models

speech-2.8-hd

Markdown · JSON

speech-2.8-hd

Speech 2.8 HD สังเคราะห์เสียงพูดที่สื่ออารมณ์ โดยควบคุมอารมณ์และรายละเอียดเสียง เช่น การหายใจและหัวเราะ

เกี่ยวกับโมเดล

คำอธิบายนี้ครอบคลุมความสามารถของโมเดล อินพุต เอาต์พุต และตัวเลือกที่ใช้ได้ใน Ailoot แสดงด้านล่างตามเมธอดที่เลือก

เสียงพูดมีชีวิตพร้อมรายละเอียดเสียงเล็กน้อย

Speech 2.8 HD เน้นเสียงธรรมชาติและสะอาด คุณสมบัติหลักของรุ่นนี้คือแท็กเสียงที่เพิ่มรายละเอียดการสนทนาได้ เช่น หัวเราะ หัวเราะเบา ๆ หายใจ สูดลม ผ่อนลม ถอนหายใจ ไอ กระแอม และเสียงสั้นอื่น ช่วยถ่ายทอดจังหวะและช่วงหยุดของคำพูดจริง โดยไม่ทำให้ทุกประโยคเป็นการอ่านของผู้ประกาศที่เรียบเสมอกัน

แทรกแท็กในข้อความตามรูปแบบที่โมเดลระบุ เช่น (chuckle), (breath) และ (sighs) เพื่อกำหนดการกระทำเสียงนั้น ความสามารถแท็กเสียงเป็นของ Speech 2.8 โดยเฉพาะ เป็นรายละเอียดเสียงภายในการสังเคราะห์คำพูด ไม่ใช่การสร้างบทเพลงหรือองค์ประกอบเสียงแยกต่างหาก

โทนเสียงและความสะอาด

ผู้ผลิตเน้นการถ่ายทอดลักษณะเฉพาะของเสียง ได้แก่ เนื้อเสียง การหายใจ และลีลาการออกเสียง ความสามารถของตระกูลนี้รวมถึงการสังเคราะห์ด้วยเสียงโคลนที่เตรียมไว้แล้ว การสร้างเสียงดังกล่าวเป็นกระบวนการแยก Speech 2.8 ยังปรับการประมวลผลเพื่อลดเสียงพื้นหลังและความผิดเพี้ยนดิจิทัล

ภาษาและการสื่ออารมณ์

Speech 2.8 รองรับ 40 ภาษา รวมถึงภาษารัสเซีย ผู้ผลิตอธิบายงานปรับการออกเสียงข้ามภาษาในกรณีผสมจีนกับญี่ปุ่นแยกไว้ สถานการณ์นี้เกี่ยวกับการรักษาเสียงธรรมชาติเมื่อใช้ต่างภาษา ไม่ใช่การแปลข้อความอัตโนมัติ

MiniMax รองรับการเลือกเสียงและควบคุมจังหวะ ความดัง และระดับเสียง กำหนดความเร็วในช่วง 0,5–2 ความดังมากกว่า 0 และไม่เกิน 10 และการปรับระดับเสียงตั้งแต่ −12 ถึง 12 ให้โมเดลเลือกอารมณ์ตามความหมายข้อความหรือกำหนดเองได้ ได้แก่ ดีใจ เศร้า โกรธ กลัว รังเกียจ ประหลาดใจ หรือสงบ

ปรับการออกเสียงให้ชัดด้วยพจนานุกรมคำแทนและการเขียนสัทอักษรได้ โดยรองรับสัทอักษรสากล พินอินจีน และรูปแบบการอ่านภาษาญี่ปุ่น กำหนดช่วงหยุดระหว่างส่วนที่จะพูดได้ในช่วง 0,01–99,99 วินาที ระยะเวลาช่วงหยุดกำหนดละเอียดถึงสองตำแหน่งทศนิยม วางเครื่องหมายระหว่างส่วนที่จะพูดและไม่วางติดกัน การตั้งค่าเหล่านี้ช่วยให้เสียงของชื่อ คำย่อ และคำที่อ่านได้หลายแบบตรงกับแนวทางการพากย์

ผลลัพธ์เสียง

การสังเคราะห์รับข้อความที่มีความยาวน้อยกว่า 10 000 อักขระ สำหรับข้อความยาวเกิน 3000 อักขระ ผู้ผลิตแนะนำเอาต์พุตแบบสตรีม และยังรองรับการรับเสียงสำเร็จทั้งหมดในครั้งเดียว การตั้งค่าการสังเคราะห์ทั่วไปรวมถึง MP3, PCM, FLAC, WAV, Opus และรูปแบบ G.711 μ-law ทั้งโมโนและสเตอริโอ ชุดรูปแบบที่ใช้ได้กับคำขอเฉพาะกำหนดด้วยเครื่องมือของ Ailoot

การ์ดนี้แปลงข้อความเป็นเสียงพูด ความสามารถตั้งค่าเสียงอธิบายโมเดล MiniMax การสร้างเสียงโคลน คำบรรยายแยก และวิธีเชื่อมต่อพิเศษไม่ได้รวมอยู่ในคำขอพากย์โดยอัตโนมัติ

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-2.8-hd

speech-2.8-hd

MiniMax /speech-2.8-hd
ID โมเดล
  • speech-2.8-hd
  • minimax-speech
  • minimax-speech-latest

เริ่มต้น

Speech 2.8 HD สังเคราะห์เสียงพูดที่สื่ออารมณ์ โดยควบคุมอารมณ์และรายละเอียดเสียง เช่น การหายใจและหัวเราะ

อินพุตที่รองรับ
ข้อความ
ผลลัพธ์
speech

ใช้งานได้ใน Ailoot · อินพุตและเมธอด

Ailoot · การสังเคราะห์เสียงพูด POST /v1/audio/speech
ขาเข้า
text
ขาออก
speech
รูปแบบเอาต์พุต
mp3
ฟิลด์ประเภทข้อกำหนดค่าและข้อจำกัดค่าเริ่มต้น
ฟิลด์modelประเภทstringข้อกำหนดจำเป็นค่าและข้อจำกัด
speech-2.8-hd
ค่าเริ่มต้น—
ฟิลด์inputประเภทstringข้อกำหนดจำเป็นค่าและข้อจำกัด
ความยาวขั้นต่ำ: 1
ความยาวสูงสุดแบบไม่รวมค่าสูงสุด: 10,000
หน่วย: อักขระ Unicode
ค่าเริ่มต้น—
ฟิลด์voiceประเภทstringข้อกำหนดจำเป็นค่าและข้อจำกัด
แพตเทิร์น: ^[A-Za-z0-9_-]{1,128}$
ค่าเริ่มต้น—
ฟิลด์response_formatประเภทstringข้อกำหนดไม่บังคับค่าและข้อจำกัด
mp3
ค่าเริ่มต้น—
ชุดผสมของสื่ออินพุต

text_to_speech · จำเป็น: input

พารามิเตอร์และวงจรการทำงานของเมธอด
พารามิเตอร์ข้อกำหนด
พารามิเตอร์material_typesข้อกำหนดtext
พารามิเตอร์requiredข้อกำหนดnull
พารามิเตอร์optional_controlsข้อกำหนดnull

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

Ailoot การสังเคราะห์เสียงพูดPOST /v1/audio/speech
ขาเข้า
US$100.00 ต่อ 1 ล้านอักขระ

Ailoot กันยอดเงินประมาณการไว้ก่อนส่งคำขอ หลังได้ผลลัพธ์ จะคิดค่าบริการสุดท้ายตามการใช้งานที่วัดได้ การคิดค่าบริการแบบสตรีมใช้บันทึกการใช้งานสุดท้าย วิธีกันยอดเงินและคิดค่าบริการสุดท้าย →

ตัวอย่างคำขอ

Ailoot · การสังเคราะห์เสียงพูด

ตัวอย่างเสียงพูด
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-2.8-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
ฟิลด์ประเภท
ฟิลด์binary audioประเภทbytes
ฟิลด์response headersประเภทheaders
ข้อผิดพลาดและขั้นตอนถัดไป
การตอบกลับเงื่อนไขขั้นตอนถัดไป
การตอบกลับ400 · invalid_request_errorเงื่อนไขฟิลด์จำเป็น รูปแบบการแทนข้อมูล หรือค่าพารามิเตอร์ไม่ถูกต้องขั้นตอนถัดไปแก้ฟิลด์ที่ระบุก่อนส่งคำขอสร้างครั้งใหม่
การตอบกลับserver_errorเงื่อนไขการตอบกลับที่ได้รับระบุว่าต้องตรวจสอบการดำเนินการหรือผลลัพธ์ขั้นตอนถัดไปเก็บ ID การดำเนินการ/งานที่ส่งกลับมาแต่เดิม ส่วนหัวของคำขอ และการตอบกลับไว้ แล้วอ่านข้อมูลการดำเนินการเดิมนั้นต่อด้วยวิธีที่รองรับ ห้ามส่งคำขอสร้างซ้ำ

ชื่ออื่น

ชื่ออื่นของโมเดล

Ailoot speech-2.8-hd, minimax-speech, minimax-speech-latest

ชื่อพาธเมธอดอื่น

ใช้พาธเมธอดที่แสดงด้านบน

ID ที่เกี่ยวข้องสำหรับเรียกใช้โมเดล

speech-2.8-hd, minimax-speech, minimax-speech-latest

Ailoot · การสังเคราะห์เสียงพูด POST /v1/audio/speech minimax-speech

minimax-speech

MiniMax /minimax-speech
ID โมเดล
  • speech-2.8-hd
  • minimax-speech
  • minimax-speech-latest

เริ่มต้น

Speech 2.8 HD สังเคราะห์เสียงพูดที่สื่ออารมณ์ โดยควบคุมอารมณ์และรายละเอียดเสียง เช่น การหายใจและหัวเราะ

อินพุตที่รองรับ
ข้อความ
ผลลัพธ์
speech

ใช้งานได้ใน Ailoot · อินพุตและเมธอด

Ailoot · การสังเคราะห์เสียงพูด POST /v1/audio/speech
ขาเข้า
text
ขาออก
speech
รูปแบบเอาต์พุต
mp3
ฟิลด์ประเภทข้อกำหนดค่าและข้อจำกัดค่าเริ่มต้น
ฟิลด์modelประเภทstringข้อกำหนดจำเป็นค่าและข้อจำกัด
minimax-speech
ค่าเริ่มต้น—
ฟิลด์inputประเภทstringข้อกำหนดจำเป็นค่าและข้อจำกัด
ความยาวขั้นต่ำ: 1
ความยาวสูงสุดแบบไม่รวมค่าสูงสุด: 10,000
หน่วย: อักขระ Unicode
ค่าเริ่มต้น—
ฟิลด์voiceประเภทstringข้อกำหนดจำเป็นค่าและข้อจำกัด
แพตเทิร์น: ^[A-Za-z0-9_-]{1,128}$
ค่าเริ่มต้น—
ฟิลด์response_formatประเภทstringข้อกำหนดไม่บังคับค่าและข้อจำกัด
mp3
ค่าเริ่มต้น—
ชุดผสมของสื่ออินพุต

text_to_speech · จำเป็น: input

พารามิเตอร์และวงจรการทำงานของเมธอด
พารามิเตอร์ข้อกำหนด
พารามิเตอร์material_typesข้อกำหนดtext
พารามิเตอร์requiredข้อกำหนดnull
พารามิเตอร์optional_controlsข้อกำหนดnull

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

Ailoot การสังเคราะห์เสียงพูดPOST /v1/audio/speech
ขาเข้า
US$100.00 ต่อ 1 ล้านอักขระ

Ailoot กันยอดเงินประมาณการไว้ก่อนส่งคำขอ หลังได้ผลลัพธ์ จะคิดค่าบริการสุดท้ายตามการใช้งานที่วัดได้ การคิดค่าบริการแบบสตรีมใช้บันทึกการใช้งานสุดท้าย วิธีกันยอดเงินและคิดค่าบริการสุดท้าย →

ตัวอย่างคำขอ

Ailoot · การสังเคราะห์เสียงพูด

ตัวอย่างเสียงพูด
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": "minimax-speech", "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
ฟิลด์ประเภท
ฟิลด์binary audioประเภทbytes
ฟิลด์response headersประเภทheaders
ข้อผิดพลาดและขั้นตอนถัดไป
การตอบกลับเงื่อนไขขั้นตอนถัดไป
การตอบกลับ400 · invalid_request_errorเงื่อนไขฟิลด์จำเป็น รูปแบบการแทนข้อมูล หรือค่าพารามิเตอร์ไม่ถูกต้องขั้นตอนถัดไปแก้ฟิลด์ที่ระบุก่อนส่งคำขอสร้างครั้งใหม่
การตอบกลับserver_errorเงื่อนไขการตอบกลับที่ได้รับระบุว่าต้องตรวจสอบการดำเนินการหรือผลลัพธ์ขั้นตอนถัดไปเก็บ ID การดำเนินการ/งานที่ส่งกลับมาแต่เดิม ส่วนหัวของคำขอ และการตอบกลับไว้ แล้วอ่านข้อมูลการดำเนินการเดิมนั้นต่อด้วยวิธีที่รองรับ ห้ามส่งคำขอสร้างซ้ำ

ชื่ออื่น

ชื่ออื่นของโมเดล

Ailoot speech-2.8-hd, minimax-speech, minimax-speech-latest

ชื่อพาธเมธอดอื่น

ใช้พาธเมธอดที่แสดงด้านบน

ID ที่เกี่ยวข้องสำหรับเรียกใช้โมเดล

speech-2.8-hd, minimax-speech, minimax-speech-latest

Ailoot · การสังเคราะห์เสียงพูด POST /v1/audio/speech minimax-speech-latest

minimax-speech-latest

MiniMax /minimax-speech-latest
ID โมเดล
  • speech-2.8-hd
  • minimax-speech
  • minimax-speech-latest

เริ่มต้น

Speech 2.8 HD สังเคราะห์เสียงพูดที่สื่ออารมณ์ โดยควบคุมอารมณ์และรายละเอียดเสียง เช่น การหายใจและหัวเราะ

อินพุตที่รองรับ
ข้อความ
ผลลัพธ์
speech

ใช้งานได้ใน Ailoot · อินพุตและเมธอด

Ailoot · การสังเคราะห์เสียงพูด POST /v1/audio/speech
ขาเข้า
text
ขาออก
speech
รูปแบบเอาต์พุต
mp3
ฟิลด์ประเภทข้อกำหนดค่าและข้อจำกัดค่าเริ่มต้น
ฟิลด์modelประเภทstringข้อกำหนดจำเป็นค่าและข้อจำกัด
minimax-speech-latest
ค่าเริ่มต้น—
ฟิลด์inputประเภทstringข้อกำหนดจำเป็นค่าและข้อจำกัด
ความยาวขั้นต่ำ: 1
ความยาวสูงสุดแบบไม่รวมค่าสูงสุด: 10,000
หน่วย: อักขระ Unicode
ค่าเริ่มต้น—
ฟิลด์voiceประเภทstringข้อกำหนดจำเป็นค่าและข้อจำกัด
แพตเทิร์น: ^[A-Za-z0-9_-]{1,128}$
ค่าเริ่มต้น—
ฟิลด์response_formatประเภทstringข้อกำหนดไม่บังคับค่าและข้อจำกัด
mp3
ค่าเริ่มต้น—
ชุดผสมของสื่ออินพุต

text_to_speech · จำเป็น: input

พารามิเตอร์และวงจรการทำงานของเมธอด
พารามิเตอร์ข้อกำหนด
พารามิเตอร์material_typesข้อกำหนดtext
พารามิเตอร์requiredข้อกำหนดnull
พารามิเตอร์optional_controlsข้อกำหนดnull

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

Ailoot การสังเคราะห์เสียงพูดPOST /v1/audio/speech
ขาเข้า
US$100.00 ต่อ 1 ล้านอักขระ

Ailoot กันยอดเงินประมาณการไว้ก่อนส่งคำขอ หลังได้ผลลัพธ์ จะคิดค่าบริการสุดท้ายตามการใช้งานที่วัดได้ การคิดค่าบริการแบบสตรีมใช้บันทึกการใช้งานสุดท้าย วิธีกันยอดเงินและคิดค่าบริการสุดท้าย →

ตัวอย่างคำขอ

Ailoot · การสังเคราะห์เสียงพูด

ตัวอย่างเสียงพูด
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": "minimax-speech-latest", "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
ฟิลด์ประเภท
ฟิลด์binary audioประเภทbytes
ฟิลด์response headersประเภทheaders
ข้อผิดพลาดและขั้นตอนถัดไป
การตอบกลับเงื่อนไขขั้นตอนถัดไป
การตอบกลับ400 · invalid_request_errorเงื่อนไขฟิลด์จำเป็น รูปแบบการแทนข้อมูล หรือค่าพารามิเตอร์ไม่ถูกต้องขั้นตอนถัดไปแก้ฟิลด์ที่ระบุก่อนส่งคำขอสร้างครั้งใหม่
การตอบกลับserver_errorเงื่อนไขการตอบกลับที่ได้รับระบุว่าต้องตรวจสอบการดำเนินการหรือผลลัพธ์ขั้นตอนถัดไปเก็บ ID การดำเนินการ/งานที่ส่งกลับมาแต่เดิม ส่วนหัวของคำขอ และการตอบกลับไว้ แล้วอ่านข้อมูลการดำเนินการเดิมนั้นต่อด้วยวิธีที่รองรับ ห้ามส่งคำขอสร้างซ้ำ

ชื่ออื่น

ชื่ออื่นของโมเดล

Ailoot speech-2.8-hd, minimax-speech, minimax-speech-latest

ชื่อพาธเมธอดอื่น

ใช้พาธเมธอดที่แสดงด้านบน

ID ที่เกี่ยวข้องสำหรับเรียกใช้โมเดล

speech-2.8-hd, minimax-speech, minimax-speech-latest

FAQ · speech-2.8-hd
มีอินพุตและผลลัพธ์ใดบ้าง?

POST /v1/audio/speech · speech-2.8-hd: text → speech

POST /v1/audio/speech · minimax-speech: text → speech

POST /v1/audio/speech · minimax-speech-latest: text → speech

คำขอใช้ฟิลด์ใดบ้าง?

POST /v1/audio/speech · speech-2.8-hd: model, input, voice, response_format

POST /v1/audio/speech · minimax-speech: model, input, voice, response_format

POST /v1/audio/speech · minimax-speech-latest: model, input, voice, response_format

รายละเอียดเพิ่มเติม

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 · ดูราคาโมเดล

เชื่อม API กับผลิตภัณฑ์ ที่คุณขาย

SaaS แอป และบอต ตามข้อเสนอและสัญญาอนุญาต Ailoot หากขายต่อให้ขอใบอนุญาตรีเซลเลอร์

แอปเชิงพาณิชย์
ใส่การสร้างข้อความ ภาพ วิดีโอ และเสียงในฟีเจอร์เสียเงินของบริการคุณ
ใบอนุญาตรีเซลเลอร์
ส่งคำอธิบายโครงการและรูปแบบการเข้าถึง ขอเงื่อนไขใช้และขายต่อเป็นลายลักษณ์อักษร
เอกสารบนเว็บไซต์
อ่านข้อเสนอ สัญญาอนุญาต และนโยบายประมวลผลข้อมูลก่อนเชื่อมได้

ขอใบอนุญาตขายต่อ · ข้อเสนอและสัญญาอนุญาต