MiniMax Speech 02 HD
MiniMax
·
tts
·
~500 প্রতি clip
·
4.3
থেকে 3 এই শ্রেণীর ব্যবহারকারী
MiniMax Speech 02 HD হচ্ছে a টেক্সট-টু-স্পিকার যা MiniMax দ্বারা নির্মিত। বাইরের মডেলগুলোর মাধ্যমে পথ নির্ধারণ করা হয়েছে — ~500 টোকেন প্রতি ক্লিপ (আপস্ট্রিম খরচের ৫০% মার্কআপ)।
API ব্যবহার করো
curl -X POST https://api.free.ai/v1/tts/ \
-H "Authorization: Bearer sk-free-..." \
-H "Content-Type: application/json" \
-d '{"model":"premium/minimax/speech-02-hd","text":"hello world"}'প্রায়শই জিজ্ঞাসিত প্রশ্ন
MiniMax Speech 02 HD একটি বিস্তৃত ভাষার পরিসর সমর্থন করে। সঠিক তালিকা ইঞ্জিনের উপর নির্ভর করে; এই পৃষ্ঠায় উপস্থিত ফর্ম যেকোন ধরনের টেক্সট গ্রহণ করে এবং ইঞ্জিন সমর্থিত ভাষায় রেন্ডার করবে। যদি আপনার একটি নির্দিষ্ট ভাষার প্রয়োজন হয়, তবে পূর্ণ মাল্টি-ইঞ্জিন নির্বাচনকারীর জন্য /voice/ দেখুন।
বেশিরভাগ ইঞ্জিন ডিফল্টভাবে নিরপেক্ষ-আমেরিকান ইংরেজি এবং অ-ইংরেজি ভাষার জন্য একটি অঞ্চল-সম্মত উচ্চারণ প্রদর্শন করে। প্রাইম ইঞ্জিন উচ্চারণ বৈচিত্র্য প্রকাশ করতে পারে - তুলনা করার জন্য একটি নমুনা পেস্ট করুন।
SSML সমর্থন ইঞ্জিন দ্বারা পরিবর্তিত হয় । বিরতি, প্রসোডি, এবং গুরুত্বপূর্ণ ট্যাগ অধিকাংশ প্রাইম ইঞ্জিন এবং কিছু স্ব- হোস্ট করা ওদের উপর সম্মানিত হয় । প্লেইন টেক্সট সবসময় কাজ করে — কোন মারকিং প্রয়োজন হয় না ।
/v1/tts/ API endpoint এর মাধ্যমে stream=true এর মাধ্যমে প্রাইম ইঞ্জিনগুলিতে স্ট্রিমিং TTS উপলব্ধ। এই পৃষ্ঠায় ওয়েব UI পূর্ণ ক্লিপটি প্রদর্শন করে যখন রেন্ডারিং শেষ হয়।
MiniMax Speech 02 HD একটি প্রিমিয়াম টিটিএস ইঞ্জিন। এর মূল্য অক্ষর সংখ্যার সাথে বৃদ্ধি পায় - সাধারণত প্রতিটি অক্ষরের জন্য ~৩০ টি টোকেন। $১ এর বিনিময়ে ৭৫০,০০০ টি টোকেন কিনতে পারেন, তাই $৫ এর একটি প্যাক হাজার হাজার অক্ষরকে আচ্ছাদিত করে।
ওয়েব ইউআই-এ প্রতি অনুরোধের জন্য ৫,০০০ অক্ষর পর্যন্ত। দীর্ঘ অংশের জন্য (অডিওবই, পূর্ণ অধ্যায়), /voice/audiobook/ ব্যবহার করুন যা স্বয়ংক্রিয়ভাবে চূর্ণ এবং স্টাইল করা হয়, অথবা একটি লুপ-এ API কল করুন।
হ্যাঁ — /v1/tts/batch/ এ স্ট্রিং এর একটি তালিকা পোস্ট করুন, অথবা /workspace/ এ workspace UI ব্যবহার করে TTS-কে একটি দীর্ঘ পাইপলাইনে সংযুক্ত করুন (যেমন, translate → speak → stitch)।
হ্যাঁ — /v1/tts/ এ POST টেক্সট, যার নাম "MiniMax Speech 02 HD" (অথবা এই পৃষ্ঠায় উল্লেখিত slagg)। ফলাফল হবে WAV অথবা MP3। সম্পূর্ণ রেফারেন্স + SDK স্নিপেট দেখুন /api/।
এই পাতাটি টেক্সট-টু-স্পিকার, শব্দ ক্লোন নয় — শব্দ ইঞ্জিনের ডিফল্ট। শব্দ ক্লোন করার জন্য (অডিও রেফারেন্স আপলোড করা) /voice/clone/ দেখুন, যার জন্য আপনার শব্দের অধিকার থাকা আবশ্যক অথবা স্পষ্ট লিখিত অনুমতি থাকা আবশ্যক।
Self-hosted engines run on Free.ai-owned GPUs; nothing leaves our servers. Premium engines pass text to upstream model providers under our DPA. We do not train on your inputs and do not sell data.
Yes — Free.ai grants commercial use of generated audio. The engine's underlying license (Apache 2.0, MIT, or vendor terms) is shown above and on the model reference page; in practice this means voiceovers, ads, podcasts, and apps are all in-scope.
হ্যাঁ — ব্যর্থ কাজ স্বয়ংক্রিয়ভাবে উৎস (দৈনিক পুল বা পরিশোধিত টোকেন)-এ ফেরত পাঠানো হবে। যদি একই দিনে ফেরত পাঠানো না হয়, তাহলে contact@free.ai-এ ই-মেইল করুন।