Microsoft AI: MAI-Voice-2

Microsoft AI yaratgan MAI-Voice-2 hikoya o‘qish, dialog va ovozli ilovalar uchun ifodali ko‘p tilli nutq yaratadi. Uzun materialdagi izchillik, bir nechta so‘zlovchi va navbat darajasidagi hissiyot boshqaruvi audiokitoblar, darslar va qahramon ovozlarini qo‘llab-quvvatlaydi.

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

Model haqida

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

MAI-Voice-2 — tabiiy, ifodali og‘zaki kontent uchun Microsoft AI yaratgan ko‘rsatma asosidagi matndan nutqqa modeli. Ishlab chiqaruvchi tovush aniqligi, so‘zlovchi ovozining izchilligi va hissiy diapazonga urg‘u beradi. Hujjatlashtirilgan vazifalar yordamchilar, audiokitoblar, podkastlar, ma’ruzalar, ta’limiy qahramonlar va qulay foydalanish uchun ovozli bayonni o‘z ichiga oladi. Nutq matni tanlangan ovozdagi audioga aylanadi; Voice-2-Flash varianti tez javob ustuvor bo‘lgan muloqot uchun o‘z profiliga ega.

Til va so‘zlovchi

Microsoft’ning Voice-2 relizi o‘n besh tilni ta’riflaydi: ingliz, fransuz, nemis, italyan, ispan, portugal, hind, koreys, soddalashtirilgan xitoy, turk, rus, tay, niderland, rumin va venger. Ayrim tillarda alohida mintaqaviy variantlar bor. Reliz hind–ingliz va ispan–ingliz tillari orasida almashishni ham ta’riflaydi; shu bois tanlangan aralash tilli parchalar so‘zlovchining tabiiy til almashish uslubini saqlashi mumkin.

Aytilishi kerak bo‘lgan aniq so‘zlarni tayyorlang va ularning ko‘zlangan tilini saqlang. Ikki tilli ta’limiy parcha atamani bir tilda kiritib, boshqasida tushuntirishi, nomlar va iqtiboslarni esa butun saqlashi mumkin. Barcha hududiy variantlarni bir-birining o‘rnini bosadi deb hisoblamay, audio natijani asarga kerakli aksent va auditoriya nuqtayi nazaridan tekshiring.

Model kartasi saralangan ovoz kutubxonasi va namuna ovozi orqali yo‘naltirishning alohida yo‘lini beradi. Namuna nutqi qo‘shimcha moslab o‘qitishsiz kerakli so‘zlovchi shaxsiyatini beradi. Yozuv sur’at va aytish uslubiga ta’sir qilgani uchun Microsoft o‘rtacha jo‘shqinlikdagi tabiiy suhbat ijrosini tavsiya qiladi. Vazifa maxsus ovozni talab qilsa, shu ovozni aks ettiruvchi, egasi rozilik bergan yozuvdan foydalaning.

Uzunroq hikoya va dialog

Model kartasida uzun materialni bo‘laklab, kontekstni keyingi bo‘lakka o‘tkazish orqali yaratish hujjatlashtirilgan. Bu bob, dars yoki podkast parchalarining ketma-ketligi kabi bog‘liq bayonni qo‘llab-quvvatlaydi. Ssenariyni mazmunli bo‘lim chegaralarida ajrating, atamalar va so‘zlovchi tanlovini bir xil saqlang. Uzun tushuntirishda mavzu qachon o‘zgarishini tinglovchiga bildiruvchi og‘zaki o‘tishlar foydali.

Bir nechta so‘zlovchini qo‘llab-quvvatlash tayyorlangan dialogda alohida rollarni beradi. Savol va javobni tegishli so‘zlovchilarga biriktiring va rol qaytganda shu biriktirishni saqlang. Kirishda yakuniy gaplar va tegishli ijro ko‘rsatmalari bo‘lsin; nutq sintezatoridan suhbatni o‘zi o‘ylab topishini so‘raydigan ochiq topshiriq bo‘lmasin.

Ohang va hissiy ijro

Microsoft ohang, aytish uslubi va hissiyotni navbat darajasida nozik boshqarishni hujjatlashtiradi. Reliz misollari ifodali nutq rollari va hissiy parchalarni namoyish etadi. Hikoyada qaysi gap faktik, mulohazali yoki hayajonli ekanini aniqlang va shu ma’noga mos ijroni qo‘llang. Amaliy jumla: “Tajribaning eng sokin qismi eng ko‘p narsani ochib berdi. Qonuniyat ilk bor aynan o‘sha yerda aniq ko‘rindi.” Bu so‘zlar ijroda maqsadli urg‘u o‘zgarishini beradi.

Ko‘rsatma beruvchi kadr orti matnida harakatni ravshan yozing, tushuntirishni alohida gapga joylang. Dialogda qahramonning aytiladigan so‘zlarini sahna qaydlaridan ajrating. Yakuniy ketma-ketlik yaxlit qolishi uchun takrorlanuvchi nomlar va parchalar orasidagi o‘tishlarni tinglang.

Audiodan foydalanish

Chiqish — berilgan matn uchun yangidan yaratilgan nutq. Uning foydali ko‘rinishi — ovozi va ijrosi ssenariyga mos hikoya, dialog yoki ilovaning ovozli javobi. Tuzatish ijroning qolgan qismini yo‘qotmay aynan kerakli parchani o‘zgartirishi uchun matn, so‘zlovchi va bo‘lim tartibini yozuv bilan bog‘liq holda saqlang.

MAI-Voice-2 uzoq tinglash tajribasida tabiiylik va ifodalilikka urg‘u beradi. Uzun material imkoniyati cheksiz kirish yoki kafolatlangan eng katta yozuv davomiyligini belgilamaydi. Aynan Voice-2 tavsifi keyingi Voice-2.1 nashrlarining kengaytirilgan til katalogi va ovoz sozlamalaridan alohida saqlanadi.

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

microsoft/mai-voice-2

Microsoft AI /microsoft/mai-voice-2

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	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 $0.044 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

Sozlamalar bo‘yicha narxlar

Sozlama	To‘lovni hisoblash shartlari	To‘lov
SozlamaMicrosoft AI: MAI-Voice-2 · Standart sozlama	To‘lovni hisoblash shartlariStandart konfiguratsiya	To‘lov Kirish · Kirish belgilari 0,000044 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", "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

Usul yo‘llari taxalluslari

Yuqorida ko‘rsatilgan usul yo‘llaridan foydalaning.

Chaqirish uchun tegishli ID lar

microsoft/mai-voice-2

FAQ · Microsoft AI: MAI-Voice-2

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

Microsoft AI: MAI-Voice-2