MiniMax: Speech 02 Turbo

Speech 02 Turbo là đúng phiên bản giọng nói MiniMax được chọn bằng model: "minimax/speech-02-turbo". Dùng POST /v1/audio/speech với phần thân application/json chứa model và text cần đọc. Đầu vào là kịch bản bằng văn bản và kết quả là âm thanh tổng hợp. Với thông báo, chỉ đặt những lời cần đọc trong text, như thông báo nhận hàng ngắn. Với phần giải thích sản phẩm, chia kịch bản thành các câu hoàn chỉnh và chốt tên sản phẩm cùng con số trước khi tạo âm thanh. Giữ các ghi chú sản xuất, tên tệp và chỉ dẫn không cần đọc ở ngoài kịch bản lời nói.

Trường text phải có nội dung không chỉ gồm khoảng trắng và chứa ít hơn 10.000 ký tự Unicode. Gửi toàn bộ kịch bản cần đọc với stream:false hoặc bỏ qua stream. Chia tài liệu dài hơn thành các đoạn kịch bản hoàn chỉnh riêng trước khi gửi từng đoạn. Có thể dùng tài liệu bằng cách đọc nội dung thực tế và đặt đoạn liên quan vào text; URL tài liệu không thay thế được kịch bản.

Chọn giọng nói qua voice_setting.voice_id. Các nhóm giọng nói được ghi trong tài liệu gồm giọng hệ thống và những giọng nhân bản hoặc thiết kế bằng văn bản đã được tạo; dùng ID giọng hợp lệ cho nhóm đã chọn. Giọng trong ví dụ là audiobook_male_1. Cùng đối tượng đó điều khiển speed từ 0,5 đến 2, vol lớn hơn 0 và tối đa 10, cùng pitch nguyên từ -12 đến 12. Giá trị mặc định của chúng là 1, 1 và 0. Các tùy chọn này điều chỉnh những khía cạnh khác nhau của cách đọc, vì vậy hãy chọn riêng chúng thay vì đặt tên của chúng trong kịch bản.

voice_setting.emotion chấp nhận happy, sad, angry, fearful, disgusted, surprised, calm và fluent. Tài liệu cũng mô tả khả năng tự động khớp cảm xúc từ văn bản. Với kịch bản có nhiều số, voice_setting.text_normalization bật chuẩn hóa văn bản tiếng Trung và tiếng Anh, mặc định là false. voice_setting.latex_read điều khiển việc đọc biểu thức LaTeX và cũng mặc định là false. pronunciation_dict.tone là mảng các chuỗi quy tắc phát âm. Ví dụ đã công bố là ["草地/(cao3)(di1)"]; giữ từ, dấu gạch chéo và cấu trúc phát âm trong ngoặc đơn khi cung cấp quy tắc.

audio_setting.format chấp nhận mp3, pcm, flac và wav, mặc định là mp3. sample_rate chấp nhận 8000, 16000, 22050, 24000, 32000 và 44100 Hz; mặc định là 32000. channel là 1 cho đơn âm hoặc 2 cho hai kênh, mặc định là 1. Các giá trị bitrate là 32000, 64000, 128000 và 256000 bit mỗi giây, mặc định là 128000 và áp dụng cho mp3. Chọn kiểu mã hóa cần thiết cho trình phát hoặc công cụ chỉnh sửa sẽ sử dụng kết quả.

language_boost là chuỗi tùy chọn và mặc định là null. Các giá trị được phép là Chinese, Chinese,Yue, English, Arabic, Russian, Spanish, French, Portuguese, German, Turkish, Dutch, Ukrainian, Vietnamese, Indonesian, Japanese, Italian, Korean, Thai, Polish, Romanian, Greek, Czech, Finnish, Hindi, Bulgarian, Danish, Hebrew, Malay, Persian, Slovak, Swedish, Croatian, Filipino, Hungarian, Norwegian, Slovenian, Catalan, Nynorsk, Tamil, Afrikaans và auto. "Chinese,Yue" là một giá trị. Đây là tùy chọn tách biệt với kịch bản và ID giọng nói. Lược đồ cũng cung cấp timber_weights cho danh sách cặp voice_id và weight nguyên, với mỗi weight từ 1 đến 100. Giữ cách viết tham số timber_weights khi chuẩn bị yêu cầu. voice_modify.sound_effects là chuỗi tùy chọn với các giá trị spacious_echo, auditorium_echo, lofi_telephone và robotic.

stream mặc định là false. Với phản hồi đầy đủ, output_format chọn url hoặc hex và mặc định là hex. Trong kết quả JSON được ghi trong tài liệu, data.audio chứa dạng biểu diễn đã chọn: tải âm thanh từ URL Ailoot có chữ ký đầy đủ, bao gồm cả chuỗi truy vấn, hoặc giải mã toàn bộ âm thanh thập lục phân thành các byte. Giữ kết quả ban đầu cùng data.status, base_resp, trace_id và extra_info, gồm định dạng âm thanh thực tế, tần số lấy mẫu, số kênh, kích thước và usage_characters.

subtitle_enable là boolean mặc định là false và áp dụng cho đầu ra không truyền luồng. aigc_watermark là boolean mặc định là false và điều khiển dấu nhịp nghe được ở cuối âm thanh được tạo. Giữ mọi kết quả âm thanh hoặc phụ đề được trả về và kiểm tra phát âm, con số cùng tệp hoàn tất trước khi đưa vào ứng dụng. Nếu quá trình trả kết quả chưa chắc chắn, giữ định danh yêu cầu ban đầu và phản hồi để kiểm tra lần thử hiện có. Ailoot cũng lưu âm thanh hoàn tất trong thư viện phương tiện của bạn. Với output_format:"url", data.audio chứa liên kết có chữ ký đến tài sản đã lưu đó; ID tài sản xuất hiện trong đường dẫn /v1/media/assets/{asset_id}/content của liên kết. Liên kết tệp Ailoot có chữ ký có hiệu lực 24 giờ từ lúc cấp. Dùng cùng khóa API để GET /v1/media/assets?family=audio và tiếp tục theo mọi next_cursor để tìm các bản ghi tài sản âm thanh. Đọc GET /v1/media/assets/{asset_id} cho từng bản ghi đã chọn và tải đúng content_url của nó, bao gồm chuỗi truy vấn. Nếu yêu cầu tệp trả về 404 với mã link_expired, đọc lại chính tài sản đó để nhận content_url được làm mới. Làm mới kết quả đã lưu thay vì tạo lại âm thanh để thay thế liên kết hết hạn.