speech-2.6-turbo
Speech 2.6 Turbo синтезирует многоязычную речь и ориентирована на небольшую задержку ответа.
О модели
Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже.
Реплики для голосового процесса
Speech 2.6 Turbo — ориентированный на скорость вариант синтеза речи. Производитель описывает его для голосовых помощников и интерактивных сценариев, в которых текст превращается в ответ постепенно. Модель сохраняет естественные интонации поколения Speech 2.6 и умеет обрабатывать специальные формы записи.
Текст, который нужно правильно произнести
Модель рассчитана на чтение дат, телефонов, денежных сумм, адресов страниц и электронной почты без предварительного ручного переписывания каждой записи. Такой разбор полезен в динамических сообщениях, где встречаются числа и обозначения вместе с обычными словами. Производитель описывает обработку этих форматов на нескольких языках.
Плавность и управление эмоцией
Speech 2.6 поддерживает Fluent LoRA: сохранение узнаваемого тембра при более плавном произнесении текста. Возможность относится к использованию уже подготовленного голоса; отдельная подготовка клона не является частью обычного текстового запроса. В семейство входят 40 языков, включая русский.
Для Turbo предусмотрены семь основных эмоций и дополнительные режимы fluent и whisper. Модель может подбирать эмоциональную окраску сама по содержанию или использовать заданное состояние. Глубину и темп звучания можно менять независимо от текста.
Голос, паузы и произношение
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.
Получение звука
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.
В этой карточке Ailoot текст преобразуется в речевое аудио. Назначение Turbo связано со скоростью синтеза, однако фиксированное время ответа здесь не обещается; перечисленные настройки отражают возможности производителя и применяются в пределах доступного способа обращения.
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 · Озвучка POST /v1/audio/speech speech-2.6-turbo
speech-2.6-turboНачало
Speech 2.6 Turbo синтезирует многоязычную речь и ориентирована на небольшую задержку ответа.
- Допустимые входные данные
- Текст
- Результаты
- speech
Доступно в Ailoot · входные данные и методы
Ailoot · Озвучка POST /v1/audio/speech
- Входные данные
text- Результат
speech- Выходной формат
- mp3
| Поле | Тип | Требование | Значения и ограничения | По умолчанию |
|---|---|---|---|---|
Полеmodel | Типstring | ТребованиеОбязательно | Значения и ограничения speech-2.6-turbo | По умолчанию— |
Полеinput | Типstring | ТребованиеОбязательно | Значения и ограничения Минимальная длина: 1 Максимальная длина (не включительно): 10 000 Единица: символы Unicode | По умолчанию— |
Полеvoice | Типstring | ТребованиеОбязательно | Значения и ограничения Шаблон: ^[A-Za-z0-9_-]{1,128}$ | По умолчанию— |
Полеresponse_format | Типstring | ТребованиеНеобязательно | Значения и ограничения mp3 | По умолчанию— |
Сочетания входных материалов
text_to_speech · Обязательно: input
Параметры и жизненный цикл метода
| Параметр | Контракт |
|---|---|
Параметрmaterial_types | Контрактtext |
Параметрrequired | Контрактnull |
Параметрoptional_controls | Контрактnull |
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}
Структуры методов и ID указаны точно; возможности поставщика рассматриваются отдельно от допуска.
Тарифы
Ставки методов Ailoot
POST /v1/audio/speech- Вход
- 60,00 $ за 1 миллион символов
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 · Озвучка
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 narration script}"
export AILOOT_TEXT_FILE
: "${AILOOT_VOICE_ID:?Set the actual accepted voice ID for this model}"
export AILOOT_VOICE_ID
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "speech-2.6-turbo", "input": ""}')
f=Path(os.environ["AILOOT_TEXT_FILE"])
if not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")
text=f.read_text(encoding="utf-8")
if not text.strip():raise SystemExit("Source material must contain text")
p["input"]=text
import re
voice=os.environ["AILOOT_VOICE_ID"]
if not re.fullmatch(r"[A-Za-z0-9_-]{1,128}",voice):raise SystemExit("Set an actual accepted voice ID")
p["voice"]=voice
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 · Озвучка
mp3
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
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 |
|---|---|
Полеbinary audio | Типbytes |
Полеresponse 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. |
Ответserver_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 speech-2.6-turbo
Псевдонимы путей метода
Используйте пути методов, указанные выше.
Связанные ID для вызова
FAQ · speech-2.6-turbo
- Какие входные данные и результаты доступны?
POST /v1/audio/speech·speech-2.6-turbo:text→speech- Какие поля использует запрос?
POST /v1/audio/speech·speech-2.6-turbo:model,input,voice,response_format