Microsoft AI: MAI-Voice-2-Flash
Microsoft AI 的 MAI-Voice-2-Flash 可為助理、客服及語音選單，生成涵蓋 15 種語言、富有表現力的語音。它結合快速回應、經挑選的聲音庫、參考聲音提示，以及輪次層級的口吻控制。
關於模型
此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。
MAI-Voice-2-Flash 是 Microsoft AI 為快速回應、大量使用的語音體驗設計的文字轉語音模型。製造商將自然韻律、清晰音訊與富有表現力的說話方式列為特色，主要任務包括助理、客服代理與電話選單。書面發話文稿會轉成所選聲音的語音。Flash 是 MAI-Voice-2 的特定變體，與後來的 MAI-Voice-2.1 系列不同。
選擇語言與聲音
此模型的模型卡記載 15 種語言、18 個地區設定，涵蓋英語、義大利語、西班牙語、印地語、法語、德語、葡萄牙語、韓語、簡體中文、土耳其語、俄語、泰語、荷蘭語、羅馬尼亞語及匈牙利語；部分語言另外區分地區變體。請選擇預定語言，並準備聽眾實際應聽到的措辭。對問候語、產品名稱或聽眾熟悉的發音而言，地區設定的區分可能很重要。
Microsoft 記載兩種聲音選擇途徑：經挑選的聲音庫，以及使用短錄音的聲音提示。聲音庫可為旁白或互動提供現有說話者。參考錄音則透過製造商的自訂聲音工作流程，定義另一個說話者的聲音身分。請在相關提示中維持相同說話者，讓開場訊息、說明與後續回應聽起來像同一個體驗的不同部分。
互動語音的口吻
模型支援輪次層級的口吻、表達方式與情緒控制。製作語音助理時，先寫簡潔的第一項指示，再補上聽眾需要的細節。例如：「選擇您想開啟的文件。如果不確定標題，請告訴我它的內容主題。」文稿給聽眾明確動作，也留有追問的空間。
教學對話應將說明與學習者需要回答的問題分開。選單的選項名稱應簡短，使用聽一次也能理解的措辭。口吻應符合段落用途：安撫、指示及提問可能需要不同的表達方式，同時維持相同聲音。
準備參考聲音
製造商指定以 5 至 60 秒錄音進行聲音提示，並描述可在無須額外訓練的情況下，匹配已取得同意的說話者。由於參考音訊會大幅影響結果，建議採活力適中的自然對話方式。請準備能代表所需聲音的錄音，而非音量或表情有不相關極端變化的演出。
此模式的文件針對已獲授權、取得同意的聲音。其製造商工作流程與預設聲音庫是不同的準備途徑。輸出仍是根據輸入文稿新合成的語音；錄音提供的是預定說話者的聲音身分。
使用語音結果
若互動需要迅速提供回應，並保持容易理解，可使用 Flash。製造商將此變體定位為重視回應速度，同時保留 MAI-Voice-2 系列的韻律與聲學品質。請將每個發話輪次與其文稿及說話者連結，讓重要名稱、指令及情緒轉換能在上下文中檢查。
實用的結果是以所需語言與聲音表達的清楚語音提示或回應。請按照聽眾實際會聽到的方式試聽措辭，尤其是連續提示的情況。此模型的 15 種語言、18 個地區設定規格屬於 Voice-2-Flash 這個確切版本；後續版本擴充的語言目錄與受管理聲音細節，屬於各自的模型介紹。
Ailoot Ultra · 語音合成 POST /v1/audio/speech microsoft/mai-voice-2-flash
microsoft/mai-voice-2-flash入門
Microsoft AI 的 MAI-Voice-2-Flash 可為助理、客服及語音選單，生成涵蓋 15 種語言、富有表現力的語音。它結合快速回應、經挑選的聲音庫、參考聲音提示，以及輪次層級的口吻控制。
- 接受的輸入
- 文字
- 結果
- 音訊
Ailoot 可用 · 輸入與方法
Ailoot Ultra · 語音合成 POST /v1/audio/speech
- 輸入
text- 輸出
audio- 輸出格式
- mp3
| 欄位 | 類型 | 要求 | 值與限制 | 預設值 |
|---|---|---|---|---|
欄位model | 類型string | 要求必填 | 值與限制 microsoft/mai-voice-2-flash | 預設值— |
欄位input | 類型string | 要求必填 | 值與限制 長度下限: 1 單位: Unicode 字元 | 預設值— |
欄位voice | 類型string | 要求必填 | 值與限制 en-US-Harper:MAI-Voice-2, es-MX-Valeria:MAI-Voice-2, fr-FR-Soleil:MAI-Voice-2, de-DE-Klaus:MAI-Voice-2 | 預設值— |
欄位response_format | 類型string | 要求必填 | 值與限制 mp3 | 預設值— |
輸入素材組合
text_to_speech · 必填： input
方法參數與生命週期
| 參數 | 規格 |
|---|---|
參數content_type | 規格application/json |
參數required | 規格model, input, voice, response_format |
參數voice_ids | 規格en-US-Harper:MAI-Voice-2, es-MX-Valeria:MAI-Voice-2, fr-FR-Soleil:MAI-Voice-2, de-DE-Klaus:MAI-Voice-2 |
參數response_format | 規格mp3 |
參數max_input_characters | 規格null |
參數other_options | 規格false |
參數input | 規格完全相符的 UTF-8 文字；不經正規化的 Unicode 字元計數 |
參數material_types | 規格text |
生命週期： synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · 實際回傳的 task_id 或媒體庫紀錄
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
請從此模型設定檔中選擇完全相符的語音。
輸入字元數與音訊秒數是不同的計量方式。
方案
費率資訊不會增加請求選項。支援的參數列於所選方法中。
- 快速模式
- 未指定 選取快速模式時
- flex 模式
- 未指定 選取 flex 模式時
- 最高推理強度
- 未指定 最高推理強度採用 default 調整值時
Ailoot 費率
各設定的價格
請逐一核對各項費用與所列條件。每組互為替代選項的設定只套用一種費率。
| 設定 | 費率表 | 應計費數量 | 計費單位 | 費用 |
|---|---|---|---|---|
| 設定基礎 token 費率 | 費率表基本費率 | 應計費數量— | 計費單位— | 費用 輸入 · 輸入 Token — / 1K Token 輸出 · 輸出 Token — / 1K Token 輸入 · 讀取快取 — / 1K Token 輸入 · 寫入快取 — / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定Ultra | 費率表— | 應計費數量每個 Unicode 碼位均計為一個字元，漢字亦同。 | 計費單位每 1K 個輸入字元 | 費用 輸入 · 輸入字元 $0.03 每 1K 個輸入字元 |
參考費率詳情
模型層級的參考費率表不會變更方法選擇、報價或費用。實際計費採用所選 Ailoot 方法的費率。
Microsoft AI: MAI-Voice-2-Flash
各設定的價格
| 設定 | 計費條件 | 費用 |
|---|---|---|
| 設定Microsoft AI: MAI-Voice-2-Flash · 預設設定 | 計費條件預設設定 | 費用 輸入 · 輸入字元數 US$0.00003 每個輸入字元 |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
請求範例
Ailoot Ultra · 語音合成
set -eu
: "${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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o speech.mp3
接收並儲存結果
Ailoot Ultra · 語音合成
mp3
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
其他內容讀取方式
set -eu
: "${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
保留所有已完成的結果
請保留所有完整傳回的回應、檔案與內容區塊。
保留完整的二進位結果與標頭。若回傳 JSON 或多個輸出，請保留所有資料項目，並透過每個實際回傳的已簽署資產 URL 取得內容。
需要檢查原始回應時
保留原始 operation_id/X-Client-Request-ID 以供核對，請勿重新提交；沒有專用的音訊輪詢路由。
回應欄位
| 欄位 | 類型 |
|---|---|
欄位binary audio | 類型bytes |
欄位response headers | 類型headers |
錯誤與後續步驟
| 回應 | 條件 | 下一步 |
|---|---|---|
回應400 · invalid_request_error | 條件必要欄位、素材表示方式或參數值無效 | 下一步提出新的建立請求前，先修正指定欄位。 |
回應server_error | 條件回傳的回應表示該作業或結果需要檢查 | 下一步保留原始回傳的作業／任務 ID、請求標頭與回應；繼續以支援的方式讀取該原始作業。請勿重新提交建立請求。 |
別名
模型別名
Ailoot Ultra microsoft/mai-voice-2-flash
方法路徑別名
請使用上方列出的 API 方法路徑。
相關呼叫用 ID
FAQ · Microsoft AI: MAI-Voice-2-Flash
- 可以使用哪些輸入與結果？
POST /v1/audio/speech·microsoft/mai-voice-2-flash:text→audio- 請求使用哪些欄位？
POST /v1/audio/speech·microsoft/mai-voice-2-flash:model,input,voice,response_format