Microsoft AI: MAI-Voice-2-Flash

MAI-Voice-2-Flash podjetja Microsoft AI ustvarja izrazni govor v 15 jezikih za pomočnike, podporo strankam in govorne menije. Združuje odzivno podajanje z izbrano knjižnico glasov, usmerjanjem z referenčnim glasom in nadzorom tona na ravni govorne menjave.

Ailoot Ultra · Pretvorba v govor POST /v1/audio/speech microsoft/mai-voice-2-flash

O modelu

Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.

MAI-Voice-2-Flash je model podjetja Microsoft AI za pretvorbo besedila v govor, zasnovan za odzivne glasovne izkušnje velikega obsega. Proizvajalec opisuje naravno prozodijo, jasen zvok in izrazno podajanje, med glavnimi nalogami pa navaja pomočnike, agente podpore strankam in telefonske menije. Pisno besedilo postane govorni zvok v izbranem glasu. Flash je posebna različica MAI-Voice-2, ločena od poznejše družine MAI-Voice-2.1.

Izbira jezika in glasu

Kartica tega konkretnega modela dokumentira petnajst jezikov in osemnajst jezikovnih različic. Zajemajo angleščino, italijanščino, španščino, hindijščino, francoščino, nemščino, portugalščino, korejščino, poenostavljeno kitajščino, turščino, ruščino, tajščino, nizozemščino, romunščino in madžarščino, z ločenimi regionalnimi različicami za nekatere jezike. Izberite predvideni jezik in pripravite dejansko besedilo, ki naj ga poslušalec sliši. Razlika v jezikovni različici je lahko pomembna pri pozdravu, imenu izdelka ali izgovarjavi, ki jo občinstvo pozna.

Microsoft dokumentira dve poti izbire glasu: izbrano knjižnico in usmerjanje glasu s kratkim posnetkom. Knjižnica zagotovi obstoječega govorca za pripovedovanje ali interakcijo. Referenčni posnetek določi drugo identiteto govorca prek proizvajalčevega poteka prilagojenega glasu. Izbiro govorca ohranite dosledno med povezanimi navodili, da uvodno sporočilo, razlaga in nadaljevanje zvenijo kot deli ene izkušnje.

Ton interaktivnega govora

Model podpira nadzor tona, podajanja in čustev na ravni govorne menjave. Za govornega pomočnika napišite jedrnato prvo navodilo, nato pa podrobnosti, ki jih poslušalec potrebuje. Praktična vrstica je: »Izberite dokument, ki ga želite odpreti. Če niste prepričani o njegovem naslovu, mi povejte, o čem govori.« Scenarij poslušalcu ponudi jasno dejanje in pusti prostor za dodatno vprašanje.

Pri izobraževalni izmenjavi razlago ločite od vprašanja, na katero naj učenec odgovori. Pri meniju naj bodo imena možnosti kratka in izražena tako, da ostanejo jasna po enem poslušanju. Ton naj sledi namenu odlomka: pomiritev, navodilo in vprašanje lahko zahtevajo različno podajanje ob ohranitvi istega glasu.

Priprava referenčnega glasu

Proizvajalec za usmerjanje glasu določa pet- do šestdesetsekundni posnetek in opisuje ujemanje z govorcem, ki je podal soglasje, brez dodatnega učenja. Priporoča naravno pogovorno podajanje z zmerno energijo, saj referenca močno vpliva na rezultat. Pripravite posnetek, ki predstavlja glas, ki ga želite uporabiti, namesto izvedbe z nepovezanimi skrajnostmi glasnosti ali izraza.

Ta način je dokumentiran za uporabo glasu z ustreznim dovoljenjem in soglasjem govorca. Njegov proizvajalčev potek in knjižnica prednastavljenih glasov sta ločeni pripravljalni poti. Izhod ostaja na novo sintetiziran govor iz posredovanega besedila; posnetek zagotovi želeno identiteto govorca.

Delo z govornim rezultatom

Flash uporabite za interakcijo, pri kateri naj bo odgovor podan hitro in ostane preprost za razumevanje. Proizvajalec to različico usmerja v odzivnost ob ohranitvi prozodije in akustične kakovosti linije MAI-Voice-2. Vsako govorno menjavo povežite z njenim besedilom in govorcem, da je mogoče pomembna imena, ukaze in čustvene premike preveriti v kontekstu.

Uporaben rezultat je jasen govorni poziv ali odgovor v zahtevanem jeziku in glasu. Besedilo poslušajte tako, kot ga bo slišalo občinstvo, zlasti v zaporedju pozivov. Specifikacija petnajstih jezikov in osemnajstih jezikovnih različic pripada konkretni izdaji Voice-2-Flash; razširjeni jezikovni katalog in podrobnosti upravljanih glasov poznejših različic pripadajo njihovim lastnim profilom.

Ailoot Ultra · Pretvorba v govor POST /v1/audio/speech microsoft/mai-voice-2-flash

microsoft/mai-voice-2-flash

Microsoft AI /microsoft/mai-voice-2-flash

Začetek

Dovoljeni vhodi: Besedilo
Rezultati: Zvok

Na voljo v Ailoot · vhodi in metode

Ailoot Ultra · Pretvorba v govor POST /v1/audio/speech

Vhod: text
Izhod: audio
Izhodni format: mp3

Polje	Vrsta	Zahteva	Vrednosti in omejitve	Privzeto
Polje`model`	Vrsta`string`	ZahtevaObvezno	Vrednosti in omejitve microsoft/mai-voice-2-flash	Privzeto—
Polje`input`	Vrsta`string`	ZahtevaObvezno	Vrednosti in omejitve Najmanjša dolžina: 1 Enota: znaki Unicode	Privzeto—
Polje`voice`	Vrsta`string`	ZahtevaObvezno	Vrednosti in omejitve en-US-Harper:MAI-Voice-2, es-MX-Valeria:MAI-Voice-2, fr-FR-Soleil:MAI-Voice-2, de-DE-Klaus:MAI-Voice-2	Privzeto—
Polje`response_format`	Vrsta`string`	ZahtevaObvezno	Vrednosti in omejitve mp3	Privzeto—

Kombinacije vhodnih gradiv

text_to_speech · Obvezno: input

Parametri in življenjski cikel metode

Parameter	Specifikacija
Parameter`content_type`	Specifikacijaapplication/json
Parameter`required`	Specifikacijamodel, input, voice, response_format
Parameter`voice_ids`	Specifikacijaen-US-Harper:MAI-Voice-2, es-MX-Valeria:MAI-Voice-2, fr-FR-Soleil:MAI-Voice-2, de-DE-Klaus:MAI-Voice-2
Parameter`response_format`	Specifikacijamp3
Parameter`max_input_characters`	Specifikacijanull
Parameter`other_options`	Specifikacijafalse
Parameter`input`	Specifikacijanatančno besedilo UTF-8; število znakov Unicode brez normalizacije
Parameter`material_types`	Specifikacijatext

Življenjski cikel: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · Dejansko vrnjeni task_id ali zapis v medijski knjižnici

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Izberite natančen glas iz profila tega modela.

Vhodni znaki in zvočne sekunde so različni merili porabe.

Cenik

Tarifni podatki ne dodajajo možnosti zahteve. Podprti parametri so navedeni pri izbrani metodi.

Hitri način: Ni navedeno Ko je izbran hitri način
Način flex: Ni navedeno Ko je izbran način flex
Najvišja raven razmišljanja: Ni navedeno Ko najvišja raven razmišljanja uporablja privzeto prilagoditev (default)

Cene Ailoot

Cene po nastavitvah

Vsak strošek povežite s prikazanimi pogoji. Za vsak nabor alternativnih nastavitev uporabite eno ceno.

Nastavitev	Cenovna lestvica	Obračunana količina	Obračunska enota	Strošek
NastavitevOsnovne cene žetonov	Cenovna lestvicaOsnovna cena	Obračunana količina—	Obračunska enota—	Strošek Vhod · Vhodni žetoni — / 1K žetonov Izhod · Izhodni žetoni — / 1K žetonov Vhod · Branje predpomnilnika — / 1K žetonov Vhod · Zapis v predpomnilnik — / 1K žetonov Vhod · Zapis v predpomnilnik, 1 ura — / 1K žetonov
NastavitevUltra	Cenovna lestvica—	Obračunana količinaVsaka kodna točka Unicode šteje kot en znak, vključno z znaki Han.	Obračunska enotana 1K vhodnih znakov	Strošek Vhod · vhodni znak $0.03 na 1K vhodnih znakov

Podrobnosti referenčne tarife

Referenčne lestvice modela ne spreminjajo izbire metode, ocen cen ali stroškov. Veljavni stroški uporabljajo cene izbrane metode Ailoot.

Microsoft AI: MAI-Voice-2-Flash

Cene po nastavitvah

Nastavitev	Obračunski pogoji	Strošek
NastavitevMicrosoft AI: MAI-Voice-2-Flash · Privzeta konfiguracija	Obračunski pogojiPrivzeta konfiguracija	Strošek Vhod · Vhodni znaki 0,00003 $ na vhodni znak

Ailoot pred zahtevo rezervira ocenjeni znesek. Po rezultatu obračuna končni strošek na podlagi izmerjene porabe. Obračun pretakanja uporablja končni zapis porabe. Kako delujeta rezervacija in obračun →

Primeri zahtev

Ailoot Ultra · Pretvorba v govor

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": "microsoft/mai-voice-2-flash", "input": "Good afternoon! This is a short voice take."}')
voice=os.environ["AILOOT_VOICE_ID"]
allowed=json.loads('["en-US-Harper:MAI-Voice-2", "es-MX-Valeria:MAI-Voice-2", "fr-FR-Soleil:MAI-Voice-2", "de-DE-Klaus:MAI-Voice-2"]')
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

Prejmi in shrani rezultate

Ailoot Ultra · Pretvorba v govor

mp3

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

Branje druge vsebine

Medijska knjižnicaStanje opravilaPodrobnosti gradiva

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

Ohrani vse dokončane rezultate

Shranite vsak v celoti vrnjen odgovor, datoteko in del vsebine.

Shranite celoten binarni rezultat in glave. Če so vrnjeni podatki JSON ali več izhodov, shranite vsak podatkovni element in pridobite vsebino z vsakega dejanskega podpisanega URL datoteke.

Če je treba preveriti izvirni odgovor

Shranite izvirni operation_id/X-Client-Request-ID za uskladitev evidenc brez ponovnega pošiljanja; namenska pot za periodično preverjanje zvoka ne obstaja.

Polja odgovora

Polje	Vrsta
Polje`binary audio`	Vrstabytes
Polje`response headers`	Vrstaheaders

Napake in naslednji koraki

Odgovor	Pogoj	Naslednji korak
Odgovor400 · `invalid_request_error`	PogojNeveljavna obvezna polja, predstavitev gradiva ali vrednost parametra	Naslednji korakPred novo zahtevo za ustvarjanje popravite navedena polja.
Odgovor`server_error`	PogojVrnjeni odgovor navaja, da je treba operacijo ali rezultat preveriti	Naslednji korakShranite izvirni vrnjeni ID operacije/opravila, glave zahteve in odgovor; nadaljujte s podprtimi branji te izvirne operacije. Zahteve za ustvarjanje ne pošiljajte znova.

Druga imena

Druga imena modelov

Ailoot Ultra microsoft/mai-voice-2-flash

Druga imena poti metod

Uporabite zgoraj navedene poti metod.

Povezani ID-ji za klic

microsoft/mai-voice-2-flash

FAQ · Microsoft AI: MAI-Voice-2-Flash

Kateri vhodi in rezultati so na voljo?: POST /v1/audio/speech · microsoft/mai-voice-2-flash: text → audio
Katera polja uporablja zahteva?: POST /v1/audio/speech · microsoft/mai-voice-2-flash: model, input, voice, response_format

Microsoft AI: MAI-Voice-2-Flash