Microsoft AI: MAI-Voice-2

MAI-Voice-2 podjetja Microsoft AI ustvarja izrazni večjezični govor za pripovedovanje, dialog in govorne aplikacije. Doslednost daljših vsebin, več govorcev in nadzor čustev na ravni govorne menjave podpirajo zvočne knjige, učne enote ter glasove likov.

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

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 je model podjetja Microsoft AI za pretvorbo besedila v govor, usmerjano z navodili, za naravno in izrazno govorno vsebino. Njegov proizvajalec poudarja akustično zvestobo, doslednost govorca in čustveni razpon. Dokumentirane naloge vključujejo pomočnike, zvočne knjige, podkaste, predavanja, izobraževalne like in pripovedovanje za dostopnost. Besedilo postane zvok v izbranem glasu; različica Voice-2-Flash ima svoj profil za interakcije, kjer je takojšnji odziv prednosten.

Jezik in govorec

Microsoftova izdaja Voice-2 opisuje petnajst jezikov, vključno z angleščino, francoščino, nemščino, italijanščino, španščino, portugalščino, hindijščino, korejščino, poenostavljeno kitajščino, turščino, ruščino, tajščino, nizozemščino, romunščino in madžarščino. Nekateri jeziki imajo ločene regionalne različice. Izdaja opisuje tudi preklapljanje med hindijščino in angleščino ter med španščino in angleščino, zato lahko izbrani večjezični odlomki ohranijo način, na katerega govorec naravno izmenjuje jezike.

Pripravite dejanske besede za izgovarjavo in ohranite njihov predvideni jezik. Dvojezični izobraževalni odlomek lahko predstavi izraz v enem jeziku in ga pojasni v drugem, pri čemer ohrani imena in navedke. Govorni rezultat preverite glede naglasa in občinstva, potrebnih za vsebino, namesto da bi vse jezikovne različice obravnavali kot zamenljive.

Kartica modela zagotavlja izbrano knjižnico glasov in ločeno pot usmerjanja z referenčnim glasom. Referenčni govor zagotovi želeno identiteto govorca brez dodatnega učenja. Microsoft priporoča naravno pogovorno podajanje z zmerno energijo, saj posnetek vpliva na tempo in podajanje. Kadar naloga zahteva prilagojen glas, uporabite reprezentativen posnetek s soglasjem.

Daljša pripoved in dialog

Kartica modela dokumentira ustvarjanje dolgih vsebin z delitvijo in prenosom konteksta. To podpira povezano pripovedovanje, kot je poglavje, učna enota ali zaporedje odlomkov podkasta. Scenarij razdelite na smiselnih mejah razdelkov ter ohranite dosledno terminologijo in izbiro govorca. Dolgi razlagi koristijo govorjeni prehodi, ki poslušalcu povedo, kdaj se tema spremeni.

Podpora več govorcem omogoča različne vloge v pripravljenem dialogu. Vprašanje in odgovor dodelite predvidenima govorcema ter ohranite dodelitvi, ko se vloga vrne. Vnos naj vsebuje končne vrstice in ustrezna navodila za izvedbo, ne odprte zahteve, naj si sintetizator govora izmisli pogovor.

Ton in čustveno podajanje

Microsoft dokumentira podroben nadzor tona, podajanja in čustev na ravni govorne menjave. Primeri izdaje prikazujejo izrazne govorne vloge in čustvene odlomke. Pri pripovedi določite, kateri stavek je stvaren, razmišljujoč ali vznemirjen, nato pa uporabite podajanje, ki sledi temu pomenu. Praktična vrstica je: »Najtišji del poskusa se je izkazal za najbolj povednega. Prav tam je vzorec prvič postal jasen.« Besedilo izvedbi daje premišljeno spremembo poudarka.

Pri spremljevalnem govoru z navodili ohranite dejanje jasno, razlago pa v ločenem stavku. Pri dialogu ločite govorjeno besedilo lika od opomb prizora. Poslušajte ponovljena imena in prehode med odlomki, da končno zaporedje ostane povezano.

Uporabite zvok

Izhod je na novo ustvarjen govor za posredovano besedilo. Njegova uporabna oblika je pripoved, dialog ali govorni odgovor aplikacije, katerega glas in podajanje sledita scenariju. Besedilo, govorca in vrstni red razdelkov povežite s posnetkom, da popravek spremeni predvideni odlomek brez izgube preostale izvedbe.

Poudarek MAI-Voice-2 je naravnost in izraznost v daljši poslušalski izkušnji. Njegova zmožnost dolgih vsebin ne določa neomejenega vnosa ali zagotovljenega največjega trajanja posnetka. Opis konkretnega Voice-2 ostaja ločen od razširjenega jezikovnega kataloga in glasovnih nastavitev poznejših izdaj Voice-2.1.

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

microsoft/mai-voice-2

Microsoft AI /microsoft/mai-voice-2

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	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 $0.044 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

Cene po nastavitvah

Nastavitev	Obračunski pogoji	Strošek
NastavitevMicrosoft AI: MAI-Voice-2 · Privzeta konfiguracija	Obračunski pogojiPrivzeta konfiguracija	Strošek Vhod · Vhodni znaki 0,000044 $ 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", "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

Druga imena poti metod

Uporabite zgoraj navedene poti metod.

Povezani ID-ji za klic

microsoft/mai-voice-2

FAQ · Microsoft AI: MAI-Voice-2

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

Microsoft AI: MAI-Voice-2