MiniMax: Speech 2.8 HD

Speech 2.8 HD syntetiserar uttrycksfullt tal med styrning av känslor och ljuddetaljer som andetag och skratt.

Ailoot Ultra · Talproduktion POST /v1/audio/speech minimax/speech-2.8-hd

Om modellen

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

Levande tal med små ljuddetaljer

Speech 2.8 HD är inriktad på naturligt och rent ljud. Generationens främsta särdrag är ljudmarkeringar som kan lägga till samtalsdetaljer i talet: skratt, småskratt, andning, inandning, utandning, suckar, hosta, harklingar och andra korta ljud. De hjälper till att återge rytmen och pauserna i en levande replik utan att göra varje fras till jämn berättaruppläsning.

Markeringarna infogas i texten i den form som anges för modellen. Till exempel betecknar (chuckle), (breath) och (sighs) motsvarande ljudhandlingar. Möjligheten till ljudmarkeringar gäller just Speech 2.8. Det är röstdetaljer inom talsyntesen, inte generering av en separat musik- eller ljudkomposition.

Klang och renhet

Tillverkaren framhåller återgivning av röstens typiska egenskaper: textur, andning och uttalsstil. Familjens möjligheter omfattar syntes med en redan förberedd klonad röst. Skapande av rösten är ett separat flöde. I Speech 2.8 har bearbetningen även omarbetats för att minska bakgrundsbrus och digitala förvrängningar.

Språk och uttrycksfullhet

Speech 2.8 stöder 40 språk, inklusive ryska. Tillverkaren beskriver separat arbete med uttal över språkgränser i en kinesisk-japansk kombination. Scenariot gäller bevarande av naturligt ljud när olika språk används, inte automatisk textöversättning.

MiniMax erbjuder röstval och styrning av tempo, ljudstyrka och tonhöjd. Hastigheten anges inom 0,5–2, ljudstyrkan över 0 och upp till 10 och tonhöjdsändringen från −12 till 12. Känslan kan lämnas åt modellen utifrån textens innebörd eller anges manuellt: glädje, sorg, ilska, rädsla, avsky, förvåning eller lugn.

Uttalet kan preciseras med en ersättningsordlista och fonetisk notation. Den omfattar det internationella fonetiska alfabetet, kinesisk pinyin och japanska läsvarianter. Pauser anges mellan uttalade avsnitt inom 0,01–99,99 sekunder. Pauslängden anges med två decimalers precision. Markörer placeras mellan uttalade avsnitt och inte direkt efter varandra. Inställningarna gör det möjligt att anpassa namn, förkortningar och mångtydiga ord till avsikten med uppläsningen.

Ljudresultat

Syntesen tar emot text med färre än 10 000 tecken. För långa texter över 3000 tecken rekommenderar tillverkaren strömmande utdata. Det finns också möjlighet att ta emot hela det färdiga ljudet. De allmänna syntesinställningarna omfattar MP3, PCM, FLAC, WAV, Opus och G.711 μ-law-varianter samt mono eller stereo. Tillgängliga format för det specifika anropet bestäms av Ailoots funktioner.

Modellkortet omvandlar text till talljud. Röstinställningsmöjligheterna beskriver MiniMax-modellen. Skapande av röstkloner, separata undertexter och särskilda anslutningssätt ingår inte automatiskt i ett uppläsningsanrop.

Ytterligare ljudinställningar omfattar samplingsfrekvenserna 8, 16, 22,05, 24, 32 och 44,1 kHz. För MP3 finns bithastighet 32, 64, 128 eller 256 kbit/s. Röstklangen kan också ändras och en effekt tillämpas: rymligt eko, salleko, telefonljud eller robotröst. Röstförändringseffekter stöds för MP3, WAV och FLAC när hela ljudet tas emot, och vid strömmande utdata bara för MP3. G.711 μ-law-format använder frekvensen 8 kHz. Möjligheterna gäller MiniMax talsyntesinställningar.

Tillverkaren erbjuder synkronisering av tal och text: tidsstämplar per mening, ord eller ord vid gradvis utdata. Resultatet hjälper till att förena uttal med textvisning. Denna extra funktion kräver stöd för motsvarande svarsformat.

Ailoot Ultra · Talproduktion POST /v1/audio/speech minimax/speech-2.8-hd

minimax/speech-2.8-hd

MiniMax /minimax/speech-2.8-hd

Start

Speech 2.8 HD syntetiserar uttrycksfullt tal med styrning av känslor och ljuddetaljer som andetag och skratt.

Godkända indata: Text
Resultat: Ljud

Tillgängligt i Ailoot · indata & metoder

Ailoot Ultra · Talproduktion POST /v1/audio/speech

Indatatyper: text
Utdatatyper: audio
Utdataformat: mp3

Fält	Typ	Krav	Värden & gränser	Standard
Fält`model`	Typ`string`	KravObligatoriskt	Värden & gränser minimax/speech-2.8-hd	Standard—
Fält`input`	Typ`string`	KravObligatoriskt	Värden & gränser Minsta längd: 1 Enhet: Unicode-tecken	Standard—
Fält`voice`	Typ`string`	KravObligatoriskt	Värden & gränser English_expressive_narrator, English_radiant_girl, English_magnetic_voiced_man, English_compelling_lady1, English_Aussie_Bloke, English_captivating_female1, English_Upbeat_Woman, English_Trustworth_Man, English_CalmWoman, English_UpsetGirl, English_Gentle-voiced_man, English_Whispering_girl, English_Diligent_Man, English_Graceful_Lady, English_ReservedYoungMan, English_PlayfulGirl, English_ManWithDeepVoice, English_MaturePartner, English_FriendlyPerson, English_MatureBoss, English_Debator, English_LovelyGirl, English_Steadymentor, English_Deep-VoicedGentleman, English_Wiselady, English_CaptivatingStoryteller, English_DecentYoungMan, English_SentimentalLady, English_ImposingManner, English_SadTeen, English_PassionateWarrior, English_WiseScholar, English_Soft-spokenGirl, English_SereneWoman, English_ConfidentWoman, English_PatientMan, English_Comedian, English_BossyLeader, English_Strong-WilledBoy, English_StressedLady, English_AssertiveQueen, English_AnimeCharacter, English_Jovialman, English_WhimsicalGirl, English_Kind-heartedGirl	Standard—
Fält`response_format`	Typ`string`	KravObligatoriskt	Värden & gränser mp3	Standard—

Kombinationer av indatamaterial

text_to_speech · Krävs: input

Metodparametrar och livscykel

Parameter	Avtal
Parameter`content_type`	Avtalapplication/json
Parameter`required`	Avtalmodel, input, voice, response_format
Parameter`voice_ids`	AvtalEnglish_expressive_narrator, English_radiant_girl, English_magnetic_voiced_man, English_compelling_lady1, English_Aussie_Bloke, English_captivating_female1, English_Upbeat_Woman, English_Trustworth_Man, English_CalmWoman, English_UpsetGirl, English_Gentle-voiced_man, English_Whispering_girl, English_Diligent_Man, English_Graceful_Lady, English_ReservedYoungMan, English_PlayfulGirl, English_ManWithDeepVoice, English_MaturePartner, English_FriendlyPerson, English_MatureBoss, English_Debator, English_LovelyGirl, English_Steadymentor, English_Deep-VoicedGentleman, English_Wiselady, English_CaptivatingStoryteller, English_DecentYoungMan, English_SentimentalLady, English_ImposingManner, English_SadTeen, English_PassionateWarrior, English_WiseScholar, English_Soft-spokenGirl, English_SereneWoman, English_ConfidentWoman, English_PatientMan, English_Comedian, English_BossyLeader, English_Strong-WilledBoy, English_StressedLady, English_AssertiveQueen, English_AnimeCharacter, English_Jovialman, English_WhimsicalGirl, English_Kind-heartedGirl
Parameter`response_format`	Avtalmp3
Parameter`max_input_characters`	Avtalnull
Parameter`other_options`	Avtalfalse
Parameter`input`	Avtalexakt UTF-8-text; antal Unicode-tecken utan normalisering
Parameter`material_types`	Avtaltext

Livscykel: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · Det task_id som faktiskt returnerades eller en post i mediebiblioteket

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Välj den exakta rösten från denna modellprofil.

Indatatecken och ljudsekunder är olika mätenheter.

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	Debiterbar mängd	Debiteringsenhet	Avgift
KonfigurationGrundpriser för token	PrislistaGrundpris	Debiterbar mängd—	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
KonfigurationUltra	Prislista—	Debiterbar mängdVarje Unicode-kodpunkt räknas som ett tecken, även Han-tecken.	Debiteringsenhetper 1K indatatecken	Avgift Indata · indatatecken $0.2 per 1K indatatecken

Detaljer om referenstariffen

Referensprislistor på modellnivå ändrar inte metodval, prisuppgifter eller avgifter. Aktiva avgifter använder priserna för den valda Ailoot-metoden.

MiniMax: Speech 2.8 HD

Priser efter konfiguration

Konfiguration	Debiteringsvillkor	Avgift
KonfigurationMiniMax: Speech 2.8 HD · Standardkonfiguration	DebiteringsvillkorStandardkonfiguration	Avgift Indata · Indatatecken 0,0002 US$ 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 →

Exempelbegäranden

Ailoot Ultra · Talproduktion

curl

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_VOICE_ID:?Choose an accepted voice ID from this exact model profile}"
export AILOOT_VOICE_ID
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "minimax/speech-2.8-hd", "input": "Good afternoon! This is a short voice take."}')
voice=os.environ["AILOOT_VOICE_ID"]
allowed=json.loads('["English_expressive_narrator", "English_radiant_girl", "English_magnetic_voiced_man", "English_compelling_lady1", "English_Aussie_Bloke", "English_captivating_female1", "English_Upbeat_Woman", "English_Trustworth_Man", "English_CalmWoman", "English_UpsetGirl", "English_Gentle-voiced_man", "English_Whispering_girl", "English_Diligent_Man", "English_Graceful_Lady", "English_ReservedYoungMan", "English_PlayfulGirl", "English_ManWithDeepVoice", "English_MaturePartner", "English_FriendlyPerson", "English_MatureBoss", "English_Debator", "English_LovelyGirl", "English_Steadymentor", "English_Deep-VoicedGentleman", "English_Wiselady", "English_CaptivatingStoryteller", "English_DecentYoungMan", "English_SentimentalLady", "English_ImposingManner", "English_SadTeen", "English_PassionateWarrior", "English_WiseScholar", "English_Soft-spokenGirl", "English_SereneWoman", "English_ConfidentWoman", "English_PatientMan", "English_Comedian", "English_BossyLeader", "English_Strong-WilledBoy", "English_StressedLady", "English_AssertiveQueen", "English_AnimeCharacter", "English_Jovialman", "English_WhimsicalGirl", "English_Kind-heartedGirl"]')
if voice not in allowed: raise SystemExit("Choose an accepted voice ID from this exact model profile")
p["voice"]=voice
p["response_format"]="mp3"
Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/speech \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o speech.mp3

Ta emot och spara resultat

Ailoot Ultra · Talproduktion

mp3

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

Andra innehållsläsningar

MediebibliotekUppgiftsstatusResursinformation

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o media-assets.json

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_MEDIA_TASK_ID:?Set the actual ID returned by the response or media-library metadata}"
export AILOOT_MEDIA_TASK_ID
resource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_MEDIA_TASK_ID"],safe=""))')
curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/tasks/$resource_id" \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o media-task.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path("media-task.json").read_text())))
PY_RESULT

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_ASSET_ID:?Set the actual ID returned by the response or media-library metadata}"
export AILOOT_ASSET_ID
resource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_ASSET_ID"],safe=""))')
curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/assets/$resource_id" \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o media-asset.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path("media-asset.json").read_text())))
PY_RESULT

Behåll alla färdiga resultat

Behåll varje fullständigt returnerat svar, fil och innehållsdel.

Spara hela det binära resultatet och dess headers. Om JSON eller flera resultat returneras ska du behålla varje dataobjekt och hämta innehållet via varje faktisk signerad URL till en resurs.

Om det ursprungliga svaret behöver kontrolleras

Behåll de ursprungliga värdena för operation_id/X-Client-Request-ID för avstämning utan att skicka förfrågan igen; det finns ingen särskild rutt för statusavläsning av ljud.

Svarsfält

Fält	Typ
Fält`binary audio`	Typbytes
Fält`response headers`	Typheaders

Fel och nästa steg

Svar	Villkor	Nästa steg
Svar400 · `invalid_request_error`	VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde	Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa.
Svar`server_error`	VillkorDet returnerade svaret anger att operationen eller resultatet behöver kontrolleras	Nästa stegSpara det ursprungliga operations- eller uppgifts-ID som returnerades, förfrågans headers och svaret. Fortsätt att läsa den ursprungliga operationen med de läsmetoder som stöds. Skicka inte skapandeförfrågan igen.

Alias

Modellalias

Ailoot Ultra minimax/speech-2.8-hd

Alias för metodsökvägar

Använd metodsökvägarna som visas ovan.

Relaterade anropar-ID:n

minimax/speech-2.8-hd

FAQ · MiniMax: Speech 2.8 HD

Vilka indata och resultat finns?: POST /v1/audio/speech · minimax/speech-2.8-hd: text → audio
Vilka fält använder begäran?: POST /v1/audio/speech · minimax/speech-2.8-hd: model, input, voice, response_format

MiniMax: Speech 2.8 HD