Microsoft AI: MAI-Voice-2
Microsoft AI 的 MAI-Voice-2 可為旁白、對話及語音應用程式，生成富有表現力的多語言語音。長篇一致性、多位說話者，以及輪次層級的情緒控制，可用於有聲書、課程與角色聲音。
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 是 Microsoft AI 透過提示控制的文字轉語音模型，用於自然、富有表現力的語音內容。製造商著重聲學保真度、說話者一致性及情感幅度。文件列出的任務包括助理、有聲書、Podcast、講座、教學角色，以及無障礙旁白。發話文稿會轉為所選聲音的音訊；若互動優先考量即時回應，Voice-2-Flash 變體則有自己的模型介紹。
語言與說話者
Microsoft 的 Voice-2 發布資料描述 15 種語言，包括英語、法語、德語、義大利語、西班牙語、葡萄牙語、印地語、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。部分語言有不同的地區變體。發布資料也描述印地語與英語、西班牙語與英語之間的語碼切換，因此適用的混合語言段落可保留說話者自然交替使用語言的方式。
請準備實際要說出的詞句，並保留預定語言。雙語教學段落可以用一種語言引介術語，再用另一種語言解釋，同時完整保留名稱與引述。應依作品需要的口音與聽眾檢查語音結果，而非將每個地區設定視為可互換。
模型卡提供經挑選的聲音庫，以及獨立的參考聲音提示途徑。參考語音能在無須微調的情況下指定預定說話者的聲音身分。Microsoft 建議採活力適中的自然對話方式，因為錄音會影響節奏與說話方式。任務需要自訂聲音時，請使用具有代表性且已取得同意的錄音。
較長旁白與對話
模型卡記載透過分塊與上下文延續進行長篇生成。這可支援章節、課程或一連串 Podcast 段落等連貫旁白。請在有意義的段落邊界分割文稿，並維持術語與說話者選擇一致。長篇說明可使用口語轉場，告訴聽眾主題何時改變。
多位說話者支援可在準備好的對話中安排不同角色。請將問題與回應分配給預定說話者，並在角色再次出現時維持分配。輸入應包含最終台詞及相關表演指示，而非開放式地要求語音合成器自行創作對話。
口吻與情感表達
Microsoft 記載細緻的輪次層級口吻、說話方式與情緒控制。其發布範例示範富有表現力的口語角色與情感段落。敘事時，先判斷哪些句子是陳述事實、反思或興奮，再採用符合意義的表達方式。例如：「實驗中最安靜的部分，結果最能揭示真相。規律就是在那裡首次變得清楚。」這些措辭為表演提供有意圖的強調變化。
製作教學配音時，應讓動作清楚，並將解釋另寫成一句。對話中則要區分角色台詞與場景備註。請試聽反覆出現的名稱及段落轉換，讓最後的音訊序列維持連貫。
使用音訊
輸出是根據輸入文稿新生成的語音。實用形式是聲音及表達方式符合文稿的旁白、對話或應用程式語音回應。請將文字、說話者及段落順序與錄音建立關聯，讓修正可針對預定段落進行，而不會遺失其他部分的演出。
MAI-Voice-2 著重較長聆聽體驗中的自然度與表現力。其長篇能力並未定義無限輸入或保證最長錄音時間。Voice-2 的確切介紹應與後續 Voice-2.1 各版本擴充的語言目錄及聲音設定區分。
Ailoot Ultra · 語音合成 POST /v1/audio/speech microsoft/mai-voice-2
microsoft/mai-voice-2入門
Microsoft AI 的 MAI-Voice-2 可為旁白、對話及語音應用程式，生成富有表現力的多語言語音。長篇一致性、多位說話者，以及輪次層級的情緒控制，可用於有聲書、課程與角色聲音。
- 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 | 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 $0.044 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
各設定的價格
| 設定 | 計費條件 | 費用 |
|---|---|---|
| 設定Microsoft AI: MAI-Voice-2 · 預設設定 | 計費條件預設設定 | 費用 輸入 · 輸入字元數 US$0.000044 每個輸入字元 |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
請求範例
Ailoot Ultra · 語音合成
set -eu
: "${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", "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
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
- 可以使用哪些輸入與結果？
POST /v1/audio/speech·microsoft/mai-voice-2:text→audio- 請求使用哪些欄位？
POST /v1/audio/speech·microsoft/mai-voice-2:model,input,voice,response_format