MiniMax: Speech 2.8 Turbo

Speech 2.8 Turbo — rýchla syntéza prirodzenej reči so zvukovými značkami a ovládaním výrazovosti.

Ailoot Ultra · Syntéza reči POST /v1/audio/speech minimax/speech-2.8-turbo

O modeli

Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu.

Rýchla syntéza konverzačných replík

Speech 2.8 Turbo spája rýchle vytváranie audia s prirodzenou intonáciou hlasu. Výrobca predstavuje Turbo ako variant pre plynulé konverzačné znenie: krátke repliky, čítanie textu nahlas a hlasovú interakciu. Táto karta prijíma text a vracia hovorené audio.

Smiech, dych a citoslovcia

Rovnako ako HD verzia tejto generácie podporuje Turbo zvukové značky Speech 2.8. Do textu možno vložiť označenia smiechu, uchechtnutia, kašľa, odkašľania, nádychu, výdychu, povzdychu a ďalších krátkych zvukov. Takáto riadená nepravidelnosť približuje repliku bežnému rozhovoru: objavuje sa v nej dych a prestávky súvisiace s obsahom.

Zvuková značka sa vzťahuje na konkrétne miesto v texte. Používajú sa na to označenia podporované modelom v okrúhlych zátvorkách, napríklad (laughs) alebo (breath). Ľubovoľný opis efektu nie je rovnocennou náhradou podporovanej značky.

Hlas a jazyk

Rodina Speech 2.8 podporuje 40 jazykov vrátane ruštiny a prácu s pripravenými hlasmi. Výrobca vyzdvihuje rozpoznateľnú farbu hlasu, charakteristické dýchanie a obmedzenie digitálnych skreslení. Klonovanie patrí k samostatnej príprave hlasu, ktorý možno následne použiť pri syntéze.

MiniMax umožňuje výber hlasu a ovládanie tempa, hlasitosti a výšky tónu. Rýchlosť sa nastavuje v rozsahu 0,5–2, hlasitosť nad 0 až do 10 a zmena výšky tónu od −12 do 12. Emóciu možno ponechať na model podľa významu textu alebo ju určiť ručne: radosť, smútok, hnev, strach, znechutenie, prekvapenie alebo pokoj.

Výslovnosť možno spresniť slovníkom náhrad a fonetickým zápisom; podporuje medzinárodnú fonetickú abecedu, čínsky pchin-jin a japonské varianty čítania. Prestávky sa zadávajú medzi vyslovovanými úsekmi v rozsahu 0,01–99,99 sekundy. Ich dĺžka sa zadáva s presnosťou na dve desatinné miesta; značky sa umiestňujú medzi vyslovované úseky a nevkladajú sa bezprostredne za sebou. Tieto nastavenia umožňujú zosúladiť znenie mien, skratiek a nejednoznačných slov so zámerom nahovorenia.

Postupný výstup a formát audia

Syntéza prijíma text kratší než 10 000 znakov. Pri dlhých textoch nad 3000 znakov výrobca odporúča streamovaný výstup; k dispozícii je aj získanie hotového audia vcelku. Všeobecné nastavenia syntézy zahŕňajú MP3, PCM, FLAC, WAV, Opus a varianty G.711 μ-law, mono alebo stereo; dostupnú sadu formátov konkrétnej požiadavky určujú možnosti Ailoot.

Rýchlosť Turbo je vlastnosť variantu modelu, nie prísľub pevného času čakania na hotovú repliku. Číselná hodnota oneskorenia tejto požiadavky sa tu neuvádza. Uvedené rozšírené nastavenia výrobcu vyžadujú podporu vo zvolenom spôsobe prístupu cez Ailoot.

Ďalšie nastavenia zvuku zahŕňajú vzorkovacie frekvencie 8, 16, 22,05, 24, 32 a 44,1 kHz. Pre MP3 je k dispozícii dátový tok 32, 64, 128 alebo 256 kbit/s. Možno tiež meniť farbu hlasu a použiť jeden efekt: priestrannú ozvenu, ozvenu sály, telefonické znenie alebo robotický hlas. Efekty zmeny hlasu sú pri získaní audia vcelku podporované pre MP3, WAV a FLAC, pri streamovanom výstupe iba pre MP3. Formáty G.711 μ-law používajú frekvenciu 8 kHz. Tieto možnosti patria k nastaveniam syntézy MiniMax.

Výrobca umožňuje synchronizáciu reči s textom: časové značky po vetách, slovách alebo po slovách pri postupnom výstupe. Takýto výsledok pomáha zosúladiť hovorenie so zobrazovaním textu. Táto doplnková možnosť vyžaduje podporu príslušného formátu odpovede.

Ailoot Ultra · Syntéza reči POST /v1/audio/speech minimax/speech-2.8-turbo

minimax/speech-2.8-turbo

MiniMax /minimax/speech-2.8-turbo

Úvod

Speech 2.8 Turbo — rýchla syntéza prirodzenej reči so zvukovými značkami a ovládaním výrazovosti.

Povolené vstupy: Text
Výsledky: Audio

Dostupné v Ailoot · vstupy a metódy

Ailoot Ultra · Syntéza reči POST /v1/audio/speech

Vstup: text
Výstup: audio
Výstupný formát: mp3

Pole	Typ	Požiadavka	Hodnoty a limity	Predvolené
Pole`model`	Typ`string`	PožiadavkaPovinné	Hodnoty a limity minimax/speech-2.8-turbo	Predvolené—
Pole`input`	Typ`string`	PožiadavkaPovinné	Hodnoty a limity Minimálna dĺžka: 1 Jednotka: znaky Unicode	Predvolené—
Pole`voice`	Typ`string`	PožiadavkaPovinné	Hodnoty a limity 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	Predvolené—
Pole`response_format`	Typ`string`	PožiadavkaPovinné	Hodnoty a limity mp3	Predvolené—

Kombinácie vstupných podkladov

text_to_speech · Povinné: input

Parametre a životný cyklus metódy

Parameter	Špecifikácia
Parameter`content_type`	Špecifikáciaapplication/json
Parameter`required`	Špecifikáciamodel, input, voice, response_format
Parameter`voice_ids`	ŠpecifikáciaEnglish_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
Parameter`response_format`	Špecifikáciamp3
Parameter`max_input_characters`	Špecifikácianull
Parameter`other_options`	Špecifikáciafalse
Parameter`input`	Špecifikáciapresný text UTF-8; počet znakov Unicode bez normalizácie
Parameter`material_types`	Špecifikáciatext

Životný cyklus: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · skutočne vrátené task_id alebo záznam v knižnici médií

GET /v1/media/assets/{asset_id}/content

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Vyberte presný hlas z profilu tohto modelu.

Vstupné znaky a sekundy zvuku sú odlišné merané jednotky.

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	Účtované množstvo	Účtovacia jednotka	Poplatok
KonfiguráciaZákladné sadzby za tokeny	SadzobníkZákladná sadzba	Účtované množstvo—	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
KonfiguráciaUltra	Sadzobník—	Účtované množstvoKaždý kódový bod Unicode sa počíta ako jeden znak vrátane znakov Han.	Účtovacia jednotkaza 1K vstupných znakov	Poplatok Vstup · vstupný znak $0.12 za 1K vstupných znakov

Podrobnosti referenčnej tarify

Referenčné sadzobníky modelu nemenia výber metódy, cenové odhady ani poplatky. Aktívne poplatky používajú sadzby vybranej metódy Ailoot.

MiniMax: Speech 2.8 Turbo

Ceny podľa konfigurácie

Konfigurácia	Podmienky účtovania	Poplatok
KonfiguráciaMiniMax: Speech 2.8 Turbo · Predvolená konfigurácia	Podmienky účtovaniaPredvolená konfigurácia	Poplatok Vstup · Vstupné znaky 0,00012 USD 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 · Syntéza reči

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-turbo", "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

Prijať a uložiť výsledky

Ailoot Ultra · Syntéza reči

mp3

GET /v1/media/tasks/{task_id}
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}

Čítanie ďalšieho obsahu

Knižnica médiíStav úlohyPodrobnosti podkladu

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

Uchovať všetky dokončené výsledky

Uložte každú úplnú vrátenú odpoveď, súbor a časť obsahu.

Uchovajte úplný binárny výsledok a hlavičky. Ak sa vráti JSON alebo viacero výstupov, uchovajte každú dátovú položku a stiahnite obsah z každej skutočnej podpísanej URL súboru.

Ak treba overiť pôvodnú odpoveď

Uchovajte pôvodné operation_id/X-Client-Request-ID na zosúladenie záznamov bez opätovného odoslania; neexistuje samostatná trasa na priebežné zisťovanie stavu zvuku.

Polia odpovede

Pole	Typ
Pole`binary audio`	Typbytes
Pole`response headers`	Typheaders

Chyby a ďalšie kroky

Odpoveď	Podmienka	Ďalší krok
Odpoveď400 · `invalid_request_error`	PodmienkaNeplatné povinné polia, reprezentácia materiálu alebo hodnota parametra	Ďalší krokPred novou požiadavkou na vytvorenie opravte uvedené polia.
Odpoveď`server_error`	PodmienkaVrátená odpoveď uvádza, že operáciu alebo výsledok je potrebné skontrolovať	Ďalší krokUchovajte pôvodné vrátené ID operácie/úlohy, hlavičky požiadavky a odpoveď; naďalej čítajte údaje o tejto pôvodnej operácii podporovaným spôsobom. Požiadavku na vytvorenie znova neodosielajte.

Aliasy

Aliasy modelov

Ailoot Ultra minimax/speech-2.8-turbo

Aliasy ciest metód

Použite cesty metód uvedené vyššie.

Súvisiace ID na volanie

minimax/speech-2.8-turbo

FAQ · MiniMax: Speech 2.8 Turbo

Aké vstupy a výsledky sú dostupné?: POST /v1/audio/speech · minimax/speech-2.8-turbo: text → audio
Aké polia používa požiadavka?: POST /v1/audio/speech · minimax/speech-2.8-turbo: model, input, voice, response_format

MiniMax: Speech 2.8 Turbo