हम cookies इस्तेमाल करते हैं. Cookies और ब्राउज़र स्टोरेज आपको साइन इन रखते हैं और आपकी प्राथमिकताएं याद रखते हैं। आपकी अनुमति से हम यह भी मापते हैं कि साइट कैसे इस्तेमाल होती है। आप कभी भी । हमारी cookie नीति देखें।

Microsoft AI: MAI-Voice-2-Flash

microsoft/mai-voice-2-flash

स्पीचइनपुट: text23 जुल॰ 2026 को जोड़ा गया

playground में खोलें Microsoft AI: MAI-Voice-2-Flash के लिए API key पाएं

Microsoft AI: MAI-Voice-2-Flash अभी आज़माएं

ऊपर दी गई कीमतों पर आपके बैलेंस से चलता है। नए अकाउंट मुफ्त उपयोग से शुरू होते हैं।

इसे इस्तेमाल करने के लिए साइन इन करेंमुफ्त अकाउंट बनाएं

टेक्स्ट42 · कई वक्ता (हर पंक्ति में एक बारी, आवाज़: पाठ)

input_references

अटैच करें0/3

reference_transcript

नतीजे यहां दिखेंगे।

आज 5 में से 5 मुफ्त मैसेज बाकी, मुफ्त अकाउंट से अतिरिक्त मुफ्त उपयोग और API key मिलती है।मुफ्त अकाउंट बनाएं साइन इनसेशन लागत $0.00

Microsoft AI: MAI-Voice-2-Flash एक नज़र में

इनपुट कीमत 34 स्पीच मॉडल के मीडियन के करीब है।

Microsoft AI: MAI-Voice-2-Flash के बारे में

MAI-Voice-2-Flash, Microsoft AI का एक टेक्स्ट-टू-स्पीच मॉडल है, जिसे प्रदाता ने 23 जुलाई 2026 को जारी किया था। यह स्पीच श्रेणी में आता है और विशेष रूप से कम विलंबता वाली वॉइस जनरेशन के लिए बनाया गया है, जो इसे वॉइस एजेंट, सहायक, कॉल सेंटर, एक्सेसिबिलिटी टूल और नैरेशन जैसे कार्यभार के उसी परिवार में रखता है, न कि सामान्य-उद्देश्य वाले टेक्स्ट या विज़न क्षेत्र में। यदि आप ऐसा कुछ भी बना रहे हैं जिसमें लिखित इनपुट को वास्तविक समय में बोले गए आउटपुट में बदलना है, तो यह उस प्रकार का मॉडल है जिसे Microsoft आपके उपयोग के लिए इच्छित मानता है।

मॉडल अपने एकमात्र इनपुट के रूप में टेक्स्ट लेता है और अपने एकमात्र आउटपुट के रूप में स्पीच उत्पन्न करता है। यह जो स्पीच उत्पन्न करता है वह अभिव्यक्तिपूर्ण, 24 kHz मोनो ऑडियो है, जो इंटरैक्टिव अनुप्रयोगों के लिए गुणवत्ता का एक उचित स्तर है, जहाँ स्टूडियो-स्तरीय प्रोडक्शन की तुलना में स्पष्टता और स्वाभाविक गति अधिक मायने रखती है। प्रदाता 15 भाषाओं में कवरेज का वर्णन करता है, और उपयोग के लिए चार वॉइस उपलब्ध कराई गई हैं: en-US-Harper, es-MX-Valeria, fr-FR-Soleil और de-DE-Klaus, सभी MAI-Voice-2 वॉइस परिवार के अंतर्गत। इस मॉडल के लिए कोई कॉन्टेक्स्ट लंबाई प्रकाशित नहीं है, इसलिए प्रॉम्प्ट के आकार को किसी प्रलेखित सीमा के रूप में मानने के बजाय अपने स्वयं के इनपुट के विरुद्ध जाँचने वाली चीज़ मानें।

व्यावहारिक उपयोग इसी आकार से सीधे निकलते हैं। एक वॉइस एजेंट या सहायक आपकी पाइपलाइन से टेक्स्ट प्रतिक्रिया ले सकता है और उसे कम विलंबता के साथ उपयोगकर्ता को वापस बोल सकता है, यही अंतर है एक ऐसी बातचीत के बीच जो उत्तरदायी लगती है और एक ऐसी बातचीत के बीच जो टूटी हुई लगती है। कॉल सेंटर और IVR प्रवाह पहले से रिकॉर्ड किए गए क्लिप की एक निश्चित लाइब्रेरी पर निर्भर रहने के बजाय प्रॉम्प्ट, पुष्टिकरण और गतिशील प्रतिक्रियाएँ तुरंत उत्पन्न कर सकते हैं। एक्सेसिबिलिटी टूल चुनी गई भाषा और वॉइस में सामग्री को ज़ोर से पढ़ सकते हैं। शॉर्ट-फ़ॉर्म या इंटरैक्टिव सामग्री के लिए नैरेशन भी व्यवहार्य है, हालाँकि सूचीबद्ध चार वॉइस और 24 kHz मोनो आउटपुट उस सीमा को परिभाषित करते हैं जिसके भीतर आप काम कर रहे हैं।

आप इसे api14 के OpenAI-संगत API के माध्यम से मॉडल आईडी "microsoft/mai-voice-2-flash" का उपयोग करके कॉल करते हैं। चूँकि एंडपॉइंट OpenAI स्कीमा का पालन करता है, आप एक मौजूदा OpenAI क्लाइंट को api14 की ओर इंगित कर सकते हैं और सामान्य तरीके से अनुरोध भेज सकते हैं, जिसमें मॉडल आईडी model फ़ील्ड के रूप में और आपका टेक्स्ट input के रूप में होता है। मॉडल उसके अलावा कोई समर्थित अनुरोध पैरामीटर नहीं बताता, इसलिए कॉन्फ़िगर करने के लिए कोई प्रलेखित सैंपलिंग, temperature या समान ट्यूनिंग सतह नहीं है। वॉइस चयन मुख्य नियंत्रण है जो आपके पास है, जो ऊपर सूचीबद्ध चार वॉइस से लिया गया है। वर्तमान दरों के लिए पृष्ठ पर लाइव मूल्य तालिका देखें।

प्रतिबद्ध होने से पहले ध्यान देने योग्य एक सीमा: यह मॉडल केवल स्पीच आउटपुट देता है, इसलिए यह टेक्स्ट, संरचित डेटा या छवियाँ वापस नहीं करेगा, और यह ट्रांसक्रिप्शन या स्पीच-टू-टेक्स्ट कार्य के लिए उपयुक्त नहीं है। यदि आपका कार्य लिखित सामग्री उत्पन्न करना, दस्तावेज़ों पर तर्क करना या मल्टीमॉडल इनपुट संभालना है, तो टेक्स्ट या विज़न मॉडल बेहतर विकल्प है। हालाँकि अपनी सीमा के भीतर, MAI-Voice-2-Flash Microsoft द्वारा प्रकाशित भाषाओं और वॉइस में विलंबता-संवेदनशील स्पीच जनरेशन के लिए एक केंद्रित विकल्प है।

Microsoft AI: MAI-Voice-2-Flash API कैसे कॉल करें

अपने dashboard में API key बनाएं।
अपनी भाषा के लिए आधिकारिक openai SDK इंस्टॉल करें।
baseURL को https://api14.com/api/v1 और model को "microsoft/mai-voice-2-flash" पर सेट करें।

import { writeFile } from "node:fs/promises";
import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://api14.com/api/v1",
  apiKey: process.env.API14_API_KEY,
});

const audio = await client.audio.speech.create({
  "model": "microsoft/mai-voice-2-flash",
  "input": "Hello from api14! One API for every model.",
  "voice": "alloy",
  "response_format": "mp3"
});
await writeFile("speech.mp3", Buffer.from(await audio.arrayBuffer()));

स्पेसिफिकेशन

इनपुट: text
आउटपुट: speech
आवाज़ें: 4

api14 पर requests · पिछले 7 दिन

Microsoft AI: MAI-Voice-2-Flash: अक्सर पूछे जाने वाले सवाल

Microsoft AI: MAI-Voice-2-Flash API की कीमत कितनी है?: Microsoft AI: MAI-Voice-2-Flash की कीमत अक्षर $52.50 / 1M अक्षर है। शुल्क आपके USD बैलेंस से सिर्फ सफल requests के लिए कटता है; फेल हुई requests मुफ्त हैं।
Microsoft AI: MAI-Voice-2-Flash क्या कर सकता है?: Microsoft AI: MAI-Voice-2-Flash text स्वीकार करता है और speech लौटाता है।
अपने कोड से Microsoft AI: MAI-Voice-2-Flash कैसे कॉल करूं?: किसी भी OpenAI SDK को https://api14.com/api/v1 पर पॉइंट करें और model को "microsoft/mai-voice-2-flash" पर सेट करें, कोड में और कोई बदलाव नहीं। इस पेज के कोड पैनल से तैयार उदाहरण कॉपी करें।
Microsoft AI: MAI-Voice-2-Flash के विकल्प क्या हैं?: मिलती-जुलती कीमत वाले स्पीच मॉडल: HeyGen: HeyGen Voice, Microsoft AI: MAI-Voice-2.1-Flash, Fish Audio: S1। सभी एक ही API key से चलते हैं, इसलिए बदलना बस एक string बदलना है।

Microsoft AI: MAI-Voice-2-Flash कम्युनिटी

नया टॉपिक

इस कम्युनिटी में अभी कोई टॉपिक नहीं है। Microsoft AI: MAI-Voice-2-Flash के बारे में पहला टॉपिक खोलें।