Microsoft AI: MAI-Voice-2-Flash

Microsoft AI yaratgan MAI-Voice-2-Flash yordamchilar, mijozlarni qo‘llab-quvvatlash va ovozli menyular uchun 15 tilda ifodali nutq yaratadi. U tezkor ijroni saralangan ovoz kutubxonasi, namuna ovozi orqali yo‘naltirish va navbat darajasidagi ohang boshqaruvi bilan birlashtiradi.

Ailoot Ultra · Ovozlashtirish POST /v1/audio/speech microsoft/mai-voice-2-flash

Model haqida

Bu tavsif model imkoniyatlarini yoritadi. Ailoot da tanlangan usul uchun mavjud kirish, chiqish va parametrlar quyida keltirilgan.

MAI-Voice-2-Flash — tezkor javob va katta hajmdagi ovozli xizmatlar uchun Microsoft AI yaratgan matndan nutqqa modeli. Ishlab chiqaruvchi tabiiy prosodiya, tiniq audio va ifodali ijroni ta’riflaydi; yordamchilar, mijozlarni qo‘llab-quvvatlovchi agentlar va telefon menyulari asosiy vazifalar qatoriga kiradi. Yozma nutq matni tanlangan ovozda aytiladigan audioga aylanadi. Flash — MAI-Voice-2 ning aniq varianti bo‘lib, keyinroq chiqqan MAI-Voice-2.1 oilasidan alohidadir.

Til va ovozni tanlash

Aynan shu model kartasida o‘n besh til va o‘n sakkiz hududiy til varianti hujjatlashtirilgan. Ular ingliz, italyan, ispan, hind, fransuz, nemis, portugal, koreys, soddalashtirilgan xitoy, turk, rus, tay, niderland, rumin va venger tillarini, ayrim tillar uchun alohida mintaqaviy variantlarni qamrab oladi. Kerakli tilni tanlang va tinglovchi eshitishi kerak bo‘lgan aniq so‘zlarni tayyorlang. Hududiy variant salomlashuv, mahsulot nomi yoki auditoriyaga tanish talaffuz uchun ahamiyatli bo‘lishi mumkin.

Microsoft ovoz tanlashning ikki yo‘lini hujjatlashtiradi: saralangan kutubxona va qisqa yozuv orqali ovozni yo‘naltirish. Kutubxona hikoya o‘qish yoki muloqot uchun tayyor so‘zlovchini beradi. Namuna yozuvi ishlab chiqaruvchining maxsus ovoz jarayoni orqali boshqa so‘zlovchi shaxsiyatini belgilaydi. Boshlang‘ich xabar, tushuntirish va keyingi javob bitta tajribaning qismlari kabi eshitilishi uchun o‘zaro bog‘liq matnlarda bir xil ovozni saqlang.

Interaktiv nutq ohangi

Model ohang, aytish uslubi va hissiyotni navbat darajasida boshqarishni qo‘llab-quvvatlaydi. Ovozli yordamchi uchun avval qisqa ko‘rsatma, keyin tinglovchiga kerakli tafsilotni yozing. Amaliy jumla: “Ochmoqchi bo‘lgan hujjatingizni tanlang. Sarlavhasini aniq bilmasangiz, nima haqida ekanini ayting.” Ssenariy tinglovchiga aniq harakat beradi va keyingi savolga joy qoldiradi.

Ta’limiy suhbatda tushuntirishni o‘quvchi javob berishi kerak bo‘lgan savoldan ajrating. Menyuda variant nomlarini qisqa tuting va bir marta eshitilganda ham tushunarli bo‘ladigan ifodalarni ishlating. Ohang parcha vazifasiga mos bo‘lsin: taskin, ko‘rsatma va savol bir xil ovoz saqlangan holda turlicha aytishni talab qilishi mumkin.

Ovoz namunasini tayyorlash

Ishlab chiqaruvchi ovozni yo‘naltirish uchun besh soniyadan oltmish soniyagacha yozuvni belgilaydi va rozilik bergan so‘zlovchini qo‘shimcha o‘qitishsiz moslashtirishni ta’riflaydi. U o‘rtacha jo‘shqinlikdagi tabiiy suhbat ijrosini tavsiya qiladi, chunki namuna natijaga sezilarli ta’sir qiladi. Ovoz balandligi yoki ifodaning vazifaga aloqasiz keskin o‘zgarishlari bor ijro o‘rniga ishlatmoqchi bo‘lgan ovozingizni aks ettiruvchi yozuvni tayyorlang.

Ushbu rejim foydalanishga ruxsat berilgan va egasi rozilik bergan ovoz uchun hujjatlashtirilgan. Uning ishlab chiqaruvchi jarayoni va tayyor ovoz kutubxonasi tayyorgarlikning alohida yo‘llaridir. Chiqish baribir berilgan matndan yangidan sintez qilingan nutq bo‘ladi; yozuv kerakli so‘zlovchi shaxsiyatini beradi.

Aytilgan natija bilan ishlash

Javob tez yetkazilishi va oson tushunilishi kerak bo‘lgan muloqotda Flash’dan foydalaning. Ishlab chiqaruvchi bu variantni MAI-Voice-2 qatorining prosodiyasi va akustik sifatini saqlagan holda tezkorlikka yo‘naltiradi. Muhim nomlar, buyruqlar va hissiy o‘zgarishlarni kontekstda tekshirish uchun har bir nutq navbatini uning matni va so‘zlovchisi bilan bog‘lang.

Foydali natija — kerakli til va ovozdagi ravshan ovozli ko‘rsatma yoki javob. Ayniqsa ko‘rsatmalar ketma-ketligida so‘zlarni auditoriya qanday eshitsa, shunday tinglang. O‘n besh til va o‘n sakkiz hududiy variant spetsifikatsiyasi aynan Voice-2-Flash nashriga tegishli; keyingi versiyalarning kengaytirilgan til katalogi va boshqariladigan ovoz tafsilotlari o‘z profillariga tegishlidir.

Ailoot Ultra · Ovozlashtirish POST /v1/audio/speech microsoft/mai-voice-2-flash

microsoft/mai-voice-2-flash

Microsoft AI /microsoft/mai-voice-2-flash

Boshlash

Qabul qilinadigan kirish ma’lumotlari: Matn
Natijalar: Audio

Ailoot da mavjud · kirish ma’lumotlari va usullar

Ailoot Ultra · Ovozlashtirish POST /v1/audio/speech

Kirish: text
Chiqish: audio
Chiqish formati: mp3

Maydon	Tur	Talab	Qiymatlar va cheklovlar	Standart
Maydon`model`	Tur`string`	TalabMajburiy	Qiymatlar va cheklovlar microsoft/mai-voice-2-flash	Standart—
Maydon`input`	Tur`string`	TalabMajburiy	Qiymatlar va cheklovlar Eng kam uzunlik: 1 Birlik: Unicode belgilari	Standart—
Maydon`voice`	Tur`string`	TalabMajburiy	Qiymatlar va cheklovlar en-US-Harper:MAI-Voice-2, es-MX-Valeria:MAI-Voice-2, fr-FR-Soleil:MAI-Voice-2, de-DE-Klaus:MAI-Voice-2	Standart—
Maydon`response_format`	Tur`string`	TalabMajburiy	Qiymatlar va cheklovlar mp3	Standart—

Kirish materiallari birikmalari

text_to_speech · Majburiy: input

Usul parametrlari va hayot sikli

Parametr	Parametr talablari
Parametr`content_type`	Parametr talablariapplication/json
Parametr`required`	Parametr talablarimodel, input, voice, response_format
Parametr`voice_ids`	Parametr talablarien-US-Harper:MAI-Voice-2, es-MX-Valeria:MAI-Voice-2, fr-FR-Soleil:MAI-Voice-2, de-DE-Klaus:MAI-Voice-2
Parametr`response_format`	Parametr talablarimp3
Parametr`max_input_characters`	Parametr talablarinull
Parametr`other_options`	Parametr talablarifalse
Parametr`input`	Parametr talablariaynan UTF-8 matni; normallashtirmasdan Unicode belgilarini sanash
Parametr`material_types`	Parametr talablaritext

Hayot sikli: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · Amalda qaytarilgan task_id yoki media kutubxonasidagi yozuv

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Shu model profilidan aniq ovozni tanlang.

Kirish belgilari va audio soniyalari — turli hisoblash birliklari.

Tariflar

Tarif ma’lumotlari so‘rov imkoniyatlarini qo‘shmaydi. Qo‘llab-quvvatlanadigan parametrlar tanlangan usulda ko‘rsatilgan.

Tezkor rejim: Ko‘rsatilmagan Tezkor rejim tanlanganda
Flex rejimi: Ko‘rsatilmagan flex rejimi tanlanganda
Maksimal fikrlash darajasi: Ko‘rsatilmagan Maksimal fikrlash darajasi uchun standart (default) tuzatish qo‘llanganda

Ailoot tariflari

Sozlamalar bo‘yicha narxlar

Har bir to‘lovni ko‘rsatilgan shartlarga moslang. Har bir muqobil sozlamalar to‘plami uchun bitta tarifdan foydalaning.

Sozlama	Tariflar jadvali	To‘lanadigan miqdor	Hisob birligi	To‘lov
SozlamaTokenlar uchun bazaviy tariflar	Tariflar jadvaliAsosiy tarif	To‘lanadigan miqdor—	Hisob birligi—	To‘lov Kirish · Kirish tokenlari — / 1K token Chiqish · Chiqish tokenlari — / 1K token Kirish · Keshdan o‘qish — / 1K token Kirish · Keshga yozish — / 1K token Kirish · Keshga yozish, 1 soat — / 1K token
SozlamaUltra	Tariflar jadvali—	To‘lanadigan miqdorHar bir Unicode kod nuqtasi, jumladan Han belgilari, bitta belgi hisoblanadi.	Hisob birligi1K kirish belgisi uchun	To‘lov Kirish · Kirish belgisi $0.03 1K kirish belgisi uchun

Ma’lumot uchun tarif tafsilotlari

Modelning ma’lumot jadvallari usul tanlash, narx hisobi yoki to‘lovlarni o‘zgartirmaydi. Amaldagi to‘lovlar tanlangan Ailoot usuli tariflari bo‘yicha hisoblanadi.

Microsoft AI: MAI-Voice-2-Flash

Sozlamalar bo‘yicha narxlar

Sozlama	To‘lovni hisoblash shartlari	To‘lov
SozlamaMicrosoft AI: MAI-Voice-2-Flash · Standart sozlama	To‘lovni hisoblash shartlariStandart konfiguratsiya	To‘lov Kirish · Kirish belgilari 0,00003 US$ kirish belgisi uchun

Ailoot so‘rovdan oldin taxminiy summani band qiladi. Natijadan keyin o‘lchangan sarf asosidagi yakuniy to‘lovni yechadi. Oqimli javob bo‘yicha yakuniy hisob-kitob yakuniy sarf yozuviga asoslanadi. Summani band qilish va to‘lovni hisoblash tartibi →

So‘rov namunalari

Ailoot Ultra · Ovozlashtirish

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": "microsoft/mai-voice-2-flash", "input": "Good afternoon! This is a short voice take."}')
voice=os.environ["AILOOT_VOICE_ID"]
allowed=json.loads('["en-US-Harper:MAI-Voice-2", "es-MX-Valeria:MAI-Voice-2", "fr-FR-Soleil:MAI-Voice-2", "de-DE-Klaus:MAI-Voice-2"]')
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

Natijalarni olish va saqlash

Ailoot Ultra · Ovozlashtirish

mp3

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

Boshqa kontentni o‘qish

Media kutubxonasiVazifa holatiMaterial tafsilotlari

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

Barcha tayyor natijalarni saqlash

Qaytarilgan har bir to‘liq javob, fayl va kontent qismini saqlang.

To‘liq ikkilik natija va sarlavhalarni saqlang. JSON yoki bir nechta natija qaytarilsa, har bir ma’lumot elementini saqlang va qaytarilgan har bir haqiqiy imzolangan resurs URL manzilidan faylni yuklab oling.

Asl javobni tekshirish kerak bo‘lsa

Ma’lumotlarni solishtirib tekshirish uchun dastlabki operation_id/X-Client-Request-ID ni saqlang va so‘rovni qayta yubormang; audio holatini davriy tekshirish uchun alohida yo‘nalish yo‘q.

Javob maydonlari

Maydon	Tur
Maydon`binary audio`	Turbytes
Maydon`response headers`	Turheaders

Xatolar va keyingi qadamlar

Javob	Shart	Keyingi qadam
Javob400 · `invalid_request_error`	ShartMajburiy maydonlar, material ifodasi yoki parametr qiymati noto‘g‘ri	Keyingi qadamYangi yaratish so‘rovidan oldin ko‘rsatilgan maydonlarni tuzating.
Javob`server_error`	ShartQaytarilgan javob operatsiya yoki natijani tekshirish kerakligini bildiradi	Keyingi qadamDastlab qaytarilgan operatsiya/vazifa ID sini, so‘rov sarlavhalarini va javobni saqlang; aynan shu operatsiya uchun qo‘llab-quvvatlanadigan o‘qish so‘rovlarini davom ettiring. Yaratish so‘rovini qayta yubormang.

Taxalluslar

Model taxalluslari

Ailoot Ultra microsoft/mai-voice-2-flash

Usul yo‘llari taxalluslari

Yuqorida ko‘rsatilgan usul yo‘llaridan foydalaning.

Chaqirish uchun tegishli ID lar

microsoft/mai-voice-2-flash

FAQ · Microsoft AI: MAI-Voice-2-Flash

Qanday kirish ma’lumotlari va natijalar mavjud?: POST /v1/audio/speech · microsoft/mai-voice-2-flash: text → audio
So‘rov qaysi maydonlardan foydalanadi?: POST /v1/audio/speech · microsoft/mai-voice-2-flash: model, input, voice, response_format

Microsoft AI: MAI-Voice-2-Flash