": { "bitrate": { "default": 128000, "enum": [ 32000, 64000, 128000, 256000 ], "type": "integer" }, "channel": { "default": 1, "enum": [ 1, 2 ], "type": "integer" }, "force_cbr": { "default": false, "type": "boolean" }, "format": { "default": "mp3", "enum": [ "mp3", "pcm", "flac", "wav" ], "type": "string" }, "sample_rate": { "default": 32000, "enum": [ 8000, 16000, 22050, 24000, 32000, 44100 ], "type": "integer" } }, "required": false, "type": "object" }, { "default": 32000, "default_known": true, "enum": [ 8000, 16000, 22050, 24000, 32000, 44100 ], "enum_known": true, "name": "audio_setting.sample_rate", "required": false, "type": "integer" }, { "default": 128000, "default_known": true, "enum": [ 32000, 64000, 128000, 256000 ], "enum_known": true, "name": "audio_setting.bitrate", "required": false, "type": "integer" }, { "default": "mp3", "default_known": true, "enum": [ "mp3", "pcm", "flac", "wav" ], "enum_known": true, "name": "audio_setting.format", "required": false, "type": "string" }, { "default": 1, "default_known": true, "enum": [ 1, 2 ], "enum_known": true, "name": "audio_setting.channel", "required": false, "type": "integer" }, { "default": false, "default_known": true, "enum_known": false, "name": "audio_setting.force_cbr", "required": false, "type": "boolean" }, { "default_known": false, "enum_known": false, "name": "pronunciation_dict", "properties": { "tone": { "items": { "type": "string" }, "type": "array" } }, "required": false, "type": "object" }, { "default_known": false, "enum_known": false, "items": { "type": "string" }, "name": "pronunciation_dict.tone", "required": false, "type": "array" }, { "default_known": false, "enum_known": false, "items": { "properties": { "voice_id": { "type": "string" }, "weight": { "type": "integer" } }, "type": "object" }, "name": "timber_weights", "required": false, "type": "array" }, { "default_known": false, "enum": [ "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" ], "enum_known": true, "name": "language_boost", "required": false, "type": "string" }, { "default_known": false, "enum_known": false, "name": "voice_modify", "properties": { "intensity": { "enum": [ -100, 100 ], "type": "integer" }, "pitch": { "enum": [ -100, 100 ], "type": "integer" }, "sound_effects": { "enum": [ "spacious_echo", "auditorium_echo", "lofi_telephone", "robotic" ], "type": "string" }, "timbre": { "enum": [ -100, 100 ], "type": "integer" } }, "required": false, "type": "object" }, { "default_known": false, "enum": [ -100, 100 ], "enum_known": true, "name": "voice_modify.pitch", "required": false, "type": "integer" }, { "default_known": false, "enum": [ -100, 100 ], "enum_known": true, "name": "voice_modify.intensity", "required": false, "type": "integer" }, { "default_known": false, "enum": [ -100, 100 ], "enum_known": true, "name": "voice_modify.timbre", "required": false, "type": "integer" }, { "default_known": false, "enum": [ "spacious_echo", "auditorium_echo", "lofi_telephone", "robotic" ], "enum_known": true, "name": "voice_modify.sound_effects", "required": false, "type": "string" }, { "default": false, "default_known": true, "enum_known": false, "name": "subtitle_enable", "required": false, "type": "boolean" }, { "default": "hex", "default_known": true, "enum": [ "url", "hex" ], "enum_known": true, "name": "output_format", "required": false, "type": "string" }, { "default": false, "default_known": true, "enum_known": false, "name": "aigc_watermark", "required": false, "type": "boolean" } ], "request_schema": { "properties": { "aigc_watermark": { "default": false, "type": "boolean" }, "audio_setting": { "properties": { "bitrate": { "default": 128000, "enum": [ 32000, 64000, 128000, 256000 ], "type": "integer" }, "channel": { "default": 1, "enum": [ 1, 2 ], "type": "integer" }, "force_cbr": { "default": false, "type": "boolean" }, "format": { "default": "mp3", "enum": [ "mp3", "pcm", "flac", "wav" ], "type": "string" }, "sample_rate": { "default": 32000, "enum": [ 8000, 16000, 22050, 24000, 32000, 44100 ], "type": "integer" } }, "type": "object" }, "language_boost": { "enum": [ "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" ], "type": "string" }, "model": { "enum": [ "minimax/speech-2.6-hd" ], "type": "string" }, "output_format": { "default": "hex", "enum": [ "url", "hex" ], "type": "string" }, "pronunciation_dict": { "properties": { "tone": { "items": { "type": "string" }, "type": "array" } }, "type": "object" }, "stream": { "default": false, "enum": [ false ], "type": "boolean" }, "subtitle_enable": { "default": false, "type": "boolean" }, "text": { "maxLength": 9999, "minLength": 1, "type": "string" }, "timber_weights": { "items": { "properties": { "voice_id": { "type": "string" }, "weight": { "type": "integer" } }, "type": "object" }, "type": "array" }, "voice_modify": { "properties": { "intensity": { "enum": [ -100, 100 ], "type": "integer" }, "pitch": { "enum": [ -100, 100 ], "type": "integer" }, "sound_effects": { "enum": [ "spacious_echo", "auditorium_echo", "lofi_telephone", "robotic" ], "type": "string" }, "timbre": { "enum": [ -100, 100 ], "type": "integer" } }, "type": "object" }, "voice_setting": { "properties": { "emotion": { "enum": [ "happy", "sad", "angry", "fearful", "disgusted", "surprised", "calm", "fluent" ], "type": "string" }, "latex_read": { "default": false, "type": "boolean" }, "pitch": { "default": 0, "maximum": 12, "minimum": -12, "type": "integer" }, "speed": { "default": 1, "maximum": 2, "minimum": 0.5, "type": "number" }, "text_normalization": { "default": false, "type": "boolean" }, "voice_id": { "type": "string" }, "vol": { "default": 1, "exclusiveMinimum": true, "maximum": 10, "minimum": 0, "type": "number" } }, "type": "object" } }, "required": [ "model", "text" ], "type": "object" }, "schema_template": { "body": { "audio_setting": { "channel": 1, "format": "mp3", "sample_rate": 32000 }, "model": "minimax/speech-2.6-hd", "output_format": "hex", "stream": false, "text": "Hello, this is a short speech example." }, "content_type": "application/json" } }, "input": { "conditions": [ "Use 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." ], "content_type": "application/json", "material_types": [ "text" ], "optional": [ "stream", "voice_setting", "audio_setting", "pronunciation_dict", "timber_weights", "language_boost", "voice_modify", "subtitle_enable", "output_format", "aigc_watermark" ], "required": [ "model", "text" ] }, "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets", "query": { "cursor": "actual returned next_cursor, when present", "family": "audio" } }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "cancel_endpoint": null, "create": { "http": "POST", "path": "/v1/audio/speech" }, "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "owned_content": { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "Use the exact returned content_url. Refresh an expired link by reading the same existing asset." }, "status": [], "unknown": "Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.", "unknown_no_replay": true }, "method": { "http": "POST", "path": "/v1/audio/speech" }, "method_aliases": [], "output": { "all_results": "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.", "family": "audio", "fields": [ { "name": "data.audio", "type": "string" }, { "name": "extra_info", "type": "object" }, { "name": "trace_id", "type": "string" } ], "format": [ "mp3", "pcm", "flac", "wav" ] } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "per input character" }, "label": "input character", "units": [ { "amount": "0.0002", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_character", "label": "input character", "native_amount_usd_per_unit": "0.0002", "native_quantity": 1, "public_unit_label": "per input character", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_character" } ] } ], "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"minimax/speech-2.6-hd\", \"text\": \"Hello, this is a short speech example.\", \"stream\": false, \"output_format\": \"hex\", \"audio_setting\": {\"format\": \"mp3\", \"sample_rate\": 32000, \"channel\": 1}}')\n\nPath(\"request.json\").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/speech \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\n", "label": "curl · create once and retain the complete result", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "speech", "http": "POST", "img_in": null, "img_out": null, "in": null, "input": [ "text" ], "label": "Speech", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "out": null, "output": [ "audio" ], "path": "/v1/audio/speech", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "per_request", "cache_read_price": null, "cache_write_1h_price": null, "cache_write_price": null, "fast_multiplier": null, "flex_multiplier": null, "image_input_price": null, "image_output_price": null, "input_price": null, "intervals": null, "max_reasoning_effort_multiplier": null, "output_price": null, "per_request_price": null, "unit_prices": { "audio_input_character": "0.0002" } }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "per input character" }, "label": "input character", "units": [ { "amount": "0.0002", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_character", "label": "input character", "native_amount_usd_per_unit": "0.0002", "native_quantity": 1, "public_unit_label": "per input character", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_character" } ] } ], "request_model_id": "minimax/speech-2.6-hd", "route_label": "Ultra", "status_reads": [], "tiers": [], "unit": "per_request", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" }, { "amount": "0.0002", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_character", "label": "input character", "native_amount_usd_per_unit": "0.0002", "native_quantity": 1, "public_unit_label": "per input character", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_character" } ] } } ], "model_id": "minimax/speech-2.6-hd", "nativeProvenance": { "input_facts_canonical_sha256": "fc85097fae8b7a8dd375b2035a5c4f3158c48fae7d0c9078eeaf4083b0c0a6ad", "input_html_sha256": "01c747a476bd2c6fdf0b05a949b7113ffd9bb3241fc0320fad47434273b5f5af", "private_audit_sha256": "5aa0db7e7ceb1adad3dbe736eeb799bbc17a28ead913f2d3749da9d83bfb3f12", "role": "historical-normalized-input-audit-hashes", "schema": "ailoot-native-model-provenance-v2" }, "page": { "canonical": "https://ailoot.ai/models/ru/minimax-speech-2-6-hd/", "description": "Speech 2.6 HD — модель MiniMax для превращения готового текста в речь. Редакция minimax/speech-2.6-hd предоставляет параметры голоса, подачи и аудиоформата, полный ответ JSON и выбор вывода аудио в виде URL или шестнадцатеричных данных. Используйте её для озвучки предоставленного повествования, учебного отрывка или пошагового обзора продукта.", "locale": "ru", "md_url": "https://ailoot.ai/models/ru/minimax-speech-2-6-hd/index.md", "title": "MiniMax: Speech 2.6 HD — Ailoot", "url": "https://ailoot.ai/models/ru/minimax-speech-2-6-hd/" }, "rawModel": { "about": "Speech 2.6 HD — конкретная речевая редакция MiniMax, выбираемая через model: \"minimax/speech-2.6-hd\". Используйте POST /v1/audio/speech с телом application/json, содержащим model и text для произнесения. На входе — текст, результат — синтезированное аудио. Для учебного отрывка подготовьте точное объяснение и примеры для чтения вслух. Для пошагового обзора продукта напишите произносимую последовательность в том же порядке, что и видимые шаги. Текст озвучки может включать законченные предложения и продуманную пунктуацию; держите редакционные указания, которые должны оставаться беззвучными, вне text.\n\nПоле text не должно быть пустым и должно содержать меньше 10 000 символов Unicode. Отправьте полный произносимый текст со stream:false или опустите stream. Разделите более длинный материал на отдельные законченные фрагменты до отправки каждого из них. Документ можно использовать, прочитав фактическое содержимое и поместив нужный отрывок в text; URL документа не заменяет текст озвучки.\n\nВыберите голос через voice_setting.voice_id. Документированные категории голосов включают системные голоса и уже созданные клонированные или спроектированные по тексту голоса; используйте действительный ID голоса для выбранной категории. Голос в примере — audiobook_male_1. Тот же объект управляет speed от 0,5 до 2, vol выше 0 и до 10 и целочисленным pitch от -12 до 12. Их значения по умолчанию — 1, 1 и 0. Эти параметры регулируют разные стороны речевой подачи, поэтому выбирайте их отдельно, не помещая их названия в произносимый текст.\n\nvoice_setting.emotion принимает happy, sad, angry, fearful, disgusted, surprised, calm и fluent. Документация также описывает автоматический подбор эмоции по тексту. Для текстов с большим числом чисел voice_setting.text_normalization включает нормализацию китайского и английского текста и по умолчанию равен false. voice_setting.latex_read управляет чтением выражений LaTeX и также по умолчанию равен false. pronunciation_dict.tone — массив строк с правилами произношения. Опубликованный пример — [\"草地/(cao3)(di1)\"]; при передаче правила сохраняйте слово, косую черту и структуру произношения в скобках.\n\naudio_setting.format принимает mp3, pcm, flac и wav, по умолчанию mp3. sample_rate принимает 8000, 16000, 22050, 24000, 32000 и 44100 Hz; значение по умолчанию — 32000. channel равен 1 для моно или 2 для двух каналов, по умолчанию 1. Значения bitrate — 32000, 64000, 128000 и 256000 бит в секунду, по умолчанию 128000; они применяются к mp3. Выберите кодирование, нужное проигрывателю или инструменту монтажа, который будет использовать результат.\n\nlanguage_boost — необязательная строка, по умолчанию null. Допустимые значения — 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 и auto. \"Chinese,Yue\" — одно значение. Это отдельный параметр, отличный от произносимого текста и ID голоса. Схема также предоставляет timber_weights для списка пар voice_id и целочисленного weight, где каждый вес — от 1 до 100. При подготовке запроса сохраняйте написание параметра timber_weights. voice_modify.sound_effects — необязательная строка со значениями spacious_echo, auditorium_echo, lofi_telephone и robotic.\n\nstream по умолчанию равен false. Для полного ответа output_format выбирает url или hex, по умолчанию hex. В документированном результате JSON data.audio содержит выбранное представление: загрузите полный подписанный URL Ailoot, включая строку запроса, либо декодируйте полное шестнадцатеричное аудио в байты. Сохраняйте исходный результат вместе с data.status, base_resp, trace_id и extra_info, включающим фактический аудиоформат, частоту дискретизации, число каналов, размер и usage_characters.\n\nsubtitle_enable — логический параметр, по умолчанию false, применяемый к непотоковому выводу. aigc_watermark — логический параметр, по умолчанию false, управляющий слышимым ритмическим маркером в конце сгенерированного аудио. Сохраняйте каждый возвращённый аудиорезультат или результат субтитров и проверяйте произношение, числа и готовый файл перед включением в приложение. При неопределённой доставке сохраняйте идентификатор исходного запроса и ответ для проверки существующей попытки. Ailoot также сохраняет готовое аудио в вашей медиатеке. При output_format:\"url\" data.audio содержит подписанную ссылку на сохранённый ресурс; ID ресурса находится в её пути /v1/media/assets/{asset_id}/content. Подписанные ссылки Ailoot на файлы действуют 24 часа с момента выдачи. Используйте тот же API-ключ для GET /v1/media/assets?family=audio и пройдите по всем next_cursor, чтобы найти записи аудиоресурсов. Прочитайте GET /v1/media/assets/{asset_id} для каждой выбранной записи и загрузите точный content_url, включая строку запроса. Если запрос файла возвращает 404 с кодом link_expired, повторно прочитайте тот же ресурс для обновлённого content_url. Обновляйте сохранённый результат вместо повторной генерации аудио ради замены просроченной ссылки.", "alias_of": null, "aliases": [], "author": "MiniMax", "ctx": null, "formats": [ "speech" ], "id": "minimax/speech-2.6-hd", "input": [ "text" ], "kind": "speech", "max_out": null, "methods": [ { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Retain the complete response, all actual results, original identifiers, usage and response headers.", "authentication": { "api_key_source": "AILOOT_API_KEY", "header": "Authorization: Bearer" }, "example_body": { "audio_setting": { "channel": 1, "format": "mp3", "sample_rate": 32000 }, "model": "minimax/speech-2.6-hd", "output_format": "hex", "stream": false, "text": "Hello, this is a short speech example." }, "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets", "query": { "cursor": "actual returned next_cursor, when present", "family": "audio" } }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "cancel_endpoint": null, "create": { "http": "POST", "path": "/v1/audio/speech" }, "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "owned_content": { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "Use the exact returned content_url. Refresh an expired link by reading the same existing asset." }, "status": [], "unknown": "Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.", "unknown_no_replay": true }, "outputs": { "all_results": "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.", "family": "audio", "fields": [ { "name": "data.audio", "type": "string" }, { "name": "extra_info", "type": "object" }, { "name": "trace_id", "type": "string" } ], "format": [ "mp3", "pcm", "flac", "wav" ] }, "parameters": [ { "default_known": false, "enum": [ "minimax/speech-2.6-hd" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "default_known": false, "enum_known": false, "maxLength": 9999, "minLength": 1, "name": "text", "required": true, "type": "string" }, { "default": false, "default_known": true, "enum": [ false ], "enum_known": true, "name": "stream", "required": false, "type": "boolean" }, { "default_known": false, "enum_known": false, "name": "voice_setting", "properties": { "emotion": { "enum": [ "happy", "sad", "angry", "fearful", "disgusted", "surprised", "calm", "fluent" ], "type": "string" }, "latex_read": { "default": false, "type": "boolean" }, "pitch": { "default": 0, "maximum": 12, "minimum": -12, "type": "integer" }, "speed": { "default": 1, "maximum": 2, "minimum": 0.5, "type": "number" }, "text_normalization": { "default": false, "type": "boolean" }, "voice_id": { "type": "string" }, "vol": { "default": 1, "exclusiveMinimum": true, "maximum": 10, "minimum": 0, "type": "number" } }, "required": false, "type": "object" }, { "default_known": false, "enum_known": false, "name": "voice_setting.voice_id", "required": false, "type": "string" }, { "default": 1, "default_known": true, "enum_known": false, "maximum": 2, "minimum": 0.5, "name": "voice_setting.speed", "required": false, "type": "number" }, { "default": 1, "default_known": true, "enum_known": false, "exclusiveMinimum": true, "maximum": 10, "minimum": 0, "name": "voice_setting.vol", "required": false, "type": "number" }, { "default": 0, "default_known": true, "enum_known": false, "maximum": 12, "minimum": -12, "name": "voice_setting.pitch", "required": false, "type": "integer" }, { "default_known": false, "enum": [ "happy", "sad", "angry", "fearful", "disgusted", "surprised", "calm", "fluent" ], "enum_known": true, "name": "voice_setting.emotion", "required": false, "type": "string" }, { "default": false, "default_known": true, "enum_known": false, "name": "voice_setting.text_normalization", "required": false, "type": "boolean" }, { "default": false, "default_known": true, "enum_known": false, "name": "voice_setting.latex_read", "required": false, "type": "boolean" }, { "default_known": false, "enum_known": false, "name": "audio_setting", "properties": { "bitrate": { "default": 128000, "enum": [ 32000, 64000, 128000, 256000 ], "type": "integer" }, "channel": { "default": 1, "enum": [ 1, 2 ], "type": "integer" }, "force_cbr": { "default": false, "type": "boolean" }, "format": { "default": "mp3", "enum": [ "mp3", "pcm", "flac", "wav" ], "type": "string" }, "sample_rate": { "default": 32000, "enum": [ 8000, 16000, 22050, 24000, 32000, 44100 ], "type": "integer" } }, "required": false, "type": "object" }, { "default": 32000, "default_known": true, "enum": [ 8000, 16000, 22050, 24000, 32000, 44100 ], "enum_known": true, "name": "audio_setting.sample_rate", "required": false, "type": "integer" }, { "default": 128000, "default_known": true, "enum": [ 32000, 64000, 128000, 256000 ], "enum_known": true, "name": "audio_setting.bitrate", "required": false, "type": "integer" }, { "default": "mp3", "default_known": true, "enum": [ "mp3", "pcm", "flac", "wav" ], "enum_known": true, "name": "audio_setting.format", "required": false, "type": "string" }, { "default": 1, "default_known": true, "enum": [ 1, 2 ], "enum_known": true, "name": "audio_setting.channel", "required": false, "type": "integer" }, { "default": false, "default_known": true, "enum_known": false, "name": "audio_setting.force_cbr", "required": false, "type": "boolean" }, { "default_known": false, "enum_known": false, "name": "pronunciation_dict", "properties": { "tone": { "items": { "type": "string" }, "type": "array" } }, "required": false, "type": "object" }, { "default_known": false, "enum_known": false, "items": { "type": "string" }, "name": "pronunciation_dict.tone", "required": false, "type": "array" }, { "default_known": false, "enum_known": false, "items": { "properties": { "voice_id": { "type": "string" }, "weight": { "type": "integer" } }, "type": "object" }, "name": "timber_weights", "required": false, "type": "array" }, { "default_known": false, "enum": [ "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" ], "enum_known": true, "name": "language_boost", "required": false, "type": "string" }, { "default_known": false, "enum_known": false, "name": "voice_modify", "properties": { "intensity": { "enum": [ -100, 100 ], "type": "integer" }, "pitch": { "enum": [ -100, 100 ], "type": "integer" }, "sound_effects": { "enum": [ "spacious_echo", "auditorium_echo", "lofi_telephone", "robotic" ], "type": "string" }, "timbre": { "enum": [ -100, 100 ], "type": "integer" } }, "required": false, "type": "object" }, { "default_known": false, "enum": [ -100, 100 ], "enum_known": true, "name": "voice_modify.pitch", "required": false, "type": "integer" }, { "default_known": false, "enum": [ -100, 100 ], "enum_known": true, "name": "voice_modify.intensity", "required": false, "type": "integer" }, { "default_known": false, "enum": [ -100, 100 ], "enum_known": true, "name": "voice_modify.timbre", "required": false, "type": "integer" }, { "default_known": false, "enum": [ "spacious_echo", "auditorium_echo", "lofi_telephone", "robotic" ], "enum_known": true, "name": "voice_modify.sound_effects", "required": false, "type": "string" }, { "default": false, "default_known": true, "enum_known": false, "name": "subtitle_enable", "required": false, "type": "boolean" }, { "default": "hex", "default_known": true, "enum": [ "url", "hex" ], "enum_known": true, "name": "output_format", "required": false, "type": "string" }, { "default": false, "default_known": true, "enum_known": false, "name": "aigc_watermark", "required": false, "type": "boolean" } ], "request_schema": { "properties": { "aigc_watermark": { "default": false, "type": "boolean" }, "audio_setting": { "properties": { "bitrate": { "default": 128000, "enum": [ 32000, 64000, 128000, 256000 ], "type": "integer" }, "channel": { "default": 1, "enum": [ 1, 2 ], "type": "integer" }, "force_cbr": { "default": false, "type": "boolean" }, "format": { "default": "mp3", "enum": [ "mp3", "pcm", "flac", "wav" ], "type": "string" }, "sample_rate": { "default": 32000, "enum": [ 8000, 16000, 22050, 24000, 32000, 44100 ], "type": "integer" } }, "type": "object" }, "language_boost": { "enum": [ "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" ], "type": "string" }, "model": { "enum": [ "minimax/speech-2.6-hd" ], "type": "string" }, "output_format": { "default": "hex", "enum": [ "url", "hex" ], "type": "string" }, "pronunciation_dict": { "properties": { "tone": { "items": { "type": "string" }, "type": "array" } }, "type": "object" }, "stream": { "default": false, "enum": [ false ], "type": "boolean" }, "subtitle_enable": { "default": false, "type": "boolean" }, "text": { "maxLength": 9999, "minLength": 1, "type": "string" }, "timber_weights": { "items": { "properties": { "voice_id": { "type": "string" }, "weight": { "type": "integer" } }, "type": "object" }, "type": "array" }, "voice_modify": { "properties": { "intensity": { "enum": [ -100, 100 ], "type": "integer" }, "pitch": { "enum": [ -100, 100 ], "type": "integer" }, "sound_effects": { "enum": [ "spacious_echo", "auditorium_echo", "lofi_telephone", "robotic" ], "type": "string" }, "timbre": { "enum": [ -100, 100 ], "type": "integer" } }, "type": "object" }, "voice_setting": { "properties": { "emotion": { "enum": [ "happy", "sad", "angry", "fearful", "disgusted", "surprised", "calm", "fluent" ], "type": "string" }, "latex_read": { "default": false, "type": "boolean" }, "pitch": { "default": 0, "maximum": 12, "minimum": -12, "type": "integer" }, "speed": { "default": 1, "maximum": 2, "minimum": 0.5, "type": "number" }, "text_normalization": { "default": false, "type": "boolean" }, "voice_id": { "type": "string" }, "vol": { "default": 1, "exclusiveMinimum": true, "maximum": 10, "minimum": 0, "type": "number" } }, "type": "object" } }, "required": [ "model", "text" ], "type": "object" }, "schema_template": { "body": { "audio_setting": { "channel": 1, "format": "mp3", "sample_rate": 32000 }, "model": "minimax/speech-2.6-hd", "output_format": "hex", "stream": false, "text": "Hello, this is a short speech example." }, "content_type": "application/json" } }, "input": { "conditions": [ "Use 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." ], "content_type": "application/json", "material_types": [ "text" ], "optional": [ "stream", "voice_setting", "audio_setting", "pronunciation_dict", "timber_weights", "language_boost", "voice_modify", "subtitle_enable", "output_format", "aigc_watermark" ], "required": [ "model", "text" ] }, "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets", "query": { "cursor": "actual returned next_cursor, when present", "family": "audio" } }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "cancel_endpoint": null, "create": { "http": "POST", "path": "/v1/audio/speech" }, "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "owned_content": { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "Use the exact returned content_url. Refresh an expired link by reading the same existing asset." }, "status": [], "unknown": "Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.", "unknown_no_replay": true }, "method": { "http": "POST", "path": "/v1/audio/speech" }, "method_aliases": [], "output": { "all_results": "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.", "family": "audio", "fields": [ { "name": "data.audio", "type": "string" }, { "name": "extra_info", "type": "object" }, { "name": "trace_id", "type": "string" } ], "format": [ "mp3", "pcm", "flac", "wav" ] } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "per input character" }, "label": "input character", "units": [ { "amount": "0.0002", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_character", "label": "input character", "native_amount_usd_per_unit": "0.0002", "native_quantity": 1, "public_unit_label": "per input character", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_character" } ] } ], "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"minimax/speech-2.6-hd\", \"text\": \"Hello, this is a short speech example.\", \"stream\": false, \"output_format\": \"hex\", \"audio_setting\": {\"format\": \"mp3\", \"sample_rate\": 32000, \"channel\": 1}}')\n\nPath(\"request.json\").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/speech \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\n", "label": "curl · create once and retain the complete result", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "speech", "http": "POST", "img_in": null, "img_out": null, "in": null, "input": [ "text" ], "label": "Speech", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "out": null, "output": [ "audio" ], "path": "/v1/audio/speech", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "per_request", "cache_read_price": null, "cache_write_1h_price": null, "cache_write_price": null, "fast_multiplier": null, "flex_multiplier": null, "image_input_price": null, "image_output_price": null, "input_price": null, "intervals": null, "max_reasoning_effort_multiplier": null, "output_price": null, "per_request_price": null, "unit_prices": { "audio_input_character": "0.0002" } }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "per input character" }, "label": "input character", "units": [ { "amount": "0.0002", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_character", "label": "input character", "native_amount_usd_per_unit": "0.0002", "native_quantity": 1, "public_unit_label": "per input character", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_character" } ] } ], "request_model_id": "minimax/speech-2.6-hd", "route_label": "Ultra", "status_reads": [], "tiers": [], "unit": "per_request", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" }, { "amount": "0.0002", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_character", "label": "input character", "native_amount_usd_per_unit": "0.0002", "native_quantity": 1, "public_unit_label": "per input character", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_character" } ] } ], "model_aliases": [ { "canonical_model_id": "minimax/speech-2.6-hd", "request_model_id": "minimax/speech-2.6-hd", "route_label": "Ultra" } ], "name": "MiniMax: Speech 2.6 HD", "price": { "in": "0.0002", "in_label": "per input character", "out": null, "out_label": null, "sort_in": null, "sort_out": null, "varies": false }, "short": "Speech 2.6 HD — модель MiniMax для превращения готового текста в речь. Редакция minimax/speech-2.6-hd предоставляет параметры голоса, подачи и аудиоформата, полный ответ JSON и выбор вывода аудио в виде URL или шестнадцатеричных данных. Используйте её для озвучки предоставленного повествования, учебного отрывка или пошагового обзора продукта." }, "renderer_schema": { "method_order": "Original DTO methods order; every exact route/format/path/caller survives.", "prices": "Original public DTO fields and original native display HTML; no flattened or normalized offers." }, "representation": "exact-public-dto-and-native-renderer-html", "representationNotes": { "current_reference": { "about_json_pointer": "/aboutHtml", "methods": [ { "contract_json_pointer": "/methods/0/rawMethod/contract", "html_json_pointer": "/methods/0/html", "method_ordinal": 0 } ], "role": "current-semantic-reference" }, "raw_input": { "examples_role": "historical-input-not-current-ready-examples", "json_pointers": [ "/rawModel", "/methods/0/rawMethod" ], "role": "historical-owner-input" }, "schema": "ailoot-native-model-representations-v1" }, "schema": "ailoot-static-model-facts-v1", "schema_version": 1, "shortText": "Speech 2.6 HD — модель MiniMax для превращения готового текста в речь. Редакция minimax/speech-2.6-hd предоставляет параметры голоса, подачи и аудиоформата, полный ответ JSON и выбор вывода аудио в виде URL или шестнадцатеричных данных. Используйте её для озвучки предоставленного повествования, учебного отрывка или пошагового обзора продукта.", "source": { "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1", "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036", "raw_model_json_sha256": "9f7b4809de7ffc9808eef60dd8e75409ac014178324d38c9c69aa37399523754", "renderer_sha256": "aa692ffec412026bdeaf316df24a58e6c5083045e5246f6033f898d132afa5ff" }, "sourceRevision": "65ae3089312bf7cb4b6d38256c7e2c2a5a0871da4ed57138a6ad1f0b62939a30" }