MiniMax Speech 02 HD
MiniMax
·
tts
·
~500 टोकन प्रति clip
·
4.6
पासून 5 या विभागातील वापरकर्ता
MiniMax Speech 02 HD हे a आहे पाठ्य- ते- वक्तव्य आवाजName MiniMax द्वारे बनवलेले आहे. Routed through external models — ~500 tokens प्रति क्लिप (50% markup over upstream cost).
API द्वारे वापरा
OpenAI-सुसंगत REST API. किल्ली निर्माण करा व सेकंदांमध्ये हे मॉडेल कॉल करा.
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"}'सारखे नमूने
वारंवार विचारले जाणारे प्रश्न
MiniMax Speech 02 HD भाषांची एक विस्तृत यादी समर्थित करते. सखोल यादी इंजिनवर अवलंबून असते; या पानावरील फॉर्म कोणत्याही पाठ्य स्वीकारतो व इंजिन समर्थित भाषांमध्ये रेंडरिंग करेल. तुम्हाला विशिष्ट भाषा हवी असल्यास पूर्ण बहु-इंजिन निवडक करीता /voice/ पहा.
बहुतेक इंजिन मुलभूतरित्या न्युट्रल- अमेरिकन इंग्रजी व इंग्रजी नसून इतर भाषांसाठी क्षेत्र- योग्य उच्चारण दर्शवितात. प्रीमियम इंजिन उच्चारण रूपे दर्शवू शकतात - तुलना करीता नमुना चिकटवा.
SSML समर्थन इंजिन नुसार बदलते. पॅसेज, प्रोसोडी, व जोर टॅग सर्वात प्रीमियम इंजिन व काही स्वयं- यजमानांवर मानले जातात. सादा पाठ्य नेहमीच कार्य करते - मार्कअपची आवश्यकता नाही.
स्ट्रीमिंग TTS प्रीमियम इंजिनवर /v1/tts/ API endpoint द्वारे stream=true सह उपलब्ध आहे. या पानावरील वेब UI रेंडरिंग पूर्ण झाल्यानंतर संपूर्ण क्लिप परत करतो.
MiniMax Speech 02 HD हे प्रीमियम TTS इंजिन आहे. अक्षरसंख्येनुसार खर्च वाढतो - साधारणपणे ~30 टोकन प्रति अक्षर, तुम्ही निर्माण करण्यापूर्वी प्रत्यक्ष दर्शविले जाते. स्वतः-होस्ट केलेले आवाज तुमच्या 30,000-टोकन दैनंदिन पूलवर मोफत चालतात; प्रीमियम मॉडेल वापराप्रमाणे मोजले जातात, $1 पासून टॉप-अपसह.
वेब UI वर प्रति विनंती 5,000 अक्षरांपर्यंत. लांब भागांसाठी (ऑडिओबुक, पूर्ण अध्याय), /voice/audiobook/ वापरा जे स्वयंचलितपणे तुकडे आणि स्टिच करते, किंवा loop मध्ये API ला कॉल करा.
या योजनेत, 1/3 भाग (1/3) साठी, 1/3 भाग (1/3) साठी, 1/3 भाग (1/3) साठी, 1/3 भाग (1/3) साठी, 1/3 भाग (1/3) साठी, 1/3 भाग (1/3) साठी, 1/3 भाग (1/3) साठी, 1/3 भाग (1/3) साठी, 1/3 भाग (1/3) साठी, 1/3 भाग (1/3) साठी, 1/3 भाग (1/3) साठी, 1/3 भाग (1/3) साठी, 1/3 भाग (1/3) साठी, 1/3 भाग (1/3) साठी, 1/3 भाग (1/3) साठी, 1/3 भाग (1/3) साठी, 1/3 भाग (1/3) साठी, 1/3 भाग (1/3) साठी, 1/3 भाग (1/3) साठी, 1/3 भाग (1/3) साठी, 1/3 भाग (1/3) साठी, 1/3 भाग (1/3) साठी, 1/3 भाग (1/3) साठी, 1/3 भाग (1/3) साठी, 1/3 भाग (1/3) साठी, 1/3 भाग (1/3) साठी, 1/3 भाग (1/3) साठी, 1/3 भाग (1/3) साठी, 1/3 भाग (1/3) साठी, 1/3 भाग (1/3) साठी, 1/3 भाग (1/3) साठी, 1/3 भाग (1/3) साठी, 1/3 भाग (1/3) साठी, 1/3 भाग (1/3) साठी, 1/3 भाग (1/3) साठी, 1/3 भाग (1/3) साठी, 1/3 भाग (1/3) साठी, 1/3 भाग (1/3) साठी, 1/3 भाग (1/3) साठी
होय — /v1/tts/ वर POST पाठ्य मॉडेल="MiniMax Speech 02 HD" (किंवा या पानावरील slug) सह. WAV किंवा MP3 परत करते. पूर्ण संदर्भ + SDK स्निपेट्ससाठी /api/ पहा.
हे पान पाठ्य-आणि-भाषण आहे, आवाज क्लोन नाही - आवाज हे इंजिनचे मुलभूत आहे. आवाज क्लोन करीता (संदर्भ ऑडिओ अपलोड करणे), /voice/clone/ पहा, ज्यास तुम्हाला आवाज अधिकार किंवा स्पष्ट लिखित परवानगी आवश्यक आहे.
स्वयं- होस्ट केलेले इंजिन Free.ai- मालकीचे GPU वर चालविले जाते; आमचे सर्वर सोडून काहीही जात नाही. प्रीमियम इंजिन आमच्या DPA अंतर्गत upstream मॉडेल पुरवठादारांना पाठ्य पाठवतात. आम्ही तुमच्या इनपुटवर प्रशिक्षण देत नाही आणि माहिती विकत घेत नाही.
होय — Free.ai निर्मित ऑडिओचा व्यावसायिक वापर करण्यास परवानगी देते. इंजिनची अंतर्गत परवाना (Apache 2.0, MIT, किंवा विक्रेता नियम) वरील आणि मॉडेल संदर्भ पानावर दर्शविले आहे; याचा अर्थ असा आहे की, आवाज, जाहिरात, पॉडकास्ट, आणि अनुप्रयोग सर्व क्षेत्रात आहेत.
होय — अपयशी कामांना स्त्रोताकडे (दिवसभराचा पूल किंवा मोजलेले टोकन) स्वचलित परतफेड करा. जर परतफेड त्याच दिवशी दिसली नाही तर, contact@free.ai या इमेलवर पाठवा.