modellar

MiniMax: Speech 2.8 HD

Markdown · JSON

MiniMax: Speech 2.8 HD

Speech 2.8 HD hissiyotni va nafas hamda kulgi kabi ovoz tafsilotlarini boshqarib ifodali nutq sintez qiladi.

Model haqida

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

Kichik ovoz tafsilotlariga ega jonli nutq

Speech 2.8 HD tabiiy va toza jarangga yo‘naltirilgan. Avlodning asosiy xususiyati — nutqqa suhbat tafsilotlarini qo‘shishga imkon beradigan ovoz belgilari: kulgi, yengil kulish, nafas, nafas olish, nafas chiqarish, xo‘rsinish, yo‘tal, tomoq qirish va boshqa qisqa ovozlar. Ular har bir jumlani tekis diktor o‘qishiga aylantirmasdan, jonli replika ritmi va pauzalarini berishga yordam beradi.

Belgilar matnga model uchun ko‘rsatilgan shaklda kiritiladi: masalan, (chuckle), (breath) va (sighs) tegishli ovoz amallarini bildiradi. Ovoz belgilari imkoniyati aynan Speech 2.8’ga tegishli. Bular alohida musiqiy yoki ovozli kompozitsiya yaratish emas, nutq sintezi ichidagi ovoz tafsilotlaridir.

Tembr va tozalik

Ishlab chiqaruvchi ovozning o‘ziga xos xususiyatlarini aks ettirishni ta’kidlaydi: faktura, nafas va talaffuz uslubi. Oila imkoniyatlari allaqachon tayyorlangan klonlangan ovoz bilan sintezni o‘z ichiga oladi; bunday ovozni yaratish alohida jarayon. Speech 2.8’da fon shovqini va raqamli buzilishlarni kamaytirish uchun qayta ishlash ham yangilangan.

Tillar va ifodalilik

Speech 2.8 40 tilni, jumladan, rus tilini qo‘llab-quvvatlaydi. Ishlab chiqaruvchi xitoy-yapon birikmasida tillararo talaffuz ustidagi ishni alohida tavsiflaydi. Bunday ssenariy matnni avtomatik tarjima qilishga emas, turli tillardan foydalanishda tabiiy jarangni saqlashga tegishli.

MiniMax ovoz tanlash hamda sur’at, balandlik va ovoz pardasini boshqarishni ko‘zda tutadi. Tezlik 0,5–2 oralig‘ida, balandlik 0 dan yuqori va 10gacha, ovoz pardasi o‘zgarishi esa −12 dan 12 gacha belgilanadi. Hissiyotni matn mazmuniga ko‘ra model tanloviga qoldirish yoki qo‘lda ko‘rsatish mumkin: quvonch, qayg‘u, g‘azab, qo‘rquv, jirkanish, hayrat yoki xotirjamlik.

Talaffuzni almashtirish lug‘ati va fonetik yozuv bilan aniqlashtirish mumkin; unda xalqaro fonetik alifbo, xitoy pinyini va yaponcha o‘qish variantlari ko‘zda tutilgan. Pauzalar aytiladigan parchalar orasida 0,01–99,99 soniya oralig‘ida belgilanadi. Pauza davomiyligi verguldan keyin ikki xonagacha aniqlikda belgilanadi; markerlar aytiladigan parchalar orasiga qo‘yiladi va ketma-ket joylashtirilmaydi. Bunday sozlamalar ismlar, qisqartmalar va bir nechta talqinga ega so‘zlarning jarangini ovozlashtirish g‘oyasiga moslashtirishga imkon beradi.

Audio natija

Sintez 10 000 belgidan kam matnni qabul qiladi. 3000 belgidan uzun matn uchun ishlab chiqaruvchi oqimli chiqishni tavsiya etadi; tayyor audioni to‘liq olish ham ko‘zda tutilgan. Umumiy sintez sozlamalari MP3, PCM, FLAC, WAV, Opus va G.711 μ-law variantlari, mono yoki stereo’ni o‘z ichiga oladi; aniq so‘rovning mavjud formatlar to‘plami Ailoot vositalari bilan belgilanadi.

Bu karta matnni nutq audiosiga aylantiradi. Ovozni sozlash imkoniyatlari MiniMax modelini tavsiflaydi; ovoz klonini yaratish, alohida subtitrlar va maxsus ulanish usullari ovozlashtirish so‘roviga avtomatik kirmaydi.

Qo‘shimcha ovoz sozlamalari 8, 16, 22,05, 24, 32 va 44,1 kHz diskretlash chastotalarini o‘z ichiga oladi. MP3 uchun 32, 64, 128 yoki 256 kbit/s bitreyt ko‘zda tutilgan. Ovoz tusini o‘zgartirish va bitta effekt qo‘llash ham mumkin: keng makon aks-sadosi, zal aks-sadosi, telefon ovozi yoki robotlashtirilgan ovoz. Ovozni o‘zgartirish effektlari audioni to‘liq olishda MP3, WAV va FLAC uchun, oqimli chiqishda esa faqat MP3 uchun qo‘llab-quvvatlanadi. G.711 μ-law formatlari 8 kHz chastotadan foydalanadi. Bu imkoniyatlar MiniMax sintez sozlamalariga tegishli.

Ishlab chiqaruvchi nutqni matn bilan sinxronlashtirishni ko‘zda tutadi: gaplar, so‘zlar yoki bosqichma-bosqich chiqishda so‘zlar bo‘yicha vaqt belgilari. Bunday natija talaffuzni matn ko‘rsatilishi bilan moslashtirishga yordam beradi. Bu qo‘shimcha imkoniyat tegishli javob formatini qo‘llab-quvvatlashni talab qiladi.

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

minimax/speech-2.8-hd

MiniMax /minimax/speech-2.8-hd

Boshlash

Speech 2.8 HD hissiyotni va nafas hamda kulgi kabi ovoz tafsilotlarini boshqarib ifodali nutq sintez qiladi.

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
MaydonTurTalabQiymatlar va cheklovlarStandart
MaydonmodelTurstringTalabMajburiyQiymatlar va cheklovlar
minimax/speech-2.8-hd
Standart—
MaydoninputTurstringTalabMajburiyQiymatlar va cheklovlar
Eng kam uzunlik: 1
Birlik: Unicode belgilari
Standart—
MaydonvoiceTurstringTalabMajburiyQiymatlar va cheklovlar
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
Standart—
Maydonresponse_formatTurstringTalabMajburiyQiymatlar va cheklovlar
mp3
Standart—
Kirish materiallari birikmalari

text_to_speech · Majburiy: input

Usul parametrlari va hayot sikli
ParametrParametr talablari
Parametrcontent_typeParametr talablariapplication/json
ParametrrequiredParametr talablarimodel, input, voice, response_format
Parametrvoice_idsParametr talablariEnglish_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
Parametrresponse_formatParametr talablarimp3
Parametrmax_input_charactersParametr talablarinull
Parametrother_optionsParametr talablarifalse
ParametrinputParametr talablariaynan UTF-8 matni; normallashtirmasdan Unicode belgilarini sanash
Parametrmaterial_typesParametr 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.

SozlamaTariflar jadvaliTo‘lanadigan miqdorHisob birligiTo‘lov
SozlamaTokenlar uchun bazaviy tariflarTariflar jadvaliAsosiy tarifTo‘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
SozlamaUltraTariflar jadvali—To‘lanadigan miqdorHar bir Unicode kod nuqtasi, jumladan Han belgilari, bitta belgi hisoblanadi.Hisob birligi1K kirish belgisi uchunTo‘lov
Kirish · Kirish belgisi $0.2 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.

MiniMax: Speech 2.8 HD

Sozlamalar bo‘yicha narxlar

SozlamaTo‘lovni hisoblash shartlariTo‘lov
SozlamaMiniMax: Speech 2.8 HD · Standart sozlamaTo‘lovni hisoblash shartlariStandart konfiguratsiyaTo‘lov
Kirish · Kirish belgilari 0,0002 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": "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

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
MaydonTur
Maydonbinary audioTurbytes
Maydonresponse headersTurheaders
Xatolar va keyingi qadamlar
JavobShartKeyingi qadam
Javob400 · invalid_request_errorShartMajburiy maydonlar, material ifodasi yoki parametr qiymati noto‘g‘riKeyingi qadamYangi yaratish so‘rovidan oldin ko‘rsatilgan maydonlarni tuzating.
Javobserver_errorShartQaytarilgan javob operatsiya yoki natijani tekshirish kerakligini bildiradiKeyingi 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 minimax/speech-2.8-hd

Usul yo‘llari taxalluslari

Yuqorida ko‘rsatilgan usul yo‘llaridan foydalaning.

Chaqirish uchun tegishli ID lar

minimax/speech-2.8-hd

FAQ · MiniMax: Speech 2.8 HD
Qanday kirish ma’lumotlari va natijalar mavjud?

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

So‘rov qaysi maydonlardan foydalanadi?

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

Batafsil

Ailoot’ni Claude Code, OpenCode, Hermes yoki ilovangizga ulang.

Kompaniya va uning loyihalar portfeli

Kompaniya va uning loyihalar portfeli: millionlab mijozlar; oylik sotuvlar hajmi milliardlarda.

Tokenlarni chegirma bilan xarid qiling.

Muntazam ish uchun obuna chegirmasi. Token xaridiga promokodlar — 50% gacha.

Obuna
Muntazam so‘rovlaringiz uchun chegirmali tarif tanlang.
50% gacha promokod
Xaridda kod kiriting. Narx amaldagi aksiya bilan qayta hisoblanadi.
Tarixdagi xarajatlar
Har so‘rov uchun model, token va summa saqlanadi.

Obuna tanlash · Model narxlarini ko‘rish

API’ni sotadigan mahsulotingizga ulang.

SaaS, ilova va botlar Ailoot ofertasi hamda litsenziya shartnomasiga muvofiq. Qayta sotishga reseller litsenziyasi so‘rang.

Tijorat ilovasi
Xizmatingizning pullik funksiyalariga matn, rasm, video va ovoz yaratishni qo‘shing.
Reseller litsenziyasi
Loyiha tavsifi va kirish sxemasini yuboring. Foydalanish va qayta sotishga yozma shartlarni so‘rang.
Saytdagi hujjatlar
Oferta, litsenziya shartnomasi va ma’lumotlar siyosati ulashdan oldin ochiq.

Reseller litsenziyasini so‘rash · Oferta va litsenziya shartnomasi