Microsoft AI: MAI-Voice-2.1

MAI-Voice-2.1 هو نموذج تحويل النص إلى كلام من Microsoft، مُدرج تحت اسم Microsoft AI. يقع في فئة الكلام، وهو نموذج تحويل النص إلى كلام الأعلى دقة والأكثر تعبيراً لدى Microsoft وفقاً لوصف المزوّد. إذا كان تطبيقك يحتاج إلى تحويل النص المكتوب إلى صوت منطوق، فهذه هي عائلة النماذج التي يضعها Microsoft لهذه المهمة، وهي متاحة على api14 إلى جانب نماذج الكلام الأخرى.

يأخذ النموذج النص كمدخل وحيد له ويعيد الكلام كمخرج وحيد له. يغطي 23 لغة، وتُظهر قائمة الأصوات اتساع هذا التغطية: التشيكية، والدنماركية، والألمانية، والإنجليزية الأسترالية والبريطانية والهندية والأمريكية، والإسبانية من إسبانيا والمكسيك، والفنلندية، والفرنسية، والفرنسية الكندية، والهندية، والهنغارية، والإندونيسية، والإيطالية، والكورية، والنرويجية بوكمال، والهولندية، والبولندية، والبرتغالية البرازيلية والأوروبية، والرومانية، والروسية، والسويدية، والتايلاندية، والتركية، والفيتنامية، والصينية. تتضمن عدة لغات أصواتاً متعددة مُسمّاة، لذا يمكنك اختيار متحدث محدد بدلاً من قبول الوضع الافتراضي. يصف المزوّد المخرج بأنه كلام طبيعي بمستوى الاستوديو مع نبرة مفصّلة وتعبيرية دقيقة واتساق في المتحدث عبر المحتوى الطويل. لم يُنشر طول السياق لهذا النموذج، وهو لا يكشف عن أي معاملات طلب مدعومة.

تتبع الاستخدامات العملية تلك السمات. السرد الطويل مناسب تماماً، لأن اتساق المتحدث يُحافظ عليه عبر المحتوى الممتد، وهو أمر مهم للكتب الصوتية ودورات التعلم الإلكتروني والوثائق المقروءة بصوت عالٍ. تناسب مجموعة الأصوات واللغات التوطين، حيث يُقدَّم النص نفسه في عدة أسواق بمتحدثين مختلفين. تساعد النبرة التعبيرية في الواجهات الحوارية والتعليقات الصوتية وأدوات القراءة المساعدة حيث يبدو الأداء الرتيب غير مناسب. ولأن المدخل نص عادي، يمكنك توليد الكلام من المحتوى الذي ينتجه نظامك بالفعل، مثل المقالات أو إجابات الدعم أو الإشعارات.

لاستدعائه عبر api14، استخدم معرّف النموذج "microsoft/mai-voice-2.1" عبر نقطة النهاية المتوافقة مع OpenAI، بالطريقة نفسها التي تستدعي بها أي نموذج آخر على البوابة. ترسل النص وتختار صوتاً من القائمة، على سبيل المثال en-US-Harper:MAI-Voice-2.1 أو de-DE-Klaus:MAI-Voice-2.1، وتكون الاستجابة صوت كلام. لا يُبلّغ النموذج عن أي معاملات طلب مدعومة، لذا لا توجد مقابض لأخذ العينات أو التوليد لضبطها؛ اختيار الصوت والنص المُدخل هما ما يشكّل النتيجة. تحقق من جدول الأسعار المباشر على الصفحة للحصول على الأسعار الحالية قبل الالتزام بأي عبء عمل.

هناك حد واحد جدير بالملاحظة وهو النطاق. ينتج هذا النموذج الكلام من النص فقط. لا يقبل مدخلات صوتية، لذا فإن النسخ أو ترجمة الصوت المنطوق أو التحويل من كلام إلى كلام خارج ما يفعله، وستحتاج إلى نموذج مختلف لتلك المهام. كما أنه لا يولّد نصاً، لذا لن يحل محل نموذج محادثة أو إكمال في خط سير المعالجة. إذا كان متطلبك هو إخراج نص أو فهم صوتي بدلاً من توليد صوتي، فابحث في مكان آخر على api14.