Source: https://ailoot.ai/models/sv/minimax-speech-02-hd/
Canonical: https://ailoot.ai/models/sv/minimax-speech-02-hd/
Language: sv

# MiniMax: Speech 02 HD

[Markdown](https://ailoot.ai/models/sv/minimax-speech-02-hd/index.md) · [JSON](https://ailoot.ai/models/sv/minimax-speech-02-hd/facts.json)

## [MiniMax: Speech 02 HD](https://ailoot.ai/models/sv/minimax-speech-02-hd/)

MiniMax Speech 02 HD läser upp tillhandahållen text som genererat tal via en synkron audio\_speech-förfrågan. Den accepterar text som är kortare än 10 000 tecken och erbjuder inställningar för röst, tempo och tonhöjd med MP3-, PCM-, FLAC- eller WAV-utdata.

- [**Ailoot Ultra · Speech** `POST /v1/audio/speech` `minimax/speech-02-hd`](https://ailoot.ai/models/sv/minimax-speech-02-hd/#method-0)

Om modellen

Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.

MiniMax Speech 02 HD omvandlar tillhandahållen text till talat ljud. Dess exakta Ailoot-modell-ID är minimax/speech-02-hd, och dess dokumenterade syntesväljare är speech-02-hd. Använd metoden audio\_speech för en berättarröst, talad lektion, produktförklaring eller ett uppläsningsutkast där du redan har ordalydelsen. Indata är textavsnittet som ska läsas upp, och resultatet är syntetiskt tal i det valda ljudformatet.

Förbered texten som ord avsedda att uttalas, med skiljetecken som återspeglar fraseringen. För ett uppläsningsutkast anger du den slutliga meningsordningen och stavningen av namn innan du väljer röstinställningar. Håll scenanvisningar åtskilda från texten som ska läsas upp, om dessa ord inte ska ingå i inspelningen. Lyssna på viktiga namn, tal och övergångar i resultatet och jämför dem med källtexten.

Texten måste vara kortare än 10 000 tecken. Det publicerade synteskontraktet kräver model och text. För längre material förbereder du avsnitt inom denna gräns och bevarar deras ordning för redigering. Den synkrona profilen använder ett fullständigt svar med stream=false som dokumenterat standardvärde. Det allmänna API:et beskriver även strömningsalternativ, men denna kortbeskrivnings valda metod är det synkrona talarbetsflödet.

voice\_setting väljer ett tillgängligt voice\_id och styr speed, vol och pitch. Det dokumenterade intervallet för speed är 0,5–2, med 1 som standardvärde. vol måste vara större än 0 och högst 10, med 1 som standardvärde; pitch är ett heltal från -12 till 12, med 0 som standardvärde. Låt varje inställning tjäna textavsnittet: jämför uppläsningstempot och hörbarheten i den faktiska inspelningen i stället för att anta att en numerisk ändring ger ett visst framförande.

De dokumenterade emotion-värdena är happy, sad, angry, fearful, disgusted, surprised, calm och fluent. Texten kan också styra modellens känslouttryck. text\_normalization är en separat boolesk inställning för förberedelse av taluppläsning på kinesiska och engelska, och latex\_read styr uppläsning av LaTeX-formler; båda har standardvärdet false. pronunciation\_dict.tone kan innehålla dokumenterade ersättningsregler för uttal. Kontrollera ett namn eller ett specialuttryck i det resulterande ljudet innan du använder det i en längre uppläsning.

audio\_setting.format accepterar mp3, pcm, flac eller wav, med mp3 som standardvärde. sample\_rate accepterar 8000, 16000, 22050, 24000, 32000 eller 44100 och har standardvärdet 32000. bitrate accepterar 32000, 64000, 128000 eller 256000, har standardvärdet 128000 och gäller MP3. channel väljer 1 för mono eller 2 för stereo, med 1 som standardvärde. Behåll dessa val tillsammans med källavsnittet så att den returnerade filen kan kontrolleras för den avsedda redigerings- eller uppspelningsplatsen.

Ytterligare dokumenterade inställningar omfattar language\_boost, vars exakta namngivna val bland annat är English, Russian, Chinese och Chinese,Yue; välj ett faktiskt listat värde för textavsnittet. timber\_weights kan kombinera befintliga voice\_id-poster med heltalsvärden för weight från 1 till 100. De publicerade sound\_effects-värdena är spacious\_echo, auditorium\_echo, lofi\_telephone och robotic. Dessa är valfria inställningar för att forma en vald röst; dokumentera deras faktiska inställningar när du jämför uppläsningar.

Det synkrona resultatet innehåller genererat tal. output\_format väljer url eller hex och har standardvärdet hex i syntesschemat. Hämta filen som en URL-utdata hänvisar till, eller avkoda ett hex-resultat till ljudbyte före uppspelning. Behåll returnerade ljudmetadata, inklusive format, samplingsfrekvens, kanalantal och storlek, tillsammans med inspelningen. subtitle\_enable är false som standard och gäller endast icke-strömmade utdata när det aktiveras; källan fastställer inget undertextfilformat för denna profil.

Spara källavsnittet, det exakta modell-ID:t, röstvalet och den färdiga inspelningen tillsammans. Granska hela uppläsningen för avsedd ordalydelse, pauser och valda framförandeinställningar innan den placeras i en video, lektion eller talad guide. Om svaret är ofullständigt behåller du dess ursprungliga förfrågningsidentitet och returnerade information för avstämning innan du begär en ny inspelning. En senare revidering kan ändra en bestämd fras eller röstinställning och samtidigt bevara resten av manuset för en tydlig jämförelse.

**Ailoot Ultra · Speech** `POST /v1/audio/speech` `minimax/speech-02-hd`

[`minimax/speech-02-hd`](https://ailoot.ai/models/sv/#m=minimax%2Fspeech-02-hd&route=Ultra&caller=minimax%2Fspeech-02-hd&fmt=speech)

MiniMax /`minimax/speech-02-hd`

### Start

MiniMax Speech 02 HD läser upp tillhandahållen text som genererat tal via en synkron audio\_speech-förfrågan. Den accepterar text som är kortare än 10 000 tecken och erbjuder inställningar för röst, tempo och tonhöjd med MP3-, PCM-, FLAC- eller WAV-utdata.

Godkända indata

Text

Resultat

Ljud

### Tillgängligt i Ailoot · indata & metoder

**Ailoot Ultra · Speech** `POST /v1/audio/speech`

Indatatyper

`text`

Utdatatyper

`audio`

Utdataformat

mp3,pcm,flac,wav

| Fält | Typ | Krav | Värden & gränser | Standard |
| --- | --- | --- | --- | --- |
| Fält`model` | Typ`string` | KravObligatoriskt | Värden & gränser minimax/speech-02-hd | Standard— |
| Fält`text` | Typ`string` | KravObligatoriskt | Värden & gränser | Standard— |
| Fält`stream` | Typ`boolean` | KravValfritt | Värden & gränser false | Standardfalse |
| Fält`voice_setting` | Typ`object` | KravValfritt | Värden & gränser | Standard— |
| Fält`voice_setting.voice_id` | Typ`string` | KravValfritt | Värden & gränser | Standard— |
| Fält`voice_setting.speed` | Typ`number` | KravValfritt | Värden & gränser Minimum: 0,5 Maximum: 2 | Standard1 |
| Fält`voice_setting.vol` | Typ`number` | KravValfritt | Värden & gränser Minimum: 0 Maximum: 10 | Standard1 |
| Fält`voice_setting.pitch` | Typ`integer` | KravValfritt | Värden & gränser Minimum: −12 Maximum: 12 | Standard0 |
| Fält`voice_setting.emotion` | Typ`string` | KravValfritt | Värden & gränser happy, sad, angry, fearful, disgusted, surprised, calm, fluent | Standard— |
| Fält`voice_setting.text_normalization` | Typ`boolean` | KravValfritt | Värden & gränser | Standardfalse |
| Fält`voice_setting.latex_read` | Typ`boolean` | KravValfritt | Värden & gränser | Standardfalse |
| Fält`audio_setting` | Typ`object` | KravValfritt | Värden & gränser | Standard— |
| Fält`audio_setting.sample_rate` | Typ`integer` | KravValfritt | Värden & gränser 8 000, 16 000, 22 050, 24 000, 32 000, 44 100 | Standard32 000 |
| Fält`audio_setting.bitrate` | Typ`integer` | KravValfritt | Värden & gränser 32 000, 64 000, 128 000, 256 000 | Standard128 000 |
| Fält`audio_setting.format` | Typ`string` | KravValfritt | Värden & gränser mp3, pcm, flac, wav | Standardmp3 |
| Fält`audio_setting.channel` | Typ`integer` | KravValfritt | Värden & gränser 1, 2 | Standard1 |
| Fält`audio_setting.force_cbr` | Typ`boolean` | KravValfritt | Värden & gränser | Standardfalse |
| Fält`pronunciation_dict` | Typ`object` | KravValfritt | Värden & gränser | Standard— |
| Fält`pronunciation_dict.tone` | Typ`array` | KravValfritt | Värden & gränser | Standard— |
| Fält`timber_weights` | Typ`array` | KravValfritt | Värden & gränser | Standard— |
| Fält`language_boost` | Typ`string` | KravValfritt | Värden & gränser 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 | Standard— |
| Fält`voice_modify` | Typ`object` | KravValfritt | Värden & gränser | Standard— |
| Fält`voice_modify.pitch` | Typ`integer` | KravValfritt | Värden & gränser −100, 100 | Standard— |
| Fält`voice_modify.intensity` | Typ`integer` | KravValfritt | Värden & gränser −100, 100 | Standard— |
| Fält`voice_modify.timbre` | Typ`integer` | KravValfritt | Värden & gränser −100, 100 | Standard— |
| Fält`voice_modify.sound_effects` | Typ`string` | KravValfritt | Värden & gränser spacious\_echo, auditorium\_echo, lofi\_telephone, robotic | Standard— |
| Fält`subtitle_enable` | Typ`boolean` | KravValfritt | Värden & gränser | Standardfalse |
| Fält`output_format` | Typ`string` | KravValfritt | Värden & gränser url, hex | Standardhex |
| Fält`aigc_watermark` | Typ`boolean` | KravValfritt | Värden & gränser | Standardfalse |

Metodparametrar och livscykel

| Parameter | Avtal |
| --- | --- |
| Parameter`content_type` | Avtalapplication/json |
| Parameter`required` | Avtalmodel, text |
| Parameter`optional` | Avtalstream, voice\_setting, audio\_setting, pronunciation\_dict, timber\_weights, language\_boost, voice\_modify, subtitle\_enable, output\_format, aigc\_watermark |
| Parameter`material_types` | Avtaltext |
| Parameter`conditions` | AvtalUse 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. |

Livscykel: `synchronous_result_then_owned_library`

`GET /v1/media/assets`

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

### Priser

Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.

Snabbt läge

Ej angivet När snabbt läge är valt

Flex-läge

Ej angivet När läget flex är valt

Högsta resonemangsnivå

Ej angivet När den högsta resonemangsnivån använder standardjusteringen (default)

#### Ailoot-priser

#### Priser efter konfiguration

Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.

| Konfiguration | Prislista | Debiteringsenhet | Avgift |
| --- | --- | --- | --- |
| KonfigurationGrundpriser för token | PrislistaGrundpris | Debiteringsenhet— | Avgift Indata · Indatatoken **—** / 1K token Utdata · Utdatatoken **—** / 1K token Indata · Cacheläsning **—** / 1K token Indata · Skrivning till cache **—** / 1K token Indata · Skrivning till cache, 1 tim **—** / 1K token |
| Konfigurationindatatecken | Prislista— | Debiteringsenhetper indatatecken | Avgift Indata · indatatecken **$0.0002** per indatatecken |

Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. [Så fungerar reservation och slutreglering →](https://ailoot.ai/docs/sv/billing/reserve/)

### Exempelbegäranden

#### Ailoot Ultra · Speech

curl · skapa en gång och bevara hela resultatet

```bash
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
export AILOOT_API_KEY
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "minimax/speech-02-hd", "text": "Hello, this is a short speech example.", "stream": false, "output_format": "hex", "audio_setting": {"format": "mp3", "sample_rate": 32000, "channel": 1}}')

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 result.json
# Submit once. Retain the complete result, original identifiers and every response header.
```

### Ta emot och spara resultat

#### Ailoot Ultra · Speech

mp3,pcm,flac,wav

- `GET /v1/media/assets`
- `GET /v1/media/assets/{asset_id}`

##### Behåll alla färdiga resultat

Behåll varje fullständigt returnerat svar, fil och innehållsdel.

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.

##### Om det ursprungliga svaret behöver kontrolleras

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

Svarsfält

| Fält | Typ |
| --- | --- |
| Fält`data.audio` | Typstring |
| Fält`extra_info` | Typobject |
| Fält`trace_id` | Typstring |

### Alias

#### Modellalias

**Ailoot Ultra** [`minimax/speech-02-hd`](https://ailoot.ai/models/sv/#m=minimax%2Fspeech-02-hd&route=Ultra&caller=minimax%2Fspeech-02-hd&fmt=speech)

#### Alias för metodsökvägar

Använd metodsökvägarna som visas ovan.

#### Relaterade anropar-ID:n

[`minimax/speech-02-hd`](https://ailoot.ai/models/sv/#m=minimax%2Fspeech-02-hd&route=Ultra&caller=minimax%2Fspeech-02-hd&fmt=speech)

FAQ · MiniMax: Speech 02 HD

Vilka indata och resultat finns?

`POST /v1/audio/speech` · `minimax/speech-02-hd`: `text` → `audio`

Vilka fält använder begäran?

`POST /v1/audio/speech` · `minimax/speech-02-hd`: `model`, `text`, `stream`, `voice_setting`, `audio_setting`, `pronunciation_dict`, `timber_weights`, `language_boost`, `voice_modify`, `subtitle_enable`, `output_format`, `aigc_watermark`

Vilka gränser gäller?

`POST /v1/audio/speech` · `minimax/speech-02-hd`: `voice_setting.speed.minimum`: `0.5`; `voice_setting.speed.maximum`: `2`; `voice_setting.vol.minimum`: `0`; `voice_setting.vol.maximum`: `10`; `voice_setting.pitch.minimum`: `-12`; `voice_setting.pitch.maximum`: `12`

Anslut Ailoot till Claude Code, OpenCode, Hermes eller din app.

## Företaget och dess projektportfölj

Företaget och dess projektportfölj: miljontals kunder; månatlig försäljning för miljarder.

## Köp token med rabatt.

Prenumerationsrabatt för återkommande arbete. Kampanjkoder ger upp till 50% vid tokenköp.

Prenumeration

Välj en rabatterad plan för återkommande anrop.

Kampanjkod upp till 50%

Ange koden vid köpet. Priset räknas om enligt kampanjen.

Kostnader i historiken

Modell, token och belopp sparas för varje anrop.

[Välj prenumeration](https://ailoot.ai/docs/sv/billing/subscriptions/) · [Se modellpriser](https://ailoot.ai/models/sv/)

## Anslut API till produkten som du säljer.

SaaS, appar och botar enligt Ailoots officiella villkor och licensavtal. Begär återförsäljarlicens för vidareförsäljning.

Kommersiell applikation

Bygg text-, bild-, video- och ljudgenerering i tjänstens betalda funktioner.

Återförsäljarlicens

Skicka projektbeskrivning och åtkomstupplägg. Begär skriftliga villkor för användning och vidareförsäljning.

Dokument på webbplatsen

Officiella villkor, licensavtal och databehandlingspolicy finns tillgängliga före anslutning.

[Begär återförsäljarlicens](mailto:support@ailoot.ai) · [Officiella villkor och licensavtal](https://ailoot.ai/legal/offer?lang=sv)

## Ailoot · Företaget och dess projektportfölj





Ailoot bygger på etablerad driftserfarenhet, en stor kundbas, stabil service och löpande KPI-kontroll.





Företaget och dess projektportfölj: miljontals kunder; månatlig försäljning för miljarder.





Ailoot använder denna driftserfarenhet för API-åtkomst till AI-funktioner i kundernas produkter, agenter, applikationer och automatiseringar.