MiniMax: Speech 01 Turbo
MiniMax Speech 01 Turbo číta dodaný text ako generovanú reč prostredníctvom synchrónnej požiadavky audio_speech. Prijíma text kratší než 10 000 znakov a ponúka nastavenia hlasu, tempa a výšky s výstupom MP3, PCM, FLAC alebo WAV.
O modeli
Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu.
MiniMax Speech 01 Turbo premieňa dodaný text na hovorený zvuk. Jeho presné ID modelu v Ailoot je minimax/speech-01-turbo a zdokumentovaný selektor syntézy je speech-01-turbo. Metódu audio_speech použite na hlasový komentár, hovorenú lekciu, vysvetlenie produktu alebo návrh rozprávania, ktorého znenie už máte. Vstupom je pasáž na prečítanie a výsledkom je syntetizovaná reč vo vybranom zvukovom formáte.
Text pripravte ako slová určené na vyslovenie s interpunkciou zodpovedajúcou frázovaniu. Pri návrhu rozprávania dodajte konečné poradie viet a zápis mien pred výberom nastavení hlasu. Režijné pokyny držte oddelene od hovorenej pasáže, pokiaľ tieto slová nemajú byť súčasťou nahrávky. Vo výsledku si vypočujte dôležité mená, čísla a prechody a porovnajte ich so zdrojovým textom.
Text musí byť kratší než 10 000 znakov. Zverejnený kontrakt syntézy vyžaduje model a text. Pri dlhších podkladoch pripravte pasáže v rámci tohto limitu a uchovajte ich poradie na úpravy. Synchrónny profil používa úplnú odpoveď, pričom zdokumentovaná predvolená hodnota je stream=false. Všeobecné API opisuje aj možnosti priebežného doručovania, ale vybranou metódou tejto karty je synchrónny postup tvorby reči.
voice_setting vyberá dostupný voice_id a ovláda speed, vol a pitch. Zdokumentovaný rozsah speed je 0,5–2 s predvolenou hodnotou 1. vol musí byť väčšie než 0 a najviac 10, s predvolenou hodnotou 1; pitch je celé číslo od -12 do 12 s predvolenou hodnotou 0. Každé nastavenie prispôsobte pasáži: porovnajte tempo čítania a počuteľnosť skutočnej nahrávky namiesto predpokladu, že číselná zmena vytvorí konkrétny prednes.
Zdokumentované hodnoty emotion sú happy, sad, angry, fearful, disgusted, surprised, calm a fluent. Emóciu modelu môže usmerňovať aj text. text_normalization je samostatné booleovské nastavenie na prípravu čítania čísel v čínštine a angličtine a latex_read ovláda čítanie vzorcov LaTeX; obe majú predvolenú hodnotu false. pronunciation_dict.tone môže obsahovať zdokumentované pravidlá náhrady výslovnosti. Meno alebo odborný výraz overte vo výslednom zvuku pred použitím v dlhšom rozprávaní.
audio_setting.format prijíma mp3, pcm, flac alebo wav, s predvolenou hodnotou mp3. sample_rate prijíma 8000, 16000, 22050, 24000, 32000 alebo 44100 a má predvolenú hodnotu 32000. bitrate prijíma 32000, 64000, 128000 alebo 256000, má predvolenú hodnotu 128000 a vzťahuje sa na MP3. channel vyberá 1 pre mono alebo 2 pre stereo, s predvolenou hodnotou 1. Tieto voľby uchovajte spolu so zdrojovou pasážou, aby bolo možné overiť vhodnosť vráteného súboru pre zamýšľané úpravy alebo prehrávanie.
Medzi ďalšie zdokumentované nastavenia patrí language_boost, ktorého presné pomenované možnosti zahŕňajú English, Russian, Chinese a Chinese,Yue; pre pasáž vyberte skutočnú uvedenú hodnotu. timber_weights môže kombinovať existujúce položky voice_id s celočíselnými váhami od 1 do 100. Zverejnené hodnoty sound_effects sú spacious_echo, auditorium_echo, lofi_telephone a robotic. Ide o voliteľné nastavenia na tvarovanie vybraného hlasu; pri porovnávaní prednesov zaznamenajte ich skutočné hodnoty.
Synchrónny výsledok obsahuje generovanú reč. output_format vyberá url alebo hex a v schéme syntézy má predvolenú hodnotu hex. Stiahnite súbor, na ktorý odkazuje výsledok URL, alebo pred prehrávaním dekódujte výsledok hex na zvukové bajty. Spolu s nahrávkou uchovajte vrátené zvukové metadáta vrátane formátu, vzorkovacej frekvencie, počtu kanálov a veľkosti. subtitle_enable má predvolenú hodnotu false a po zapnutí sa vzťahuje iba na výstup bez priebežného doručovania; zdroj pri tomto profile neurčuje formát súboru titulkov.
Zdrojovú pasáž, presné ID modelu, výber hlasu a dokončenú nahrávku uložte spoločne. Pred zaradením do videa, lekcie alebo hovoreného sprievodcu skontrolujte celé čítanie so zameraním na zamýšľané znenie, pauzy a zvolené nastavenia prednesu. Ak je odpoveď neúplná, uchovajte identitu pôvodnej požiadavky a vrátené informácie na vyhodnotenie pred vyžiadaním ďalšej nahrávky. Pri neskoršej úprave možno zmeniť konkrétnu frázu alebo nastavenie hlasu a zvyšok textu zachovať na jasné porovnanie.
Ailoot Ultra · Speech POST /v1/audio/speech minimax/speech-01-turbo
minimax/speech-01-turboÚvod
MiniMax Speech 01 Turbo číta dodaný text ako generovanú reč prostredníctvom synchrónnej požiadavky audio_speech. Prijíma text kratší než 10 000 znakov a ponúka nastavenia hlasu, tempa a výšky s výstupom MP3, PCM, FLAC alebo WAV.
- Povolené vstupy
- Text
- Výsledky
- Audio
Dostupné v Ailoot · vstupy a metódy
Ailoot Ultra · Speech POST /v1/audio/speech
- Vstup
text- Výstup
audio- Výstupný formát
- mp3,pcm,flac,wav
| Pole | Typ | Požiadavka | Hodnoty a limity | Predvolené |
|---|---|---|---|---|
Polemodel | Typstring | PožiadavkaPovinné | Hodnoty a limity minimax/speech-01-turbo | Predvolené— |
Poletext | Typstring | PožiadavkaPovinné | Hodnoty a limity | Predvolené— |
Polestream | Typboolean | PožiadavkaVoliteľné | Hodnoty a limity false | Predvolenéfalse |
Polevoice_setting | Typobject | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
Polevoice_setting.voice_id | Typstring | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
Polevoice_setting.speed | Typnumber | PožiadavkaVoliteľné | Hodnoty a limity Minimum: 0,5 Maximum: 2 | Predvolené1 |
Polevoice_setting.vol | Typnumber | PožiadavkaVoliteľné | Hodnoty a limity Minimum: 0 Maximum: 10 | Predvolené1 |
Polevoice_setting.pitch | Typinteger | PožiadavkaVoliteľné | Hodnoty a limity Minimum: -12 Maximum: 12 | Predvolené0 |
Polevoice_setting.emotion | Typstring | PožiadavkaVoliteľné | Hodnoty a limity happy, sad, angry, fearful, disgusted, surprised, calm, fluent | Predvolené— |
Polevoice_setting.text_normalization | Typboolean | PožiadavkaVoliteľné | Hodnoty a limity | Predvolenéfalse |
Polevoice_setting.latex_read | Typboolean | PožiadavkaVoliteľné | Hodnoty a limity | Predvolenéfalse |
Poleaudio_setting | Typobject | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
Poleaudio_setting.sample_rate | Typinteger | PožiadavkaVoliteľné | Hodnoty a limity 8 000, 16 000, 22 050, 24 000, 32 000, 44 100 | Predvolené32 000 |
Poleaudio_setting.bitrate | Typinteger | PožiadavkaVoliteľné | Hodnoty a limity 32 000, 64 000, 128 000, 256 000 | Predvolené128 000 |
Poleaudio_setting.format | Typstring | PožiadavkaVoliteľné | Hodnoty a limity mp3, pcm, flac, wav | Predvolenémp3 |
Poleaudio_setting.channel | Typinteger | PožiadavkaVoliteľné | Hodnoty a limity 1, 2 | Predvolené1 |
Poleaudio_setting.force_cbr | Typboolean | PožiadavkaVoliteľné | Hodnoty a limity | Predvolenéfalse |
Polepronunciation_dict | Typobject | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
Polepronunciation_dict.tone | Typarray | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
Poletimber_weights | Typarray | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
Polelanguage_boost | Typstring | PožiadavkaVoliteľné | Hodnoty a limity 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 | Predvolené— |
Polevoice_modify | Typobject | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
Polevoice_modify.pitch | Typinteger | PožiadavkaVoliteľné | Hodnoty a limity -100, 100 | Predvolené— |
Polevoice_modify.intensity | Typinteger | PožiadavkaVoliteľné | Hodnoty a limity -100, 100 | Predvolené— |
Polevoice_modify.timbre | Typinteger | PožiadavkaVoliteľné | Hodnoty a limity -100, 100 | Predvolené— |
Polevoice_modify.sound_effects | Typstring | PožiadavkaVoliteľné | Hodnoty a limity spacious_echo, auditorium_echo, lofi_telephone, robotic | Predvolené— |
Polesubtitle_enable | Typboolean | PožiadavkaVoliteľné | Hodnoty a limity | Predvolenéfalse |
Poleoutput_format | Typstring | PožiadavkaVoliteľné | Hodnoty a limity url, hex | Predvolenéhex |
Poleaigc_watermark | Typboolean | PožiadavkaVoliteľné | Hodnoty a limity | Predvolenéfalse |
Parametre a životný cyklus metódy
| Parameter | Špecifikácia |
|---|---|
Parametercontent_type | Špecifikáciaapplication/json |
Parameterrequired | Špecifikáciamodel, text |
Parameteroptional | Špecifikáciastream, voice_setting, audio_setting, pronunciation_dict, timber_weights, language_boost, voice_modify, subtitle_enable, output_format, aigc_watermark |
Parametermaterial_types | Špecifikáciatext |
Parameterconditions | ŠpecifikáciaUse 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. |
Životný cyklus: synchronous_result_then_owned_library
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Cenník
Tarifné údaje nepridávajú možnosti požiadavky. Podporované parametre sú uvedené pri vybranej metóde.
- Rýchly režim
- Neuvedené Keď je zvolený rýchly režim
- Režim Flex
- Neuvedené Keď je zvolený režim flex
- Maximálna úroveň uvažovania
- Neuvedené Keď sa pri maximálnej úrovni uvažovania používa predvolená úprava (default)
Sadzby Ailoot
Ceny podľa konfigurácie
Každý poplatok priraďte k zobrazeným podmienkam. Pre každú skupinu alternatívnych konfigurácií použite jednu sadzbu.
| Konfigurácia | Sadzobník | Účtovacia jednotka | Poplatok |
|---|---|---|---|
| KonfiguráciaZákladné sadzby za tokeny | SadzobníkZákladná sadzba | Účtovacia jednotka— | Poplatok Vstup · Vstupné tokeny — / 1K tokenov Výstup · Výstupné tokeny — / 1K tokenov Vstup · Čítanie cache — / 1K tokenov Vstup · Zápis do cache — / 1K tokenov Vstup · Zápis do cache, 1 hod — / 1K tokenov |
| Konfiguráciavstupný znak | Sadzobník— | Účtovacia jednotkaza vstupný znak | Poplatok Vstup · vstupný znak $0.00006 za vstupný znak |
Ailoot pred požiadavkou rezervuje odhadovanú sumu. Po získaní výsledku vyúčtuje konečný poplatok podľa nameraného využitia. Pri streamovaní sa vyúčtovanie riadi konečným záznamom využitia. Ako funguje rezervácia a vyúčtovanie →
Príklady požiadaviek
Ailoot Ultra · Speech
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
export AILOOT_API_KEY
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "minimax/speech-01-turbo", "text": "Hello, this is a short speech example.", "stream": false, "output_format": "hex", "audio_setting": {"format": "mp3", "sample_rate": 32000, "channel": 1}}')
Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/speech \
-H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o result.json
# Submit once. Retain the complete result, original identifiers and every response header.
Prijať a uložiť výsledky
Ailoot Ultra · Speech
mp3,pcm,flac,wav
GET /v1/media/assetsGET /v1/media/assets/{asset_id}
Uchovať všetky dokončené výsledky
Uložte každú úplnú vrátenú odpoveď, súbor a časť obsahu.
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.
Ak treba overiť pôvodnú odpoveď
Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.
Polia odpovede
| Pole | Typ |
|---|---|
Poledata.audio | Typstring |
Poleextra_info | Typobject |
Poletrace_id | Typstring |
Aliasy
Aliasy modelov
Ailoot Ultra minimax/speech-01-turbo
Aliasy ciest metód
Použite cesty metód uvedené vyššie.
Súvisiace ID na volanie
FAQ · MiniMax: Speech 01 Turbo
- Aké vstupy a výsledky sú dostupné?
POST /v1/audio/speech·minimax/speech-01-turbo:text→audio- Aké polia používa požiadavka?
POST /v1/audio/speech·minimax/speech-01-turbo:model,text,stream,voice_setting,audio_setting,pronunciation_dict,timber_weights,language_boost,voice_modify,subtitle_enable,output_format,aigc_watermark- Aké limity platia?
POST /v1/audio/speech·minimax/speech-01-turbo:voice_setting.speed.minimum:0.5;voice_setting.speed.maximum:2;voice_setting.vol.minimum:0;voice_setting.vol.maximum:10;voice_setting.pitch.minimum:-12;voice_setting.pitch.maximum:12