MiniMax: Speech 2.8 Turbo

MiniMax: Speech 2.8 Turbo es un modelo de texto a voz de MiniMax. Se sitúa en la categoría de voz y está diseñado para aplicaciones que necesitan convertir texto escrito en audio hablado. MiniMax es el proveedor detrás del modelo, y el id del modelo en api14 es minimax/speech-2.8-turbo.

El modelo toma texto como su única entrada y produce voz como su única salida. Acepta IDs de voz arbitrarios de MiniMax, y hay disponible un conjunto de voces en inglés, que cubre una amplia variedad de estilos de interpretación. Estas incluyen voces de narrador y contador de historias como English_expressive_narrator y English_CaptivatingStoryteller, voces de estilo de personaje como English_AnimeCharacter y English_Comedian, y muchas opciones específicas de tono como English_CalmWoman, English_Whispering_girl, English_MatureBoss, English_SadTeen y English_AssertiveQueen. No hay una longitud de contexto listada para este modelo, y tampoco hay parámetros de solicitud admitidos listados, así que trátalo como un endpoint enfocado de un solo propósito en lugar de un modelo de texto general.

Debido a que la salida es audio generado a partir de texto, los usos prácticos se derivan directamente de eso. Puedes narrar artículos, historias o documentación, dar a un producto o asistente una persona hablada consistente eligiendo una voz que coincida, producir diálogo de personajes para juegos o animación con voces como English_AnimeCharacter o English_PassionateWarrior, y generar lecturas tranquilas, reconfortantes o autoritarias para contenido de capacitación, incorporación o soporte. La amplitud de la lista de voces significa que el mismo texto se puede interpretar en registros muy diferentes sin cambiar nada más que el ID de la voz.

Llamas al modelo a través de la API compatible con OpenAI de api14 usando el id del modelo minimax/speech-2.8-turbo. Debido a que la interfaz es compatible con OpenAI, puedes apuntar las bibliotecas de cliente de OpenAI existentes a la URL base de api14 y enviar una solicitud en la forma habitual, con el id del modelo en el campo model y tu texto como la entrada. La respuesta contiene la voz generada. No hay parámetros admitidos listados para este modelo, así que mantén las solicitudes simples y confía en el id del modelo y la selección de voz en lugar de asumir que existen opciones de ajuste adicionales.

Una cosa a tener en cuenta es el alcance. Este modelo solo acepta texto y solo devuelve voz, por lo que no es la opción correcta para transcripción, traducción, razonamiento o cualquier tarea que necesite una respuesta de texto de vuelta. Si necesitas un modelo que lea audio o devuelva salida escrita, otro modelo en api14 encajará mejor. Dentro de su carril, Speech 2.8 Turbo es la opción a la que recurrir cuando el entregable es audio hablado.