{ "aboutHtml": "

Speech 02 Turbo je natančna govorna izdaja MiniMax, izbrana z nastavitvijo model: "minimax/speech-02-turbo". Uporabite POST /v1/audio/speech s telesom application/json, ki vsebuje model in besedilo za izgovor. Vhod je pisno besedilo, rezultat pa sintetizirani zvok. Za obvestilo v text vnesite samo besede, ki naj bodo izgovorjene, na primer kratko obvestilo o prevzemu. Za razlago izdelka besedilo razdelite na celovite stavke in pred ustvarjanjem zvoka dokončno določite imena izdelkov ter številke. Produkcijske opombe, imena datotek in navodila, ki ne smejo biti izgovorjena, hranite zunaj govorjenega besedila.

Polje text ne sme biti prazno in mora vsebovati manj kot 10 000 znakov Unicode. Pošljite celotno govorjeno besedilo s stream:false ali izpustite stream. Daljše gradivo pred pošiljanjem posameznih delov razdelite na ločene celovite segmente besedila. Dokument lahko uporabite tako, da preberete njegovo dejansko vsebino in ustrezni odlomek vstavite v text; URL dokumenta ni nadomestilo za besedilo.

Glas izberite prek voice_setting.voice_id. Dokumentirane kategorije glasov vključujejo sistemske glasove in že ustvarjene klonirane glasove ali glasove, oblikovane z besedilom; uporabite veljavni ID glasu za izbrano kategorijo. Vzorčni glas je audiobook_male_1. Isti objekt upravlja speed od 0,5 do 2, vol nad 0 in do 10 ter celoštevilski pitch od -12 do 12. Njihove privzete vrednosti so 1, 1 in 0. Te možnosti prilagajajo različne vidike govorne izvedbe, zato jih izberite ločeno, namesto da njihova imena vnašate v besedilo.

voice_setting.emotion sprejema happy, sad, angry, fearful, disgusted, surprised, calm in fluent. Dokumentacija opisuje tudi samodejno prilagajanje čustvenega izražanja besedilu. Pri besedilih z veliko številkami voice_setting.text_normalization omogoči normalizacijo kitajskega in angleškega besedila ter ima privzeto vrednost false. voice_setting.latex_read upravlja branje izrazov LaTeX in ima prav tako privzeto vrednost false. pronunciation_dict.tone je polje nizov s pravili izgovarjave. Objavljeni primer je ["草地/(cao3)(di1)"]; pri podajanju pravila ohranite besedo, poševnico in strukturo izgovarjave v oklepajih.

audio_setting.format sprejema mp3, pcm, flac in wav, privzeto pa je mp3. sample_rate sprejema 8000, 16000, 22050, 24000, 32000 in 44100 Hz; privzeta vrednost je 32000. channel je 1 za mono ali 2 za dva kanala, privzeto pa 1. Vrednosti bitrate so 32000, 64000, 128000 in 256000 bitov na sekundo, privzeto 128000, ter veljajo za mp3. Izberite kodiranje, ki ga potrebuje predvajalnik ali urejevalnik, ki bo uporabil rezultat.

language_boost je izbirni niz s privzeto vrednostjo null. Njegove dovoljene vrednosti so 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 in auto. "Chinese,Yue" je ena vrednost. To je možnost, ločena od besedila in ID-ja glasu. Shema ponuja tudi timber_weights za seznam parov voice_id in celoštevilskega weight, pri čemer je vsak weight od 1 do 100. Pri pripravi zahteve ohranite zapis parametra timber_weights. voice_modify.sound_effects je izbirni niz z vrednostmi spacious_echo, auditorium_echo, lofi_telephone in robotic.

stream ima privzeto vrednost false. Za celovit odgovor output_format izbere url ali hex, privzeto pa je hex. V dokumentiranem rezultatu JSON data.audio vsebuje izbrano predstavitev: prenesite celoten podpisani URL Ailoot, vključno s poizvedbenim nizom, ali dekodirajte celoten šestnajstiški zvok v bajte. Izvirni rezultat ohranite skupaj z data.status, base_resp, trace_id in extra_info, ki vključuje dejanski zvočni format, frekvenco vzorčenja, število kanalov, velikost in usage_characters.

subtitle_enable je logična vrednost s privzeto vrednostjo false in velja za nepretočni izhod. aigc_watermark je logična vrednost s privzeto vrednostjo false ter upravlja slišni ritmični označevalnik na koncu ustvarjenega zvoka. Ohranite vsak vrnjeni zvočni rezultat ali rezultat podnapisov ter pred umestitvijo v aplikacijo preverite izgovarjavo, številke in dokončano datoteko. Če je prenos negotov, ohranite identifikator izvirne zahteve in odgovor za preverjanje obstoječega poskusa. Ailoot dokončani zvok shrani tudi v vašo medijsko knjižnico. Pri output_format:"url" data.audio vsebuje podpisano povezavo do tega shranjenega sredstva; ID sredstva je v njeni poti /v1/media/assets/{asset_id}/content. Podpisane povezave Ailoot do datotek veljajo 24 ur od izdaje. Z istim API ključem uporabite GET /v1/media/assets?family=audio in sledite vsakemu next_cursor, da poiščete zapise zvočnih sredstev. Za vsak izbrani zapis preberite GET /v1/media/assets/{asset_id} in prenesite njegov natančni content_url, vključno s poizvedbenim nizom. Če zahteva za datoteko vrne 404 s kodo link_expired, znova preberite isto sredstvo za osvežen content_url. Osvežite shranjeni rezultat, namesto da zaradi zamenjave potekle povezave znova ustvarjate zvok.

", "aboutText": "Speech 02 Turbo je natančna govorna izdaja MiniMax, izbrana z nastavitvijo model: \"minimax/speech-02-turbo\". Uporabite POST /v1/audio/speech s telesom application/json, ki vsebuje model in besedilo za izgovor. Vhod je pisno besedilo, rezultat pa sintetizirani zvok. Za obvestilo v text vnesite samo besede, ki naj bodo izgovorjene, na primer kratko obvestilo o prevzemu. Za razlago izdelka besedilo razdelite na celovite stavke in pred ustvarjanjem zvoka dokončno določite imena izdelkov ter številke. Produkcijske opombe, imena datotek in navodila, ki ne smejo biti izgovorjena, hranite zunaj govorjenega besedila.\n\nPolje text ne sme biti prazno in mora vsebovati manj kot 10 000 znakov Unicode. Pošljite celotno govorjeno besedilo s stream:false ali izpustite stream. Daljše gradivo pred pošiljanjem posameznih delov razdelite na ločene celovite segmente besedila. Dokument lahko uporabite tako, da preberete njegovo dejansko vsebino in ustrezni odlomek vstavite v text; URL dokumenta ni nadomestilo za besedilo.\n\nGlas izberite prek voice_setting.voice_id. Dokumentirane kategorije glasov vključujejo sistemske glasove in že ustvarjene klonirane glasove ali glasove, oblikovane z besedilom; uporabite veljavni ID glasu za izbrano kategorijo. Vzorčni glas je audiobook_male_1. Isti objekt upravlja speed od 0,5 do 2, vol nad 0 in do 10 ter celoštevilski pitch od -12 do 12. Njihove privzete vrednosti so 1, 1 in 0. Te možnosti prilagajajo različne vidike govorne izvedbe, zato jih izberite ločeno, namesto da njihova imena vnašate v besedilo.\n\nvoice_setting.emotion sprejema happy, sad, angry, fearful, disgusted, surprised, calm in fluent. Dokumentacija opisuje tudi samodejno prilagajanje čustvenega izražanja besedilu. Pri besedilih z veliko številkami voice_setting.text_normalization omogoči normalizacijo kitajskega in angleškega besedila ter ima privzeto vrednost false. voice_setting.latex_read upravlja branje izrazov LaTeX in ima prav tako privzeto vrednost false. pronunciation_dict.tone je polje nizov s pravili izgovarjave. Objavljeni primer je [\"草地/(cao3)(di1)\"]; pri podajanju pravila ohranite besedo, poševnico in strukturo izgovarjave v oklepajih.\n\naudio_setting.format sprejema mp3, pcm, flac in wav, privzeto pa je mp3. sample_rate sprejema 8000, 16000, 22050, 24000, 32000 in 44100 Hz; privzeta vrednost je 32000. channel je 1 za mono ali 2 za dva kanala, privzeto pa 1. Vrednosti bitrate so 32000, 64000, 128000 in 256000 bitov na sekundo, privzeto 128000, ter veljajo za mp3. Izberite kodiranje, ki ga potrebuje predvajalnik ali urejevalnik, ki bo uporabil rezultat.\n\nlanguage_boost je izbirni niz s privzeto vrednostjo null. Njegove dovoljene vrednosti so 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 in auto. \"Chinese,Yue\" je ena vrednost. To je možnost, ločena od besedila in ID-ja glasu. Shema ponuja tudi timber_weights za seznam parov voice_id in celoštevilskega weight, pri čemer je vsak weight od 1 do 100. Pri pripravi zahteve ohranite zapis parametra timber_weights. voice_modify.sound_effects je izbirni niz z vrednostmi spacious_echo, auditorium_echo, lofi_telephone in robotic.\n\nstream ima privzeto vrednost false. Za celovit odgovor output_format izbere url ali hex, privzeto pa je hex. V dokumentiranem rezultatu JSON data.audio vsebuje izbrano predstavitev: prenesite celoten podpisani URL Ailoot, vključno s poizvedbenim nizom, ali dekodirajte celoten šestnajstiški zvok v bajte. Izvirni rezultat ohranite skupaj z data.status, base_resp, trace_id in extra_info, ki vključuje dejanski zvočni format, frekvenco vzorčenja, število kanalov, velikost in usage_characters.\n\nsubtitle_enable je logična vrednost s privzeto vrednostjo false in velja za nepretočni izhod. aigc_watermark je logična vrednost s privzeto vrednostjo false ter upravlja slišni ritmični označevalnik na koncu ustvarjenega zvoka. Ohranite vsak vrnjeni zvočni rezultat ali rezultat podnapisov ter pred umestitvijo v aplikacijo preverite izgovarjavo, številke in dokončano datoteko. Če je prenos negotov, ohranite identifikator izvirne zahteve in odgovor za preverjanje obstoječega poskusa. Ailoot dokončani zvok shrani tudi v vašo medijsko knjižnico. Pri output_format:\"url\" data.audio vsebuje podpisano povezavo do tega shranjenega sredstva; ID sredstva je v njeni poti /v1/media/assets/{asset_id}/content. Podpisane povezave Ailoot do datotek veljajo 24 ur od izdaje. Z istim API ključem uporabite GET /v1/media/assets?family=audio in sledite vsakemu next_cursor, da poiščete zapise zvočnih sredstev. Za vsak izbrani zapis preberite GET /v1/media/assets/{asset_id} in prenesite njegov natančni content_url, vključno s poizvedbenim nizom. Če zahteva za datoteko vrne 404 s kodo link_expired, znova preberite isto sredstvo za osvežen content_url. Osvežite shranjeni rezultat, namesto da zaradi zamenjave potekle povezave znova ustvarjate zvok.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "1379ea7a0fc5233dec457c882473d5c4440a5ac7400b658e10b16f785be2c956", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "sl", "methods": [ { "html": "
MM

MiniMax: Speech 02 Turbo

MiniMax /minimax/speech-02-turbo

Začetek

Speech 02 Turbo je model MiniMax za pretvorbo besedila v govor, ki dokončano besedilo pretvori v zvok. Izdaja minimax/speech-02-turbo ponuja možnosti glasu, govorne izvedbe in zvočnega formata s celovitim odgovorom JSON ter izbiro med zvočnim izhodom URL in šestnajstiškim izhodom. Uporabite jo za pretvorbo pripravljenega obvestila, razlage izdelka ali pripovednega besedila v govorjeni zvok.

Dovoljeni vhodi
Besedilo
Rezultati
Zvok
O modelu

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

Speech 02 Turbo je natančna govorna izdaja MiniMax, izbrana z nastavitvijo model: "minimax/speech-02-turbo". Uporabite POST /v1/audio/speech s telesom application/json, ki vsebuje model in besedilo za izgovor. Vhod je pisno besedilo, rezultat pa sintetizirani zvok. Za obvestilo v text vnesite samo besede, ki naj bodo izgovorjene, na primer kratko obvestilo o prevzemu. Za razlago izdelka besedilo razdelite na celovite stavke in pred ustvarjanjem zvoka dokončno določite imena izdelkov ter številke. Produkcijske opombe, imena datotek in navodila, ki ne smejo biti izgovorjena, hranite zunaj govorjenega besedila.

Polje text ne sme biti prazno in mora vsebovati manj kot 10 000 znakov Unicode. Pošljite celotno govorjeno besedilo s stream:false ali izpustite stream. Daljše gradivo pred pošiljanjem posameznih delov razdelite na ločene celovite segmente besedila. Dokument lahko uporabite tako, da preberete njegovo dejansko vsebino in ustrezni odlomek vstavite v text; URL dokumenta ni nadomestilo za besedilo.

Glas izberite prek voice_setting.voice_id. Dokumentirane kategorije glasov vključujejo sistemske glasove in že ustvarjene klonirane glasove ali glasove, oblikovane z besedilom; uporabite veljavni ID glasu za izbrano kategorijo. Vzorčni glas je audiobook_male_1. Isti objekt upravlja speed od 0,5 do 2, vol nad 0 in do 10 ter celoštevilski pitch od -12 do 12. Njihove privzete vrednosti so 1, 1 in 0. Te možnosti prilagajajo različne vidike govorne izvedbe, zato jih izberite ločeno, namesto da njihova imena vnašate v besedilo.

voice_setting.emotion sprejema happy, sad, angry, fearful, disgusted, surprised, calm in fluent. Dokumentacija opisuje tudi samodejno prilagajanje čustvenega izražanja besedilu. Pri besedilih z veliko številkami voice_setting.text_normalization omogoči normalizacijo kitajskega in angleškega besedila ter ima privzeto vrednost false. voice_setting.latex_read upravlja branje izrazov LaTeX in ima prav tako privzeto vrednost false. pronunciation_dict.tone je polje nizov s pravili izgovarjave. Objavljeni primer je ["草地/(cao3)(di1)"]; pri podajanju pravila ohranite besedo, poševnico in strukturo izgovarjave v oklepajih.

audio_setting.format sprejema mp3, pcm, flac in wav, privzeto pa je mp3. sample_rate sprejema 8000, 16000, 22050, 24000, 32000 in 44100 Hz; privzeta vrednost je 32000. channel je 1 za mono ali 2 za dva kanala, privzeto pa 1. Vrednosti bitrate so 32000, 64000, 128000 in 256000 bitov na sekundo, privzeto 128000, ter veljajo za mp3. Izberite kodiranje, ki ga potrebuje predvajalnik ali urejevalnik, ki bo uporabil rezultat.

language_boost je izbirni niz s privzeto vrednostjo null. Njegove dovoljene vrednosti so 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 in auto. "Chinese,Yue" je ena vrednost. To je možnost, ločena od besedila in ID-ja glasu. Shema ponuja tudi timber_weights za seznam parov voice_id in celoštevilskega weight, pri čemer je vsak weight od 1 do 100. Pri pripravi zahteve ohranite zapis parametra timber_weights. voice_modify.sound_effects je izbirni niz z vrednostmi spacious_echo, auditorium_echo, lofi_telephone in robotic.

stream ima privzeto vrednost false. Za celovit odgovor output_format izbere url ali hex, privzeto pa je hex. V dokumentiranem rezultatu JSON data.audio vsebuje izbrano predstavitev: prenesite celoten podpisani URL Ailoot, vključno s poizvedbenim nizom, ali dekodirajte celoten šestnajstiški zvok v bajte. Izvirni rezultat ohranite skupaj z data.status, base_resp, trace_id in extra_info, ki vključuje dejanski zvočni format, frekvenco vzorčenja, število kanalov, velikost in usage_characters.

subtitle_enable je logična vrednost s privzeto vrednostjo false in velja za nepretočni izhod. aigc_watermark je logična vrednost s privzeto vrednostjo false ter upravlja slišni ritmični označevalnik na koncu ustvarjenega zvoka. Ohranite vsak vrnjeni zvočni rezultat ali rezultat podnapisov ter pred umestitvijo v aplikacijo preverite izgovarjavo, številke in dokončano datoteko. Če je prenos negotov, ohranite identifikator izvirne zahteve in odgovor za preverjanje obstoječega poskusa. Ailoot dokončani zvok shrani tudi v vašo medijsko knjižnico. Pri output_format:"url" data.audio vsebuje podpisano povezavo do tega shranjenega sredstva; ID sredstva je v njeni poti /v1/media/assets/{asset_id}/content. Podpisane povezave Ailoot do datotek veljajo 24 ur od izdaje. Z istim API ključem uporabite GET /v1/media/assets?family=audio in sledite vsakemu next_cursor, da poiščete zapise zvočnih sredstev. Za vsak izbrani zapis preberite GET /v1/media/assets/{asset_id} in prenesite njegov natančni content_url, vključno s poizvedbenim nizom. Če zahteva za datoteko vrne 404 s kodo link_expired, znova preberite isto sredstvo za osvežen content_url. Osvežite shranjeni rezultat, namesto da zaradi zamenjave potekle povezave znova ustvarjate zvok.

Na voljo v Ailoot · vhodi in metode

Ailoot Ultra · Speech POST /v1/audio/speech
Vhod
text
Izhod
audio
Izhodni format
mp3,pcm,flac,wav
PoljeVrstaZahtevaVrednosti in omejitvePrivzeto
PoljemodelVrstastringZahtevaObveznoVrednosti in omejitve
minimax/speech-02-turbo
Privzeto—
PoljetextVrstastringZahtevaObveznoVrednosti in omejitvePrivzeto—
PoljestreamVrstabooleanZahtevaIzbirnoVrednosti in omejitve
false
Privzetofalse
Poljevoice_settingVrstaobjectZahtevaIzbirnoVrednosti in omejitvePrivzeto—
Poljevoice_setting.voice_idVrstastringZahtevaIzbirnoVrednosti in omejitvePrivzeto—
Poljevoice_setting.speedVrstanumberZahtevaIzbirnoVrednosti in omejitve
Najmanj: 0,5
Največ: 2
Privzeto1
Poljevoice_setting.volVrstanumberZahtevaIzbirnoVrednosti in omejitve
Najmanj: 0
Največ: 10
Privzeto1
Poljevoice_setting.pitchVrstaintegerZahtevaIzbirnoVrednosti in omejitve
Najmanj: −12
Največ: 12
Privzeto0
Poljevoice_setting.emotionVrstastringZahtevaIzbirnoVrednosti in omejitve
happy, sad, angry, fearful, disgusted, surprised, calm, fluent
Privzeto—
Poljevoice_setting.text_normalizationVrstabooleanZahtevaIzbirnoVrednosti in omejitvePrivzetofalse
Poljevoice_setting.latex_readVrstabooleanZahtevaIzbirnoVrednosti in omejitvePrivzetofalse
Poljeaudio_settingVrstaobjectZahtevaIzbirnoVrednosti in omejitvePrivzeto—
Poljeaudio_setting.sample_rateVrstaintegerZahtevaIzbirnoVrednosti in omejitve
8000, 16.000, 22.050, 24.000, 32.000, 44.100
Privzeto32.000
Poljeaudio_setting.bitrateVrstaintegerZahtevaIzbirnoVrednosti in omejitve
32.000, 64.000, 128.000, 256.000
Privzeto128.000
Poljeaudio_setting.formatVrstastringZahtevaIzbirnoVrednosti in omejitve
mp3, pcm, flac, wav
Privzetomp3
Poljeaudio_setting.channelVrstaintegerZahtevaIzbirnoVrednosti in omejitve
1, 2
Privzeto1
Poljeaudio_setting.force_cbrVrstabooleanZahtevaIzbirnoVrednosti in omejitvePrivzetofalse
Poljepronunciation_dictVrstaobjectZahtevaIzbirnoVrednosti in omejitvePrivzeto—
Poljepronunciation_dict.toneVrstaarrayZahtevaIzbirnoVrednosti in omejitvePrivzeto—
Poljetimber_weightsVrstaarrayZahtevaIzbirnoVrednosti in omejitvePrivzeto—
Poljelanguage_boostVrstastringZahtevaIzbirnoVrednosti in omejitve
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
Privzeto—
Poljevoice_modifyVrstaobjectZahtevaIzbirnoVrednosti in omejitvePrivzeto—
Poljevoice_modify.pitchVrstaintegerZahtevaIzbirnoVrednosti in omejitve
−100, 100
Privzeto—
Poljevoice_modify.intensityVrstaintegerZahtevaIzbirnoVrednosti in omejitve
−100, 100
Privzeto—
Poljevoice_modify.timbreVrstaintegerZahtevaIzbirnoVrednosti in omejitve
−100, 100
Privzeto—
Poljevoice_modify.sound_effectsVrstastringZahtevaIzbirnoVrednosti in omejitve
spacious_echo, auditorium_echo, lofi_telephone, robotic
Privzeto—
Poljesubtitle_enableVrstabooleanZahtevaIzbirnoVrednosti in omejitvePrivzetofalse
Poljeoutput_formatVrstastringZahtevaIzbirnoVrednosti in omejitve
url, hex
Privzetohex
Poljeaigc_watermarkVrstabooleanZahtevaIzbirnoVrednosti in omejitvePrivzetofalse
Parametri in življenjski cikel metode
ParameterSpecifikacija
Parametercontent_typeSpecifikacijaapplication/json
ParameterrequiredSpecifikacijamodel, text
ParameteroptionalSpecifikacijastream, voice_setting, audio_setting, pronunciation_dict, timber_weights, language_boost, voice_modify, subtitle_enable, output_format, aigc_watermark
Parametermaterial_typesSpecifikacijatext
ParameterconditionsSpecifikacijaUse 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.

Življenjski cikel: synchronous_result_then_owned_library

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

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.

NastavitevCenovna lestvicaObračunska enotaStrošek
NastavitevOsnovne cene žetonovCenovna lestvicaOsnovna cenaObračunska 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
Nastavitevvhodni znakCenovna lestvica—Obračunska enotana vhodni znakStrošek
Vhod · vhodni znak $0.00012 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 · Speech

set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "minimax/speech-02-turbo", "text": "Hello, this is a short speech example.", "stream": false, "output_format": "hex", "audio_setting": {"format": "mp3", "sample_rate": 32000, "channel": 1}}')\n\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 result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\n

Prejmi in shrani rezultate

Ailoot Ultra · Speech

mp3,pcm,flac,wav

Ohrani vse dokončane rezultate

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

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.

Če je treba preveriti izvirni odgovor

Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.

Polja odgovora
PoljeVrsta
Poljedata.audioVrstastring
Poljeextra_infoVrstaobject
Poljetrace_idVrstastring

Druga imena

Druga imena modelov

Ailoot Ultra minimax/speech-02-turbo

Druga imena poti metod

Uporabite zgoraj navedene poti metod.

Povezani ID-ji za klic

minimax/speech-02-turbo

", "method_identity": { "effective_request_model_id": "minimax/speech-02-turbo", "fmt": "speech", "http": "POST", "path": "/v1/audio/speech", "request_model_id": "minimax/speech-02-turbo", "route_label": "Ultra" }, "method_key": "Ultra|speech|/v1/audio/speech|minimax%2Fspeech-02-turbo", "ordinal": 0, "rawMethod": { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Retain the complete response, all actual results, original identifiers, usage and response headers.", "authentication": { "api_key_source": "AILOOT_API_KEY", "header": "Authorization: Bearer" }, "example_body": { "audio_setting": { "channel": 1, "format": "mp3", "sample_rate": 32000 }, "model": "minimax/speech-02-turbo", "output_format": "hex", "stream": false, "text": "Hello, this is a short speech example." }, "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets", "query": { "cursor": "actual returned next_cursor, when present", "family": "audio" } }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "cancel_endpoint": null, "create": { "http": "POST", "path": "/v1/audio/speech" }, "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "owned_content": { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "Use the exact returned content_url. Refresh an expired link by reading the same existing asset." }, "status": [], "unknown": "Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.", "unknown_no_replay": true }, "outputs": { "all_results": "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.", "family": "audio", "fields": [ { "name": "data.audio", "type": "string" }, { "name": "extra_info", "type": "object" }, { "name": "trace_id", "type": "string" } ], "format": [ "mp3", "pcm", "flac", "wav" ] }, "parameters": [ { "default_known": false, "enum": [ "minimax/speech-02-turbo" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "default_known": false, "enum_known": false, "maxLength": 9999, "minLength": 1, "name": "text", "required": true, "type": "string" }, { "default": false, "default_known": true, "enum": [ false ], "enum_known": true, "name": "stream", "required": false, "type": "boolean" }, { "default_known": false, "enum_known": false, "name": "voice_setting", "properties": { "emotion": { "enum": [ "happy", "sad", "angry", "fearful", "disgusted", "surprised", "calm", "fluent" ], "type": "string" }, "latex_read": { "default": false, "type": "boolean" }, "pitch": { "default": 0, "maximum": 12, "minimum": -12, "type": "integer" }, "speed": { "default": 1, "maximum": 2, "minimum": 0.5, "type": "number" }, "text_normalization": { "default": false, "type": "boolean" }, "voice_id": { "type": "string" }, "vol": { "default": 1, "exclusiveMinimum": true, "maximum": 10, "minimum": 0, "type": "number" } }, "required": false, "type": "object" }, { "default_known": false, "enum_known": false, "name": "voice_setting.voice_id", "required": false, "type": "string" }, { "default": 1, "default_known": true, "enum_known": false, "maximum": 2, "minimum": 0.5, "name": "voice_setting.speed", "required": false, "type": "number" }, { "default": 1, "default_known": true, "enum_known": false, "exclusiveMinimum": true, "maximum": 10, "minimum": 0, "name": "voice_setting.vol", "required": false, "type": "number" }, { "default": 0, "default_known": true, "enum_known": false, "maximum": 12, "minimum": -12, "name": "voice_setting.pitch", "required": false, "type": "integer" }, { "default_known": false, "enum": [ "happy", "sad", "angry", "fearful", "disgusted", "surprised", "calm", "fluent" ], "enum_known": true, "name": "voice_setting.emotion", "required": false, "type": "string" }, { "default": false, "default_known": true, "enum_known": false, "name": "voice_setting.text_normalization", "required": false, "type": "boolean" }, { "default": false, "default_known": true, "enum_known": false, "name": "voice_setting.latex_read", "required": false, "type": "boolean" }, { "default_known": false, "enum_known": false, "name": "audio_setting", "properties": { "bitrate": { "default": 128000, "enum": [ 32000, 64000, 128000, 256000 ], "type": "integer" }, "channel": { "default": 1, "enum": [ 1, 2 ], "type": "integer" }, "force_cbr": { "default": false, "type": "boolean" }, "format": { "default": "mp3", "enum": [ "mp3", "pcm", "flac", "wav" ], "type": "string" }, "sample_rate": { "default": 32000, "enum": [ 8000, 16000, 22050, 24000, 32000, 44100 ], "type": "integer" } }, "required": false, "type": "object" }, { "default": 32000, "default_known": true, "enum": [ 8000, 16000, 22050, 24000, 32000, 44100 ], "enum_known": true, "name": "audio_setting.sample_rate", "required": false, "type": "integer" }, { "default": 128000, "default_known": true, "enum": [ 32000, 64000, 128000, 256000 ], "enum_known": true, "name": "audio_setting.bitrate", "required": false, "type": "integer" }, { "default": "mp3", "default_known": true, "enum": [ "mp3", "pcm", "flac", "wav" ], "enum_known": true, "name": "audio_setting.format", "required": false, "type": "string" }, { "default": 1, "default_known": true, "enum": [ 1, 2 ], "enum_known": true, "name": "audio_setting.channel", "required": false, "type": "integer" }, { "default": false, "default_known": true, "enum_known": false, "name": "audio_setting.force_cbr", "required": false, "type": "boolean" }, { "default_known": false, "enum_known": false, "name": "pronunciation_dict", "properties": { "tone": { "items": { "type": "string" }, "type": "array" } }, "required": false, "type": "object" }, { "default_known": false, "enum_known": false, "items": { "type": "string" }, "name": "pronunciation_dict.tone", "required": false, "type": "array" }, { "default_known": false, "enum_known": false, "items": { "properties": { "voice_id": { "type": "string" }, "weight": { "type": "integer" } }, "type": "object" }, "name": "timber_weights", "required": false, "type": "array" }, { "default_known": false, "enum": [ "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" ], "enum_known": true, "name": "language_boost", "required": false, "type": "string" }, { "default_known": false, "enum_known": false, "name": "voice_modify", "properties": { "intensity": { "enum": [ -100, 100 ], "type": "integer" }, "pitch": { "enum": [ -100, 100 ], "type": "integer" }, "sound_effects": { "enum": [ "spacious_echo", "auditorium_echo", "lofi_telephone", "robotic" ], "type": "string" }, "timbre": { "enum": [ -100, 100 ], "type": "integer" } }, "required": false, "type": "object" }, { "default_known": false, "enum": [ -100, 100 ], "enum_known": true, "name": "voice_modify.pitch", "required": false, "type": "integer" }, { "default_known": false, "enum": [ -100, 100 ], "enum_known": true, "name": "voice_modify.intensity", "required": false, "type": "integer" }, { "default_known": false, "enum": [ -100, 100 ], "enum_known": true, "name": "voice_modify.timbre", "required": false, "type": "integer" }, { "default_known": false, "enum": [ "spacious_echo", "auditorium_echo", "lofi_telephone", "robotic" ], "enum_known": true, "name": "voice_modify.sound_effects", "required": false, "type": "string" }, { "default": false, "default_known": true, "enum_known": false, "name": "subtitle_enable", "required": false, "type": "boolean" }, { "default": "hex", "default_known": true, "enum": [ "url", "hex" ], "enum_known": true, "name": "output_format", "required": false, "type": "string" }, { "default": false, "default_known": true, "enum_known": false, "name": "aigc_watermark", "required": false, "type": "boolean" } ], "request_schema": { "properties": { "aigc_watermark": { "default": false, "type": "boolean" }, "audio_setting": { "properties": { "bitrate": { "default": 128000, "enum": [ 32000, 64000, 128000, 256000 ], "type": "integer" }, "channel": { "default": 1, "enum": [ 1, 2 ], "type": "integer" }, "force_cbr": { "default": false, "type": "boolean" }, "format": { "default": "mp3", "enum": [ "mp3", "pcm", "flac", "wav" ], "type": "string" }, "sample_rate": { "default": 32000, "enum": [ 8000, 16000, 22050, 24000, 32000, 44100 ], "type": "integer" } }, "type": "object" }, "language_boost": { "enum": [ "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" ], "type": "string" }, "model": { "enum": [ "minimax/speech-02-turbo" ], "type": "string" }, "output_format": { "default": "hex", "enum": [ "url", "hex" ], "type": "string" }, "pronunciation_dict": { "properties": { "tone": { "items": { "type": "string" }, "type": "array" } }, "type": "object" }, "stream": { "default": false, "enum": [ false ], "type": "boolean" }, "subtitle_enable": { "default": false, "type": "boolean" }, "text": { "maxLength": 9999, "minLength": 1, "type": "string" }, "timber_weights": { "items": { "properties": { "voice_id": { "type": "string" }, "weight": { "type": "integer" } }, "type": "object" }, "type": "array" }, "voice_modify": { "properties": { "intensity": { "enum": [ -100, 100 ], "type": "integer" }, "pitch": { "enum": [ -100, 100 ], "type": "integer" }, "sound_effects": { "enum": [ "spacious_echo", "auditorium_echo", "lofi_telephone", "robotic" ], "type": "string" }, "timbre": { "enum": [ -100, 100 ], "type": "integer" } }, "type": "object" }, "voice_setting": { "properties": { "emotion": { "enum": [ "happy", "sad", "angry", "fearful", "disgusted", "surprised", "calm", "fluent" ], "type": "string" }, "latex_read": { "default": false, "type": "boolean" }, "pitch": { "default": 0, "maximum": 12, "minimum": -12, "type": "integer" }, "speed": { "default": 1, "maximum": 2, "minimum": 0.5, "type": "number" }, "text_normalization": { "default": false, "type": "boolean" }, "voice_id": { "type": "string" }, "vol": { "default": 1, "exclusiveMinimum": true, "maximum": 10, "minimum": 0, "type": "number" } }, "type": "object" } }, "required": [ "model", "text" ], "type": "object" }, "schema_template": { "body": { "audio_setting": { "channel": 1, "format": "mp3", "sample_rate": 32000 }, "model": "minimax/speech-02-turbo", "output_format": "hex", "stream": false, "text": "Hello, this is a short speech example." }, "content_type": "application/json" } }, "input": { "conditions": [ "Use 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." ], "content_type": "application/json", "material_types": [ "text" ], "optional": [ "stream", "voice_setting", "audio_setting", "pronunciation_dict", "timber_weights", "language_boost", "voice_modify", "subtitle_enable", "output_format", "aigc_watermark" ], "required": [ "model", "text" ] }, "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets", "query": { "cursor": "actual returned next_cursor, when present", "family": "audio" } }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "cancel_endpoint": null, "create": { "http": "POST", "path": "/v1/audio/speech" }, "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "owned_content": { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "Use the exact returned content_url. Refresh an expired link by reading the same existing asset." }, "status": [], "unknown": "Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.", "unknown_no_replay": true }, "method": { "http": "POST", "path": "/v1/audio/speech" }, "method_aliases": [], "output": { "all_results": "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.", "family": "audio", "fields": [ { "name": "data.audio", "type": "string" }, { "name": "extra_info", "type": "object" }, { "name": "trace_id", "type": "string" } ], "format": [ "mp3", "pcm", "flac", "wav" ] } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "per input character" }, "label": "input character", "units": [ { "amount": "0.00012", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_character", "label": "input character", "native_amount_usd_per_unit": "0.00012", "native_quantity": 1, "public_unit_label": "per input character", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_character" } ] } ], "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"minimax/speech-02-turbo\", \"text\": \"Hello, this is a short speech example.\", \"stream\": false, \"output_format\": \"hex\", \"audio_setting\": {\"format\": \"mp3\", \"sample_rate\": 32000, \"channel\": 1}}')\n\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 result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\n", "label": "curl · create once and retain the complete result", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "speech", "http": "POST", "img_in": null, "img_out": null, "in": null, "input": [ "text" ], "label": "Speech", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "out": null, "output": [ "audio" ], "path": "/v1/audio/speech", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "per_request", "cache_read_price": null, "cache_write_1h_price": null, "cache_write_price": null, "fast_multiplier": null, "flex_multiplier": null, "image_input_price": null, "image_output_price": null, "input_price": null, "intervals": null, "max_reasoning_effort_multiplier": null, "output_price": null, "per_request_price": null, "unit_prices": { "audio_input_character": "0.00012" } }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "per input character" }, "label": "input character", "units": [ { "amount": "0.00012", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_character", "label": "input character", "native_amount_usd_per_unit": "0.00012", "native_quantity": 1, "public_unit_label": "per input character", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_character" } ] } ], "request_model_id": "minimax/speech-02-turbo", "route_label": "Ultra", "status_reads": [], "tiers": [], "unit": "per_request", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" }, { "amount": "0.00012", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_character", "label": "input character", "native_amount_usd_per_unit": "0.00012", "native_quantity": 1, "public_unit_label": "per input character", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_character" } ] } } ], "model_id": "minimax/speech-02-turbo", "nativeProvenance": { "input_facts_canonical_sha256": "a1a8b1fee979b35137a6d238a848b752fb54c3f39962510c3d49456ef60c2528", "input_html_sha256": "790841db95601956154b6ce0a9835d763e717d1bea56d9ad52a5d1fdbf790a57", "private_audit_sha256": "b8280cd3bda694b3794ac8060aaf79642c6c5df0561a15c2de6e50d0e885b1f1", "role": "historical-normalized-input-audit-hashes", "schema": "ailoot-native-model-provenance-v2" }, "page": { "canonical": "https://ailoot.ai/models/sl/minimax-speech-02-turbo/", "description": "Speech 02 Turbo je model MiniMax za pretvorbo besedila v govor, ki dokončano besedilo pretvori v zvok. Izdaja minimax/speech-02-turbo ponuja možnosti glasu, govorne izvedbe in zvočnega formata s celovitim odgovorom JSON ter izbiro med zvočnim izhodom URL in šestnajstiškim izhodom. Uporabite jo za pretvorbo pripravljenega obvestila, razlage izdelka ali pripovednega besedila v govorjeni zvok.", "locale": "sl", "md_url": "https://ailoot.ai/models/sl/minimax-speech-02-turbo/index.md", "title": "MiniMax: Speech 02 Turbo — Ailoot", "url": "https://ailoot.ai/models/sl/minimax-speech-02-turbo/" }, "rawModel": { "about": "Speech 02 Turbo je natančna govorna izdaja MiniMax, izbrana z nastavitvijo model: \"minimax/speech-02-turbo\". Uporabite POST /v1/audio/speech s telesom application/json, ki vsebuje model in besedilo za izgovor. Vhod je pisno besedilo, rezultat pa sintetizirani zvok. Za obvestilo v text vnesite samo besede, ki naj bodo izgovorjene, na primer kratko obvestilo o prevzemu. Za razlago izdelka besedilo razdelite na celovite stavke in pred ustvarjanjem zvoka dokončno določite imena izdelkov ter številke. Produkcijske opombe, imena datotek in navodila, ki ne smejo biti izgovorjena, hranite zunaj govorjenega besedila.\n\nPolje text ne sme biti prazno in mora vsebovati manj kot 10 000 znakov Unicode. Pošljite celotno govorjeno besedilo s stream:false ali izpustite stream. Daljše gradivo pred pošiljanjem posameznih delov razdelite na ločene celovite segmente besedila. Dokument lahko uporabite tako, da preberete njegovo dejansko vsebino in ustrezni odlomek vstavite v text; URL dokumenta ni nadomestilo za besedilo.\n\nGlas izberite prek voice_setting.voice_id. Dokumentirane kategorije glasov vključujejo sistemske glasove in že ustvarjene klonirane glasove ali glasove, oblikovane z besedilom; uporabite veljavni ID glasu za izbrano kategorijo. Vzorčni glas je audiobook_male_1. Isti objekt upravlja speed od 0,5 do 2, vol nad 0 in do 10 ter celoštevilski pitch od -12 do 12. Njihove privzete vrednosti so 1, 1 in 0. Te možnosti prilagajajo različne vidike govorne izvedbe, zato jih izberite ločeno, namesto da njihova imena vnašate v besedilo.\n\nvoice_setting.emotion sprejema happy, sad, angry, fearful, disgusted, surprised, calm in fluent. Dokumentacija opisuje tudi samodejno prilagajanje čustvenega izražanja besedilu. Pri besedilih z veliko številkami voice_setting.text_normalization omogoči normalizacijo kitajskega in angleškega besedila ter ima privzeto vrednost false. voice_setting.latex_read upravlja branje izrazov LaTeX in ima prav tako privzeto vrednost false. pronunciation_dict.tone je polje nizov s pravili izgovarjave. Objavljeni primer je [\"草地/(cao3)(di1)\"]; pri podajanju pravila ohranite besedo, poševnico in strukturo izgovarjave v oklepajih.\n\naudio_setting.format sprejema mp3, pcm, flac in wav, privzeto pa je mp3. sample_rate sprejema 8000, 16000, 22050, 24000, 32000 in 44100 Hz; privzeta vrednost je 32000. channel je 1 za mono ali 2 za dva kanala, privzeto pa 1. Vrednosti bitrate so 32000, 64000, 128000 in 256000 bitov na sekundo, privzeto 128000, ter veljajo za mp3. Izberite kodiranje, ki ga potrebuje predvajalnik ali urejevalnik, ki bo uporabil rezultat.\n\nlanguage_boost je izbirni niz s privzeto vrednostjo null. Njegove dovoljene vrednosti so 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 in auto. \"Chinese,Yue\" je ena vrednost. To je možnost, ločena od besedila in ID-ja glasu. Shema ponuja tudi timber_weights za seznam parov voice_id in celoštevilskega weight, pri čemer je vsak weight od 1 do 100. Pri pripravi zahteve ohranite zapis parametra timber_weights. voice_modify.sound_effects je izbirni niz z vrednostmi spacious_echo, auditorium_echo, lofi_telephone in robotic.\n\nstream ima privzeto vrednost false. Za celovit odgovor output_format izbere url ali hex, privzeto pa je hex. V dokumentiranem rezultatu JSON data.audio vsebuje izbrano predstavitev: prenesite celoten podpisani URL Ailoot, vključno s poizvedbenim nizom, ali dekodirajte celoten šestnajstiški zvok v bajte. Izvirni rezultat ohranite skupaj z data.status, base_resp, trace_id in extra_info, ki vključuje dejanski zvočni format, frekvenco vzorčenja, število kanalov, velikost in usage_characters.\n\nsubtitle_enable je logična vrednost s privzeto vrednostjo false in velja za nepretočni izhod. aigc_watermark je logična vrednost s privzeto vrednostjo false ter upravlja slišni ritmični označevalnik na koncu ustvarjenega zvoka. Ohranite vsak vrnjeni zvočni rezultat ali rezultat podnapisov ter pred umestitvijo v aplikacijo preverite izgovarjavo, številke in dokončano datoteko. Če je prenos negotov, ohranite identifikator izvirne zahteve in odgovor za preverjanje obstoječega poskusa. Ailoot dokončani zvok shrani tudi v vašo medijsko knjižnico. Pri output_format:\"url\" data.audio vsebuje podpisano povezavo do tega shranjenega sredstva; ID sredstva je v njeni poti /v1/media/assets/{asset_id}/content. Podpisane povezave Ailoot do datotek veljajo 24 ur od izdaje. Z istim API ključem uporabite GET /v1/media/assets?family=audio in sledite vsakemu next_cursor, da poiščete zapise zvočnih sredstev. Za vsak izbrani zapis preberite GET /v1/media/assets/{asset_id} in prenesite njegov natančni content_url, vključno s poizvedbenim nizom. Če zahteva za datoteko vrne 404 s kodo link_expired, znova preberite isto sredstvo za osvežen content_url. Osvežite shranjeni rezultat, namesto da zaradi zamenjave potekle povezave znova ustvarjate zvok.", "alias_of": null, "aliases": [], "author": "MiniMax", "ctx": null, "formats": [ "speech" ], "id": "minimax/speech-02-turbo", "input": [ "text" ], "kind": "speech", "max_out": null, "methods": [ { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Retain the complete response, all actual results, original identifiers, usage and response headers.", "authentication": { "api_key_source": "AILOOT_API_KEY", "header": "Authorization: Bearer" }, "example_body": { "audio_setting": { "channel": 1, "format": "mp3", "sample_rate": 32000 }, "model": "minimax/speech-02-turbo", "output_format": "hex", "stream": false, "text": "Hello, this is a short speech example." }, "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets", "query": { "cursor": "actual returned next_cursor, when present", "family": "audio" } }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "cancel_endpoint": null, "create": { "http": "POST", "path": "/v1/audio/speech" }, "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "owned_content": { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "Use the exact returned content_url. Refresh an expired link by reading the same existing asset." }, "status": [], "unknown": "Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.", "unknown_no_replay": true }, "outputs": { "all_results": "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.", "family": "audio", "fields": [ { "name": "data.audio", "type": "string" }, { "name": "extra_info", "type": "object" }, { "name": "trace_id", "type": "string" } ], "format": [ "mp3", "pcm", "flac", "wav" ] }, "parameters": [ { "default_known": false, "enum": [ "minimax/speech-02-turbo" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "default_known": false, "enum_known": false, "maxLength": 9999, "minLength": 1, "name": "text", "required": true, "type": "string" }, { "default": false, "default_known": true, "enum": [ false ], "enum_known": true, "name": "stream", "required": false, "type": "boolean" }, { "default_known": false, "enum_known": false, "name": "voice_setting", "properties": { "emotion": { "enum": [ "happy", "sad", "angry", "fearful", "disgusted", "surprised", "calm", "fluent" ], "type": "string" }, "latex_read": { "default": false, "type": "boolean" }, "pitch": { "default": 0, "maximum": 12, "minimum": -12, "type": "integer" }, "speed": { "default": 1, "maximum": 2, "minimum": 0.5, "type": "number" }, "text_normalization": { "default": false, "type": "boolean" }, "voice_id": { "type": "string" }, "vol": { "default": 1, "exclusiveMinimum": true, "maximum": 10, "minimum": 0, "type": "number" } }, "required": false, "type": "object" }, { "default_known": false, "enum_known": false, "name": "voice_setting.voice_id", "required": false, "type": "string" }, { "default": 1, "default_known": true, "enum_known": false, "maximum": 2, "minimum": 0.5, "name": "voice_setting.speed", "required": false, "type": "number" }, { "default": 1, "default_known": true, "enum_known": false, "exclusiveMinimum": true, "maximum": 10, "minimum": 0, "name": "voice_setting.vol", "required": false, "type": "number" }, { "default": 0, "default_known": true, "enum_known": false, "maximum": 12, "minimum": -12, "name": "voice_setting.pitch", "required": false, "type": "integer" }, { "default_known": false, "enum": [ "happy", "sad", "angry", "fearful", "disgusted", "surprised", "calm", "fluent" ], "enum_known": true, "name": "voice_setting.emotion", "required": false, "type": "string" }, { "default": false, "default_known": true, "enum_known": false, "name": "voice_setting.text_normalization", "required": false, "type": "boolean" }, { "default": false, "default_known": true, "enum_known": false, "name": "voice_setting.latex_read", "required": false, "type": "boolean" }, { "default_known": false, "enum_known": false, "name": "audio_setting", "properties": { "bitrate": { "default": 128000, "enum": [ 32000, 64000, 128000, 256000 ], "type": "integer" }, "channel": { "default": 1, "enum": [ 1, 2 ], "type": "integer" }, "force_cbr": { "default": false, "type": "boolean" }, "format": { "default": "mp3", "enum": [ "mp3", "pcm", "flac", "wav" ], "type": "string" }, "sample_rate": { "default": 32000, "enum": [ 8000, 16000, 22050, 24000, 32000, 44100 ], "type": "integer" } }, "required": false, "type": "object" }, { "default": 32000, "default_known": true, "enum": [ 8000, 16000, 22050, 24000, 32000, 44100 ], "enum_known": true, "name": "audio_setting.sample_rate", "required": false, "type": "integer" }, { "default": 128000, "default_known": true, "enum": [ 32000, 64000, 128000, 256000 ], "enum_known": true, "name": "audio_setting.bitrate", "required": false, "type": "integer" }, { "default": "mp3", "default_known": true, "enum": [ "mp3", "pcm", "flac", "wav" ], "enum_known": true, "name": "audio_setting.format", "required": false, "type": "string" }, { "default": 1, "default_known": true, "enum": [ 1, 2 ], "enum_known": true, "name": "audio_setting.channel", "required": false, "type": "integer" }, { "default": false, "default_known": true, "enum_known": false, "name": "audio_setting.force_cbr", "required": false, "type": "boolean" }, { "default_known": false, "enum_known": false, "name": "pronunciation_dict", "properties": { "tone": { "items": { "type": "string" }, "type": "array" } }, "required": false, "type": "object" }, { "default_known": false, "enum_known": false, "items": { "type": "string" }, "name": "pronunciation_dict.tone", "required": false, "type": "array" }, { "default_known": false, "enum_known": false, "items": { "properties": { "voice_id": { "type": "string" }, "weight": { "type": "integer" } }, "type": "object" }, "name": "timber_weights", "required": false, "type": "array" }, { "default_known": false, "enum": [ "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" ], "enum_known": true, "name": "language_boost", "required": false, "type": "string" }, { "default_known": false, "enum_known": false, "name": "voice_modify", "properties": { "intensity": { "enum": [ -100, 100 ], "type": "integer" }, "pitch": { "enum": [ -100, 100 ], "type": "integer" }, "sound_effects": { "enum": [ "spacious_echo", "auditorium_echo", "lofi_telephone", "robotic" ], "type": "string" }, "timbre": { "enum": [ -100, 100 ], "type": "integer" } }, "required": false, "type": "object" }, { "default_known": false, "enum": [ -100, 100 ], "enum_known": true, "name": "voice_modify.pitch", "required": false, "type": "integer" }, { "default_known": false, "enum": [ -100, 100 ], "enum_known": true, "name": "voice_modify.intensity", "required": false, "type": "integer" }, { "default_known": false, "enum": [ -100, 100 ], "enum_known": true, "name": "voice_modify.timbre", "required": false, "type": "integer" }, { "default_known": false, "enum": [ "spacious_echo", "auditorium_echo", "lofi_telephone", "robotic" ], "enum_known": true, "name": "voice_modify.sound_effects", "required": false, "type": "string" }, { "default": false, "default_known": true, "enum_known": false, "name": "subtitle_enable", "required": false, "type": "boolean" }, { "default": "hex", "default_known": true, "enum": [ "url", "hex" ], "enum_known": true, "name": "output_format", "required": false, "type": "string" }, { "default": false, "default_known": true, "enum_known": false, "name": "aigc_watermark", "required": false, "type": "boolean" } ], "request_schema": { "properties": { "aigc_watermark": { "default": false, "type": "boolean" }, "audio_setting": { "properties": { "bitrate": { "default": 128000, "enum": [ 32000, 64000, 128000, 256000 ], "type": "integer" }, "channel": { "default": 1, "enum": [ 1, 2 ], "type": "integer" }, "force_cbr": { "default": false, "type": "boolean" }, "format": { "default": "mp3", "enum": [ "mp3", "pcm", "flac", "wav" ], "type": "string" }, "sample_rate": { "default": 32000, "enum": [ 8000, 16000, 22050, 24000, 32000, 44100 ], "type": "integer" } }, "type": "object" }, "language_boost": { "enum": [ "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" ], "type": "string" }, "model": { "enum": [ "minimax/speech-02-turbo" ], "type": "string" }, "output_format": { "default": "hex", "enum": [ "url", "hex" ], "type": "string" }, "pronunciation_dict": { "properties": { "tone": { "items": { "type": "string" }, "type": "array" } }, "type": "object" }, "stream": { "default": false, "enum": [ false ], "type": "boolean" }, "subtitle_enable": { "default": false, "type": "boolean" }, "text": { "maxLength": 9999, "minLength": 1, "type": "string" }, "timber_weights": { "items": { "properties": { "voice_id": { "type": "string" }, "weight": { "type": "integer" } }, "type": "object" }, "type": "array" }, "voice_modify": { "properties": { "intensity": { "enum": [ -100, 100 ], "type": "integer" }, "pitch": { "enum": [ -100, 100 ], "type": "integer" }, "sound_effects": { "enum": [ "spacious_echo", "auditorium_echo", "lofi_telephone", "robotic" ], "type": "string" }, "timbre": { "enum": [ -100, 100 ], "type": "integer" } }, "type": "object" }, "voice_setting": { "properties": { "emotion": { "enum": [ "happy", "sad", "angry", "fearful", "disgusted", "surprised", "calm", "fluent" ], "type": "string" }, "latex_read": { "default": false, "type": "boolean" }, "pitch": { "default": 0, "maximum": 12, "minimum": -12, "type": "integer" }, "speed": { "default": 1, "maximum": 2, "minimum": 0.5, "type": "number" }, "text_normalization": { "default": false, "type": "boolean" }, "voice_id": { "type": "string" }, "vol": { "default": 1, "exclusiveMinimum": true, "maximum": 10, "minimum": 0, "type": "number" } }, "type": "object" } }, "required": [ "model", "text" ], "type": "object" }, "schema_template": { "body": { "audio_setting": { "channel": 1, "format": "mp3", "sample_rate": 32000 }, "model": "minimax/speech-02-turbo", "output_format": "hex", "stream": false, "text": "Hello, this is a short speech example." }, "content_type": "application/json" } }, "input": { "conditions": [ "Use 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." ], "content_type": "application/json", "material_types": [ "text" ], "optional": [ "stream", "voice_setting", "audio_setting", "pronunciation_dict", "timber_weights", "language_boost", "voice_modify", "subtitle_enable", "output_format", "aigc_watermark" ], "required": [ "model", "text" ] }, "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets", "query": { "cursor": "actual returned next_cursor, when present", "family": "audio" } }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "cancel_endpoint": null, "create": { "http": "POST", "path": "/v1/audio/speech" }, "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "owned_content": { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "Use the exact returned content_url. Refresh an expired link by reading the same existing asset." }, "status": [], "unknown": "Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.", "unknown_no_replay": true }, "method": { "http": "POST", "path": "/v1/audio/speech" }, "method_aliases": [], "output": { "all_results": "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.", "family": "audio", "fields": [ { "name": "data.audio", "type": "string" }, { "name": "extra_info", "type": "object" }, { "name": "trace_id", "type": "string" } ], "format": [ "mp3", "pcm", "flac", "wav" ] } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "per input character" }, "label": "input character", "units": [ { "amount": "0.00012", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_character", "label": "input character", "native_amount_usd_per_unit": "0.00012", "native_quantity": 1, "public_unit_label": "per input character", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_character" } ] } ], "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"minimax/speech-02-turbo\", \"text\": \"Hello, this is a short speech example.\", \"stream\": false, \"output_format\": \"hex\", \"audio_setting\": {\"format\": \"mp3\", \"sample_rate\": 32000, \"channel\": 1}}')\n\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 result.json\n# Submit once. Retain the complete result, original identifiers and every response header.\n", "label": "curl · create once and retain the complete result", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "speech", "http": "POST", "img_in": null, "img_out": null, "in": null, "input": [ "text" ], "label": "Speech", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "out": null, "output": [ "audio" ], "path": "/v1/audio/speech", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "per_request", "cache_read_price": null, "cache_write_1h_price": null, "cache_write_price": null, "fast_multiplier": null, "flex_multiplier": null, "image_input_price": null, "image_output_price": null, "input_price": null, "intervals": null, "max_reasoning_effort_multiplier": null, "output_price": null, "per_request_price": null, "unit_prices": { "audio_input_character": "0.00012" } }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "per input character" }, "label": "input character", "units": [ { "amount": "0.00012", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_character", "label": "input character", "native_amount_usd_per_unit": "0.00012", "native_quantity": 1, "public_unit_label": "per input character", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_character" } ] } ], "request_model_id": "minimax/speech-02-turbo", "route_label": "Ultra", "status_reads": [], "tiers": [], "unit": "per_request", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" }, { "amount": "0.00012", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_character", "label": "input character", "native_amount_usd_per_unit": "0.00012", "native_quantity": 1, "public_unit_label": "per input character", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_character" } ] } ], "model_aliases": [ { "canonical_model_id": "minimax/speech-02-turbo", "request_model_id": "minimax/speech-02-turbo", "route_label": "Ultra" } ], "name": "MiniMax: Speech 02 Turbo", "price": { "in": "0.00012", "in_label": "per input character", "out": null, "out_label": null, "sort_in": null, "sort_out": null, "varies": false }, "short": "Speech 02 Turbo je model MiniMax za pretvorbo besedila v govor, ki dokončano besedilo pretvori v zvok. Izdaja minimax/speech-02-turbo ponuja možnosti glasu, govorne izvedbe in zvočnega formata s celovitim odgovorom JSON ter izbiro med zvočnim izhodom URL in šestnajstiškim izhodom. Uporabite jo za pretvorbo pripravljenega obvestila, razlage izdelka ali pripovednega besedila v govorjeni zvok." }, "renderer_schema": { "method_order": "Original DTO methods order; every exact route/format/path/caller survives.", "prices": "Original public DTO fields and original native display HTML; no flattened or normalized offers." }, "representation": "exact-public-dto-and-native-renderer-html", "representationNotes": { "current_reference": { "about_json_pointer": "/aboutHtml", "methods": [ { "contract_json_pointer": "/methods/0/rawMethod/contract", "html_json_pointer": "/methods/0/html", "method_ordinal": 0 } ], "role": "current-semantic-reference" }, "raw_input": { "examples_role": "historical-input-not-current-ready-examples", "json_pointers": [ "/rawModel", "/methods/0/rawMethod" ], "role": "historical-owner-input" }, "schema": "ailoot-native-model-representations-v1" }, "schema": "ailoot-static-model-facts-v1", "schema_version": 1, "shortText": "Speech 02 Turbo je model MiniMax za pretvorbo besedila v govor, ki dokončano besedilo pretvori v zvok. Izdaja minimax/speech-02-turbo ponuja možnosti glasu, govorne izvedbe in zvočnega formata s celovitim odgovorom JSON ter izbiro med zvočnim izhodom URL in šestnajstiškim izhodom. Uporabite jo za pretvorbo pripravljenega obvestila, razlage izdelka ali pripovednega besedila v govorjeni zvok.", "source": { "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1", "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036", "raw_model_json_sha256": "2ba8554df1a53b70a4ba08cc37cc314cbee98c8f9de43f038cde10419ca26226", "renderer_sha256": "dcba2271c18b0f9570a8b166e8d1e3166f121e096a58609c3a46da31562a1bf2" }, "sourceRevision": "9d375d66534d4d3af88f51aa6619f9cc8f6ac0d9e72bf1e80a449ebf3821d154" }