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

# speech-02-hd

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

## [speech-02-hd](https://ailoot.ai/models/th/speech-02-hd/)

Speech-02 HD เป็นโมเดลสังเคราะห์เสียงพูดที่เน้นคุณภาพเสียงและความใกล้เคียงของเสียง

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

เกี่ยวกับโมเดล

คำอธิบายนี้ครอบคลุมความสามารถของโมเดล อินพุต เอาต์พุต และตัวเลือกที่ใช้ได้ใน Ailoot แสดงด้านล่างตามเมธอดที่เลือก

#### เสียงสำหรับการพากย์และการอ่านยาว

Speech 02 HD สร้างเสียงพูดโดยเน้นคุณภาพ จังหวะ และความสม่ำเสมอ ผู้ผลิตเน้นการพากย์เนื้อหาและหนังสือเสียงที่ต้องรักษาเอกลักษณ์เสียงและอ่านเนื้อหายาวได้อย่างราบรื่น นี่เป็นโมเดลสังเคราะห์ รับข้อความและแปลงเป็นเสียงพูด

#### การเชื่อมข้อความกับโทนเสียง

ตระกูล Speech 02 มีพื้นฐานเป็นสถาปัตยกรรม Transformer แบบ autoregressive และตัวเข้ารหัสผู้พูดที่เรียนรู้ได้ การสกัดโทนเสียงและสร้างเสียงพูดฝึกร่วมกันเพื่อให้ลักษณะเสียงสอดคล้องกับเนื้อหา ความสามารถของตระกูลนี้รวมถึงการใช้เสียงโคลนที่เตรียมไว้แล้ว และการผสานภาษา สำเนียง กับลีลาการออกเสียง

#### อารมณ์และการอ่านหลายภาษา

เลือกอารมณ์จากความหมายข้อความหรือกำหนดเองได้ มีดีใจ เศร้า โกรธ กลัว รังเกียจ ประหลาดใจ และสงบ โมเดลทำงานกับภาษารัสเซีย อังกฤษ และภาษาอื่น ๆ ผู้ผลิตอธิบายสำเนียงภาษาอังกฤษหลายแบบ ภาษาจีนและกวางตุ้ง ญี่ปุ่น เกาหลี ภาษายุโรป และภาษาอื่น

คำอธิบายปัจจุบันของ Speech 02 ระบุแยกว่าไม่รองรับเปอร์เซีย ฟิลิปปินส์ และทมิฬ ไม่ควรนำรายการภาษารวมของ Speech รุ่นใหม่กว่ามาใช้กับเวอร์ชันนี้โดยอัตโนมัติ

#### การตั้งค่าเสียง

การสังเคราะห์รองรับการเลือกเสียง ปรับความเร็ว **0,5–2** ความดังมากกว่า 0 และไม่เกิน **10** และระดับเสียงตั้งแต่ **−12 ถึง 12** ในพจนานุกรมการออกเสียง กำหนดคำเขียนที่จะเปลี่ยนเป็นคำอ่านที่ต้องการได้ รองรับการเขียนสัทอักษรและรูปแบบการออกเสียงภาษาญี่ปุ่น ช่วยควบคุมการออกเสียงชื่อและคำที่อ่านได้หลายแบบ

#### ช่วงหยุดและเสียงสำเร็จ

ผู้ผลิตเปิดให้กำหนดช่วงหยุดระหว่างส่วนที่จะพูดได้ยาว **0,01–99,99 วินาที** ระยะเวลาช่วงหยุดกำหนดละเอียดถึงสองตำแหน่งทศนิยม วางเครื่องหมายระหว่างส่วนที่จะพูดและไม่วางติดกัน ข้อความของคำขอแบบซิงโครนัสหนึ่งครั้งต้องมีความยาวน้อยกว่า **10 000 อักขระ** รองรับการรับเสียงทั้งหมดในครั้งเดียวและการทยอยรับ สำหรับข้อความเกิน 3000 อักขระ แนะนำเอาต์พุตแบบสตรีม

รูปแบบของโมเดลรวมถึง MP3, WAV, FLAC และ PCM การตั้งค่าการสังเคราะห์ทั่วไปยังอธิบาย Opus และรูปแบบ G.711 μ-law ใช้โมโนหรือสเตอริโอได้ การ์ดนี้รองรับการพากย์ข้อความ ส่วนการเตรียมเสียงแยกต่างหากและการตั้งค่าขั้นสูงใช้ได้ภายในขอบเขตวิธีเรียกผ่าน Ailoot ที่รองรับเท่านั้น

การตั้งค่าเสียงเพิ่มเติมรวมถึงอัตราสุ่มสัญญาณ **8, 16, 22,05, 24, 32 และ 44,1 kHz** สำหรับ MP3 มีบิตเรต **32, 64, 128 หรือ 256 kbit/s** ยังปรับโทนเสียงและใช้เอฟเฟกต์หนึ่งแบบได้ ได้แก่ เสียงสะท้อนในพื้นที่กว้าง เสียงสะท้อนในห้องโถง เสียงโทรศัพท์ หรือเสียงหุ่นยนต์ เอฟเฟกต์ปรับเสียงรองรับ MP3, WAV และ FLAC เมื่อรับเสียงทั้งหมดในครั้งเดียว ส่วนเอาต์พุตแบบสตรีมรองรับเฉพาะ MP3 รูปแบบ G.711 μ-law ใช้อัตรา 8 kHz ความสามารถเหล่านี้เป็นการตั้งค่าการสังเคราะห์ของ MiniMax

ผู้ผลิตรองรับการซิงโครไนซ์เสียงพูดกับข้อความ โดยใช้เวลาระดับประโยค ระดับคำ หรือระดับคำระหว่างทยอยส่งผลลัพธ์ ช่วยให้การพูดตรงกับการแสดงข้อความ ความสามารถเพิ่มเติมนี้ต้องมีการรองรับรูปแบบคำตอบที่เกี่ยวข้อง

**Ailoot · การสังเคราะห์เสียงพูด** `POST /v1/audio/speech` `speech-02-hd`

[`speech-02-hd`](https://ailoot.ai/models/th/#m=speech-02-hd&route=Core&caller=speech-02-hd&fmt=speech)

MiniMax /`speech-02-hd`

### เริ่มต้น

Speech-02 HD เป็นโมเดลสังเคราะห์เสียงพูดที่เน้นคุณภาพเสียงและความใกล้เคียงของเสียง

อินพุตที่รองรับ

ข้อความ

ผลลัพธ์

speech

### ใช้งานได้ใน Ailoot · อินพุตและเมธอด

**Ailoot · การสังเคราะห์เสียงพูด** `POST /v1/audio/speech`

ขาเข้า

`text`

ขาออก

`speech`

รูปแบบเอาต์พุต

mp3

| ฟิลด์ | ประเภท | ข้อกำหนด | ค่าและข้อจำกัด | ค่าเริ่มต้น |
| --- | --- | --- | --- | --- |
| ฟิลด์`model` | ประเภท`string` | ข้อกำหนดจำเป็น | ค่าและข้อจำกัด speech-02-hd | ค่าเริ่มต้น— |
| ฟิลด์`input` | ประเภท`string` | ข้อกำหนดจำเป็น | ค่าและข้อจำกัด ความยาวขั้นต่ำ: 1 ความยาวสูงสุดแบบไม่รวมค่าสูงสุด: 10,000 หน่วย: อักขระ Unicode | ค่าเริ่มต้น— |
| ฟิลด์`voice` | ประเภท`string` | ข้อกำหนดจำเป็น | ค่าและข้อจำกัด แพตเทิร์น: ^\[A-Za-z0-9\_-\]{1,128}$ | ค่าเริ่มต้น— |
| ฟิลด์`response_format` | ประเภท`string` | ข้อกำหนดไม่บังคับ | ค่าและข้อจำกัด mp3 | ค่าเริ่มต้น— |

ชุดผสมของสื่ออินพุต

**text\_to\_speech** · จำเป็น: input

พารามิเตอร์และวงจรการทำงานของเมธอด

| พารามิเตอร์ | ข้อกำหนด |
| --- | --- |
| พารามิเตอร์`material_types` | ข้อกำหนดtext |
| พารามิเตอร์`required` | ข้อกำหนดnull |
| พารามิเตอร์`optional_controls` | ข้อกำหนดnull |

วงจรการทำงาน: `synchronous_result_then_owned_library`

`GET /v1/media/tasks/{task_id}` · ค่า task\_id ที่ส่งกลับมาจริง หรือระเบียนในคลังสื่อ

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

`GET /v1/media/assets`

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

รูปแบบเมธอดและ ID ระบุอย่างแม่นยำ ความสามารถของผู้ให้บริการแยกจากการอนุญาตให้รับคำขอ

### ราคา

#### อัตราค่าบริการเมธอด Ailoot

ขาเข้า

US$100.00 *ต่อ 1 ล้านอักขระ*

Ailoot กันยอดเงินประมาณการไว้ก่อนส่งคำขอ หลังได้ผลลัพธ์ จะคิดค่าบริการสุดท้ายตามการใช้งานที่วัดได้ การคิดค่าบริการแบบสตรีมใช้บันทึกการใช้งานสุดท้าย [วิธีกันยอดเงินและคิดค่าบริการสุดท้าย →](https://ailoot.ai/docs/th/billing/reserve/)

### ตัวอย่างคำขอ

#### Ailoot · การสังเคราะห์เสียงพูด

ตัวอย่างเสียงพูด

```bash
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 narration script}"
export AILOOT_TEXT_FILE
: "${AILOOT_VOICE_ID:?Set the actual accepted voice ID for this model}"
export AILOOT_VOICE_ID
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "speech-02-hd", "input": ""}')
f=Path(os.environ["AILOOT_TEXT_FILE"])
if not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")
text=f.read_text(encoding="utf-8")
if not text.strip():raise SystemExit("Source material must contain text")
p["input"]=text
import re
voice=os.environ["AILOOT_VOICE_ID"]
if not re.fullmatch(r"[A-Za-z0-9_-]{1,128}",voice):raise SystemExit("Set an actual accepted voice ID")
p["voice"]=voice
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
```

### รับและบันทึกผลลัพธ์

#### Ailoot · การสังเคราะห์เสียงพูด

mp3

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

##### เก็บผลลัพธ์ที่เสร็จสมบูรณ์ทั้งหมด

เก็บทุกการตอบกลับ ไฟล์ และส่วนเนื้อหาที่ส่งกลับมาอย่างครบถ้วน

เก็บผลลัพธ์ไบนารีและส่วนหัวให้ครบถ้วน หากได้รับ JSON/ผลลัพธ์หลายรายการ ให้เก็บข้อมูลทุกรายการและดึงไฟล์สื่อจาก URL แบบลงนามทุกรายการที่ได้รับจริง

##### เมื่อต้องตรวจสอบการตอบกลับต้นฉบับ

เก็บ operation\_id/X-Client-Request-ID เดิมไว้เพื่อกระทบยอดโดยไม่ส่งคำขอซ้ำ ไม่มีเส้นทางเฉพาะสำหรับตรวจสอบสถานะงานเสียงเป็นระยะ

ฟิลด์การตอบกลับ

| ฟิลด์ | ประเภท |
| --- | --- |
| ฟิลด์`binary audio` | ประเภทbytes |
| ฟิลด์`response headers` | ประเภทheaders |

ข้อผิดพลาดและขั้นตอนถัดไป

| การตอบกลับ | เงื่อนไข | ขั้นตอนถัดไป |
| --- | --- | --- |
| การตอบกลับ400 · `invalid_request_error` | เงื่อนไขฟิลด์จำเป็น รูปแบบการแทนข้อมูล หรือค่าพารามิเตอร์ไม่ถูกต้อง | ขั้นตอนถัดไปแก้ฟิลด์ที่ระบุก่อนส่งคำขอสร้างครั้งใหม่ |
| การตอบกลับ`server_error` | เงื่อนไขการตอบกลับที่ได้รับระบุว่าต้องตรวจสอบการดำเนินการหรือผลลัพธ์ | ขั้นตอนถัดไปเก็บ ID การดำเนินการ/งานที่ส่งกลับมาแต่เดิม ส่วนหัวของคำขอ และการตอบกลับไว้ แล้วอ่านข้อมูลการดำเนินการเดิมนั้นต่อด้วยวิธีที่รองรับ ห้ามส่งคำขอสร้างซ้ำ |

### ชื่ออื่น

#### ชื่ออื่นของโมเดล

**Ailoot** [`speech-02-hd`](https://ailoot.ai/models/th/#m=speech-02-hd&route=Core&caller=speech-02-hd&fmt=speech)

#### ชื่อพาธเมธอดอื่น

ใช้พาธเมธอดที่แสดงด้านบน

#### ID ที่เกี่ยวข้องสำหรับเรียกใช้โมเดล

[`speech-02-hd`](https://ailoot.ai/models/th/#m=speech-02-hd&route=Core&caller=speech-02-hd&fmt=speech)

FAQ · speech-02-hd

มีอินพุตและผลลัพธ์ใดบ้าง?

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

คำขอใช้ฟิลด์ใดบ้าง?

`POST /v1/audio/speech` · `speech-02-hd`: `model`, `input`, `voice`, `response_format`

เชื่อม Ailoot กับ Claude Code, OpenCode, Hermes หรือแอปของคุณ

## บริษัทและพอร์ตโฟลิโอโครงการของบริษัท

บริษัทและพอร์ตโฟลิโอโครงการของบริษัท: ลูกค้าหลายล้านราย; ยอดขายระดับหลายพันล้านต่อเดือน.

## ซื้อโทเคนพร้อมส่วนลด

ส่วนลดสมาชิกสำหรับงานประจำ โค้ดโปรโมชั่นลดซื้อโทเคนสูงสุด 50%

สมาชิก

เลือกแพ็กเกจมีส่วนลดสำหรับคำขอประจำ

โค้ดลดสูงสุด 50%

ใส่โค้ดขณะซื้อ ราคาคำนวณใหม่ตามโปรโมชั่นที่ใช้

รายจ่ายในประวัติ

เก็บโมเดล โทเคน และยอดสำหรับทุกคำขอ

[เลือกสมาชิก](https://ailoot.ai/docs/th/billing/subscriptions/) · [ดูราคาโมเดล](https://ailoot.ai/models/th/)

## เชื่อม API กับผลิตภัณฑ์ ที่คุณขาย

SaaS แอป และบอต ตามข้อเสนอและสัญญาอนุญาต Ailoot หากขายต่อให้ขอใบอนุญาตรีเซลเลอร์

แอปเชิงพาณิชย์

ใส่การสร้างข้อความ ภาพ วิดีโอ และเสียงในฟีเจอร์เสียเงินของบริการคุณ

ใบอนุญาตรีเซลเลอร์

ส่งคำอธิบายโครงการและรูปแบบการเข้าถึง ขอเงื่อนไขใช้และขายต่อเป็นลายลักษณ์อักษร

เอกสารบนเว็บไซต์

อ่านข้อเสนอ สัญญาอนุญาต และนโยบายประมวลผลข้อมูลก่อนเชื่อมได้

[ขอใบอนุญาตขายต่อ](mailto:support@ailoot.ai) · [ข้อเสนอและสัญญาอนุญาต](https://ailoot.ai/legal/offer?lang=th)

## Ailoot · บริษัทและพอร์ตโฟลิโอโครงการของบริษัท





Ailoot อาศัยประสบการณ์การดำเนินงานที่สั่งสม ฐานลูกค้าขนาดใหญ่ บริการที่เสถียร และการติดตาม KPI อย่างต่อเนื่อง





บริษัทและพอร์ตโฟลิโอโครงการของบริษัท: ลูกค้าหลายล้านราย; ยอดขายระดับหลายพันล้านต่อเดือน.





Ailoot นำประสบการณ์การดำเนินงานนี้มาใช้เพื่อให้เข้าถึงฟังก์ชัน AI ผ่าน API ในผลิตภัณฑ์ของลูกค้า เอเจนต์ แอปพลิเคชัน และระบบอัตโนมัติ