MiniMax: Speech 2.8 Turbo

MiniMax: Speech 2.8 Turbo är en text till tal modell från MiniMax. Den tillhör kategorin tal och är byggd för applikationer som behöver omvandla skriven text till talat ljud. MiniMax är leverantören bakom modellen, och modell-id:t på api14 är minimax/speech-2.8-turbo.

Modellen tar text som sin enda indata och producerar tal som sin enda utdata. Den accepterar godtyckliga MiniMax röst-id:n, och en uppsättning engelska röster finns tillgängliga, som täcker en bred variation av framförandestilar. Dessa inkluderar berättar- och sagoberättarröster som English_expressive_narrator och English_CaptivatingStoryteller, karaktärsstilsröster som English_AnimeCharacter och English_Comedian, samt många tonspecifika alternativ som English_CalmWoman, English_Whispering_girl, English_MatureBoss, English_SadTeen och English_AssertiveQueen. Ingen kontextlängd anges för denna modell, och inga stödda begärandeparametrar listas heller, så betrakta den som en fokuserad specialiserad slutpunkt snarare än en allmän textmodell.

Eftersom utdata är ljud som genereras från text, följer de praktiska användningsområdena direkt av detta. Du kan berätta artiklar, berättelser eller dokumentation, ge en produkt eller assistent en konsekvent talad persona genom att välja en matchande röst, producera karaktärsdialog för spel eller animering med röster som English_AnimeCharacter eller English_PassionateWarrior, och generera lugna, lugnande eller auktoritativa uppläsningar för utbildnings-, introduktions- eller supportinnehåll. Bredden i röstlistan innebär att samma text kan framföras i mycket olika register utan att ändra något annat än röst-id:t.

Du anropar modellen via api14:s OpenAI-kompatibla API med modell-id:t minimax/speech-2.8-turbo. Eftersom gränssnittet är OpenAI-kompatibelt kan du peka befintliga OpenAI-klientbibliotek mot api14:s bas-URL och skicka en begäran i vanlig form, med modell-id:t i fältet model och din text som input. Svaret innehåller det genererade talet. Inga stödda parametrar listas för denna modell, så håll begäranden enkla och förlita dig på modell-id:t och röstvalet snarare än att anta att extra justeringsalternativ finns.

En sak att ha i åtanke är omfattningen. Denna modell accepterar endast text och returnerar endast tal, så den är inte rätt val för transkription, översättning, resonemang eller någon uppgift som behöver ett textsvar tillbaka. Om du behöver en modell som läser ljud eller returnerar skriftlig utdata passar en annan modell på api14 bättre. Inom sitt område är Speech 2.8 Turbo alternativet att välja när leveransen är talat ljud.