MiniMax: Speech 2.8 Turbo

MiniMax: Speech 2.8 Turbo é um modelo de conversão de texto em fala da MiniMax. Situa-se na categoria de fala e foi criado para aplicações que precisam de transformar texto escrito em áudio falado. A MiniMax é o fornecedor por trás do modelo, e o id do modelo na api14 é minimax/speech-2.8-turbo.

O modelo recebe texto como única entrada e produz fala como única saída. Aceita IDs de voz arbitrários da MiniMax, e está disponível um conjunto de vozes em inglês, cobrindo uma ampla variedade de estilos de entrega. Estas incluem vozes de narrador e contador de histórias como English_expressive_narrator e English_CaptivatingStoryteller, vozes de estilo personagem como English_AnimeCharacter e English_Comedian, e muitas opções específicas de tom como English_CalmWoman, English_Whispering_girl, English_MatureBoss, English_SadTeen e English_AssertiveQueen. Não está listado nenhum comprimento de contexto para este modelo, e também não estão listados parâmetros de pedido suportados, por isso trate-o como um endpoint focado numa única finalidade em vez de um modelo de texto geral.

Como a saída é áudio gerado a partir de texto, os usos práticos decorrem diretamente disso. Pode narrar artigos, histórias ou documentação, dar a um produto ou assistente uma persona falada consistente escolhendo uma voz correspondente, produzir diálogo de personagens para jogos ou animação com vozes como English_AnimeCharacter ou English_PassionateWarrior, e gerar leituras calmas, tranquilizadoras ou autoritárias para conteúdos de formação, integração ou apoio. A amplitude da lista de vozes significa que o mesmo texto pode ser reproduzido em registos muito diferentes sem alterar nada além do ID da voz.

Chama o modelo através da API compatível com OpenAI da api14 usando o id de modelo minimax/speech-2.8-turbo. Como a interface é compatível com OpenAI, pode apontar bibliotecas de cliente OpenAI existentes para o URL base da api14 e enviar um pedido na forma habitual, com o id do modelo no campo model e o seu texto como input. A resposta contém a fala gerada. Não estão listados parâmetros suportados para este modelo, por isso mantenha os pedidos simples e baseie-se no id do modelo e na seleção da voz em vez de assumir que existem opções extra de afinação.

Uma coisa a ter em conta é o âmbito. Este modelo só aceita texto e só devolve fala, por isso não é a escolha certa para transcrição, tradução, raciocínio ou qualquer tarefa que precise de uma resposta em texto. Se precisar de um modelo que leia áudio ou devolva saída escrita, outro modelo na api14 será mais adequado. Dentro do seu campo, o Speech 2.8 Turbo é a opção a escolher quando o resultado é áudio falado.