MiniMax: Speech 2.6 Turbo

Speech 2.6 Turbo je natančna govorna izdaja MiniMax, izbrana z nastavitvijo model: "minimax/speech-2.6-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 sporočilo v aplikaciji podajte natančne besede, ki jih mora poslušalec slišati, in razpišite morebitne dvoumne kratice. Pri kratki lekciji v samem besedilu ločite razlago od primera. Pri govorjenem uporabniškem toku vmesnika vsak govorjeni segment povežite s konkretnim uporabniškim dejanjem ter besedilo ohranite skupaj z njegovim zvokom.

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.