MiniMax: Speech 2.8 HD

Speech 2.8 HD синтезирует выразительную речь с управлением эмоцией и звуковыми деталями вроде дыхания и смеха.

Ailoot Ultra · Озвучка POST /v1/audio/speech minimax/speech-2.8-hd

О модели

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

Живая речь с небольшими звуковыми деталями

Speech 2.8 HD ориентирована на естественное и чистое звучание. Главная особенность поколения — звуковые метки, которые позволяют включать в речь разговорные детали: смех, лёгкий смешок, дыхание, вдох, выдох, вздох, кашель, прочистку горла и другие короткие звуки. Они помогают передать ритм и паузы живой реплики, не превращая каждую фразу в ровное дикторское чтение.

Метки вставляются в текст в форме, указанной для модели: например, (chuckle), (breath) и (sighs) обозначают соответствующие звуковые действия. Возможность звуковых меток относится именно к Speech 2.8. Это детали голоса внутри синтеза речи, а не генерация отдельной музыкальной или звуковой композиции.

Тембр и чистота

Производитель выделяет передачу характерных особенностей голоса: фактуры, дыхания и манеры произношения. Возможности семейства включают синтез с уже подготовленным клонированным голосом; создание такого голоса — отдельный процесс. В Speech 2.8 также переработана обработка для уменьшения фонового шума и цифровых искажений.

Языки и выразительность

Speech 2.8 поддерживает 40 языков, включая русский. Производитель отдельно описывает работу над межъязыковым произношением на китайско-японском сочетании. Такой сценарий касается сохранения естественного звучания при использовании разных языков, а не автоматического перевода текста.

MiniMax предусматривает выбор голоса и управление темпом, громкостью и высотой. Скорость задаётся в диапазоне 0,5–2, громкость — выше 0 и до 10, изменение высоты — от −12 до 12. Эмоцию можно оставить на усмотрение модели по смыслу текста либо указать вручную: радость, грусть, гнев, страх, отвращение, удивление или спокойствие.

Произношение можно уточнять словарём замен и фонетической записью; в нём предусмотрены международный фонетический алфавит, китайский пиньинь и японские варианты чтения. Паузы задаются между произносимыми фрагментами в диапазоне 0,01–99,99 секунды. Длительность паузы задаётся с точностью до двух знаков после запятой; маркеры располагают между произносимыми фрагментами и не ставят подряд. Такие настройки позволяют согласовать звучание имён, сокращений и неоднозначных слов с замыслом озвучивания.

Аудиорезультат

Синтез принимает текст менее 10 000 символов. Для длинного текста свыше 3000 символов производитель рекомендует потоковый вывод; также предусмотрено получение готового аудио целиком. Общие настройки синтеза включают MP3, PCM, FLAC, WAV, Opus и варианты G.711 μ-law, моно или стерео; доступный набор форматов конкретного запроса определяется средствами Ailoot.

Эта карточка превращает текст в речевое аудио. Возможности настройки голоса описывают модель MiniMax; создание клона голоса, отдельные субтитры и специальные способы подключения не входят автоматически в запрос озвучивания.

Дополнительные настройки звука включают частоты дискретизации 8, 16, 22,05, 24, 32 и 44,1 кГц. Для MP3 предусмотрен битрейт 32, 64, 128 или 256 кбит/с. Также можно менять окраску голоса и применять один эффект: просторное эхо, эхо зала, телефонное звучание или роботизированный голос. Эффекты изменения голоса поддерживаются для MP3, WAV и FLAC при получении аудио целиком, а при потоковом выводе — только для MP3. Форматы G.711 μ-law используют частоту 8 кГц. Эти возможности относятся к настройкам синтеза MiniMax.

Производитель предусматривает синхронизацию речи с текстом: метки времени по предложениям, словам или словам при постепенном выводе. Такой результат помогает совместить произнесение с отображением текста. Эта дополнительная возможность требует поддержки соответствующего формата ответа.

Ailoot Ultra · Озвучка POST /v1/audio/speech minimax/speech-2.8-hd

minimax/speech-2.8-hd

MiniMax /minimax/speech-2.8-hd

Начало

Speech 2.8 HD синтезирует выразительную речь с управлением эмоцией и звуковыми деталями вроде дыхания и смеха.

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 minimax/speech-2.8-hd	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 English_expressive_narrator, English_radiant_girl, English_magnetic_voiced_man, English_compelling_lady1, English_Aussie_Bloke, English_captivating_female1, English_Upbeat_Woman, English_Trustworth_Man, English_CalmWoman, English_UpsetGirl, English_Gentle-voiced_man, English_Whispering_girl, English_Diligent_Man, English_Graceful_Lady, English_ReservedYoungMan, English_PlayfulGirl, English_ManWithDeepVoice, English_MaturePartner, English_FriendlyPerson, English_MatureBoss, English_Debator, English_LovelyGirl, English_Steadymentor, English_Deep-VoicedGentleman, English_Wiselady, English_CaptivatingStoryteller, English_DecentYoungMan, English_SentimentalLady, English_ImposingManner, English_SadTeen, English_PassionateWarrior, English_WiseScholar, English_Soft-spokenGirl, English_SereneWoman, English_ConfidentWoman, English_PatientMan, English_Comedian, English_BossyLeader, English_Strong-WilledBoy, English_StressedLady, English_AssertiveQueen, English_AnimeCharacter, English_Jovialman, English_WhimsicalGirl, English_Kind-heartedGirl	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`	КонтрактEnglish_expressive_narrator, English_radiant_girl, English_magnetic_voiced_man, English_compelling_lady1, English_Aussie_Bloke, English_captivating_female1, English_Upbeat_Woman, English_Trustworth_Man, English_CalmWoman, English_UpsetGirl, English_Gentle-voiced_man, English_Whispering_girl, English_Diligent_Man, English_Graceful_Lady, English_ReservedYoungMan, English_PlayfulGirl, English_ManWithDeepVoice, English_MaturePartner, English_FriendlyPerson, English_MatureBoss, English_Debator, English_LovelyGirl, English_Steadymentor, English_Deep-VoicedGentleman, English_Wiselady, English_CaptivatingStoryteller, English_DecentYoungMan, English_SentimentalLady, English_ImposingManner, English_SadTeen, English_PassionateWarrior, English_WiseScholar, English_Soft-spokenGirl, English_SereneWoman, English_ConfidentWoman, English_PatientMan, English_Comedian, English_BossyLeader, English_Strong-WilledBoy, English_StressedLady, English_AssertiveQueen, English_AnimeCharacter, English_Jovialman, English_WhimsicalGirl, English_Kind-heartedGirl
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 $0.2 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.

MiniMax: Speech 2.8 HD

Цены по конфигурациям

Конфигурация	Условия расчёта	Плата
КонфигурацияMiniMax: Speech 2.8 HD · Стандартная конфигурация	Условия расчётаКонфигурация по умолчанию	Плата Вход · Входные символы 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 · 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": "minimax/speech-2.8-hd", "input": "Good afternoon! This is a short voice take."}')
voice=os.environ["AILOOT_VOICE_ID"]
allowed=json.loads('["English_expressive_narrator", "English_radiant_girl", "English_magnetic_voiced_man", "English_compelling_lady1", "English_Aussie_Bloke", "English_captivating_female1", "English_Upbeat_Woman", "English_Trustworth_Man", "English_CalmWoman", "English_UpsetGirl", "English_Gentle-voiced_man", "English_Whispering_girl", "English_Diligent_Man", "English_Graceful_Lady", "English_ReservedYoungMan", "English_PlayfulGirl", "English_ManWithDeepVoice", "English_MaturePartner", "English_FriendlyPerson", "English_MatureBoss", "English_Debator", "English_LovelyGirl", "English_Steadymentor", "English_Deep-VoicedGentleman", "English_Wiselady", "English_CaptivatingStoryteller", "English_DecentYoungMan", "English_SentimentalLady", "English_ImposingManner", "English_SadTeen", "English_PassionateWarrior", "English_WiseScholar", "English_Soft-spokenGirl", "English_SereneWoman", "English_ConfidentWoman", "English_PatientMan", "English_Comedian", "English_BossyLeader", "English_Strong-WilledBoy", "English_StressedLady", "English_AssertiveQueen", "English_AnimeCharacter", "English_Jovialman", "English_WhimsicalGirl", "English_Kind-heartedGirl"]')
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 minimax/speech-2.8-hd

Псевдонимы путей метода

Используйте пути методов, указанные выше.

Связанные ID для вызова

minimax/speech-2.8-hd

FAQ · MiniMax: Speech 2.8 HD

Какие входные данные и результаты доступны?: POST /v1/audio/speech · minimax/speech-2.8-hd: text → audio
Какие поля использует запрос?: POST /v1/audio/speech · minimax/speech-2.8-hd: model, input, voice, response_format

MiniMax: Speech 2.8 HD