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.
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.
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.
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.
", "aboutText": "### Rýchla syntéza konverzačných replík\n\nSpeech 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.\n\n### Smiech, dych a citoslovcia\n\nRovnako 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.\n\nZvuková 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.\n\n### Hlas a jazyk\n\nRodina 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.\n\nMiniMax 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.\n\nVýslovnosť 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.\n\n### Postupný výstup a formát audia\n\nSyntéza 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.\n\nRýchlosť 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.\n\nĎalšie 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.\n\nVýrobca 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.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "a552c9a9b8827574b22dfbbf5dc88376f44ccd29f32699b0dc7803d81e584ac3", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "sk", "methods": [ { "html": "speech-2.8-turboSpeech 2.8 Turbo — rýchla syntéza prirodzenej reči so zvukovými značkami a ovládaním výrazovosti.
Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu.
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.
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.
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.
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.
POST /v1/audio/speechtextspeech| Pole | Typ | Požiadavka | Hodnoty a limity | Predvolené |
|---|---|---|---|---|
Polemodel | Typstring | PožiadavkaPovinné | Hodnoty a limity speech-2.8-turbo | Predvolené— |
Poleinput | Typstring | PožiadavkaPovinné | Hodnoty a limity Minimálna dĺžka: 1 Maximálna dĺžka (bez zahrnutia hranice): 10 000 Jednotka: znaky Unicode | Predvolené— |
Polevoice | Typstring | PožiadavkaPovinné | Hodnoty a limity Vzor: ^[A-Za-z0-9_-]{1,128}$ | Predvolené— |
Poleresponse_format | Typstring | PožiadavkaVoliteľné | Hodnoty a limity mp3 | Predvolené— |
text_to_speech · Povinné: input
| Parameter | Špecifikácia |
|---|---|
Parametermaterial_types | Špecifikáciatext |
Parameterrequired | Špecifikácianull |
Parameteroptional_controls | Špecifikácianull |
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}
Štruktúry metód a ID sú presné; možnosti dodávateľa sa posudzujú oddelene od prijatia požiadavky.
POST /v1/audio/speechAiloot 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 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 narration script}"\nexport AILOOT_TEXT_FILE\n: "${AILOOT_VOICE_ID:?Set the actual accepted voice ID for this model}"\nexport AILOOT_VOICE_ID\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "speech-2.8-turbo", "input": ""}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["input"]=text\nimport re\nvoice=os.environ["AILOOT_VOICE_ID"]\nif not re.fullmatch(r"[A-Za-z0-9_-]{1,128}",voice):raise SystemExit("Set an actual accepted voice ID")\np["voice"]=voice\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 speech.mp3\nmp3
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}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.
Uchovajte pôvodné operation_id/X-Client-Request-ID na zosúladenie záznamov bez opätovného odoslania; neexistuje samostatná trasa na priebežné zisťovanie stavu zvuku.
| Pole | Typ |
|---|---|
Polebinary audio | Typbytes |
Poleresponse headers | Typheaders |
| 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. |
Odpoveďserver_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. |
Ailoot speech-2.8-turbo, minimax-speech-turbo
Použite cesty metód uvedené vyššie.
minimax-speech-turboSpeech 2.8 Turbo — rýchla syntéza prirodzenej reči so zvukovými značkami a ovládaním výrazovosti.
Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu.
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.
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.
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.
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.
POST /v1/audio/speechtextspeech| Pole | Typ | Požiadavka | Hodnoty a limity | Predvolené |
|---|---|---|---|---|
Polemodel | Typstring | PožiadavkaPovinné | Hodnoty a limity minimax-speech-turbo | Predvolené— |
Poleinput | Typstring | PožiadavkaPovinné | Hodnoty a limity Minimálna dĺžka: 1 Maximálna dĺžka (bez zahrnutia hranice): 10 000 Jednotka: znaky Unicode | Predvolené— |
Polevoice | Typstring | PožiadavkaPovinné | Hodnoty a limity Vzor: ^[A-Za-z0-9_-]{1,128}$ | Predvolené— |
Poleresponse_format | Typstring | PožiadavkaVoliteľné | Hodnoty a limity mp3 | Predvolené— |
text_to_speech · Povinné: input
| Parameter | Špecifikácia |
|---|---|
Parametermaterial_types | Špecifikáciatext |
Parameterrequired | Špecifikácianull |
Parameteroptional_controls | Špecifikácianull |
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}
Štruktúry metód a ID sú presné; možnosti dodávateľa sa posudzujú oddelene od prijatia požiadavky.
POST /v1/audio/speechAiloot 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 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 narration script}"\nexport AILOOT_TEXT_FILE\n: "${AILOOT_VOICE_ID:?Set the actual accepted voice ID for this model}"\nexport AILOOT_VOICE_ID\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "minimax-speech-turbo", "input": ""}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["input"]=text\nimport re\nvoice=os.environ["AILOOT_VOICE_ID"]\nif not re.fullmatch(r"[A-Za-z0-9_-]{1,128}",voice):raise SystemExit("Set an actual accepted voice ID")\np["voice"]=voice\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 speech.mp3\nmp3
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}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.
Uchovajte pôvodné operation_id/X-Client-Request-ID na zosúladenie záznamov bez opätovného odoslania; neexistuje samostatná trasa na priebežné zisťovanie stavu zvuku.
| Pole | Typ |
|---|---|
Polebinary audio | Typbytes |
Poleresponse headers | Typheaders |
| 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. |
Odpoveďserver_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. |
Ailoot speech-2.8-turbo, minimax-speech-turbo
Použite cesty metód uvedené vyššie.