speech-2.6-hd
Speech 2.6 HD 是高品質語音合成模型，著重自然表現與語音相似度。
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。
互動中的自然語音
Speech 2.6 HD 用於自然語音合成，以及需要快速開始回覆的情境。廠商重視語調、語音流暢度與發聲前的文字處理。HD 版本著重音質；這份模型說明的輸入為文字，輸出為語音音訊。
朗讀特殊的書寫形式
Speech 2.6 世代能處理工作訊息中常見的書寫形式，包括網址、電子郵件、電話號碼、日期與金額。模型將它們轉成可發音的形式，讓台詞容易透過聆聽理解。廠商描述了多種語言中的這些用途。
流暢語音與音色維持
Speech 2.6 提供提升流暢度的 Fluent LoRA 模式。它以準備好的語音進行合成，協助保持音色並產生更連貫的語音，即使來源範例不平順或帶有口音。準備複製語音，與在配音時使用它，是不同的動作。
模型支援 40 種語言，包括俄文。除了七種基礎情緒，Speech 2.6 另提供流暢語音 fluent 與耳語 whisper。若未指定情緒，模型會依文字意義選擇。
發聲設定
MiniMax 提供語音選擇，以及語速、音量與音高控制。速度範圍為 0.5–2，音量大於 0 且最高為 10，音高調整為 −12 到 12。情緒可由模型依文字選擇，也可手動指定喜悅、悲傷、憤怒、恐懼、厭惡、驚訝或平靜。
發音可透過替換詞典及音標調整，支援國際音標、漢語拼音與日文讀法。發聲片段之間可設定 0.01–99.99 秒的停頓，時長精確到小數點後兩位；標記放在發聲片段之間，不可連續放置。這些設定可讓名字、縮寫與多義詞的發音符合配音需求。
文字與音訊長度
合成接受少於 10 000 個字元的文字。超過 3000 個字元時，廠商建議串流輸出，也提供完整音訊的取得方式。一般合成設定包含 MP3、PCM、FLAC、WAV、Opus 與 G.711 μ-law，以及單聲道或立體聲；具體請求的可用格式由 Ailoot 提供的功能決定。
MiniMax 表示，這個世代著重語音情境中的低延遲。這描述的是模型；個別回覆時間與進階設定是否可用，取決於 Ailoot 採用的呼叫方式。
其他音訊設定包括 8、16、22.05、24、32 與 44.1 kHz 的取樣率。MP3 可選 32、64、128 或 256 kbit/s 位元率。也可調整音色，並使用一種效果：寬闊回音、廳堂回音、電話音色或機器人語音。完整取得音訊時，變聲效果支援 MP3、WAV 與 FLAC；串流則只支援 MP3。G.711 μ-law 使用 8 kHz。這些功能屬於 MiniMax 的合成設定。
廠商提供語音與文字同步，可回傳句子、字詞或逐步輸出字詞的時間標記，協助將發聲與文字顯示對齊。這項額外功能需要相應回覆格式支援。
Ailoot · 語音合成 POST /v1/audio/speech speech-2.6-hd
speech-2.6-hd入門
Speech 2.6 HD 是高品質語音合成模型，著重自然表現與語音相似度。
- 接受的輸入
- 文字
- 結果
- speech
Ailoot 可用 · 輸入與方法
Ailoot · 語音合成 POST /v1/audio/speech
- 輸入
text- 輸出
speech- 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 speech-2.6-hd | 預設值— |
欄位input | 類型string | 要求必填 | 值與限制 長度下限: 1 長度上限（不含上限值）: 10,000 單位: Unicode 字元 | 預設值— |
欄位voice | 類型string | 要求必填 | 值與限制 模式: ^[A-Za-z0-9_-]{1,128}$ | 預設值— |
欄位response_format | 類型string | 要求選填 | 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material_types | 規格text |
參數required | 規格null |
參數optional_controls | 規格null |
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}
方法結構與 ID 均為精確值；供應商能力與准入狀態分開。
方案
Ailoot 方法費率
POST /v1/audio/speech- 輸入
- US$100.00 每 1 百萬字元
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
請求範例
Ailoot · 語音合成
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 narration script}"
export AILOOT_TEXT_FILE
: "${AILOOT_VOICE_ID:?Set the actual accepted voice ID for this model}"
export AILOOT_VOICE_ID
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "speech-2.6-hd", "input": ""}')
f=Path(os.environ["AILOOT_TEXT_FILE"])
if not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")
text=f.read_text(encoding="utf-8")
if not text.strip():raise SystemExit("Source material must contain text")
p["input"]=text
import re
voice=os.environ["AILOOT_VOICE_ID"]
if not re.fullmatch(r"[A-Za-z0-9_-]{1,128}",voice):raise SystemExit("Set an actual accepted voice ID")
p["voice"]=voice
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 · 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}
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 speech-2.6-hd
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 · speech-2.6-hd
- 可以使用哪些輸入與結果？
POST /v1/audio/speech·speech-2.6-hd:text→speech- 請求使用哪些欄位？
POST /v1/audio/speech·speech-2.6-hd:model,input,voice,response_format