Speech 02 Turbo
Rede Neural
Speech 02 Turbo é um modelo de síntese de fala para narração de texto com entrega emocional e baixa latência.
Especificações
- Entrada
- texto
- Saída
- áudio
- Número de vozes
- 12
Custo do prompt
(por 1M tokens)
Como funciona Speech 02 Turbo?
Speech 02 Turbo é um modelo de classe text-to-audio: ele transforma descrições de texto em fala, transmite emoções e entonações e suporta vários idiomas. Foi projetado para baixa latência, sendo ideal onde a narração é necessária quase instantaneamente: assistentes de voz, cenários de diálogo e serviços interativos. No BotHub, o Speech 02 Turbo está disponível sem VPN ou cartão internacional; você paga com cartão russo em rublos apenas pelo uso real dos tokens, que não expiram. Com mais de 250 redes neurais em uma única janela, é fácil combinar a narração com modelos de texto e imagem. A API compatível com OpenAI permite integrar a síntese de fala ao seu produto e substituir o modelo sem reescrever a integração. As solicitações são criptografadas com AES-GCM, e empresas têm acesso a contratos, faturas, EDI e painel administrativo com limites. Tarefas típicas incluem narração de cursos e vídeos, diálogos para jogos e chatbots, versões em áudio de artigos e newsletters, notificações de voz em aplicativos e protótipos de interface com fala viva.Perguntas frequentes sobre Speech 02 Turbo
Você pode usar os resultados da geração para fins comerciais. Todos os direitos sobre o conteúdo criado pertencem a você. A única restrição: certifique-se de que a solicitação não inclua materiais de terceiros protegidos por direitos autorais. A responsabilidade pelo cumprimento dos direitos sobre os dados de entrada é do usuário.
É um modelo de síntese de fala da MiniMax: você envia texto e recebe a narração pronta. Adequado para narrar vídeos e Reels, versões em áudio de artigos, respostas de voz em bots e serviços, materiais educacionais, podcasts e comerciais. Funciona no BotHub a partir da Rússia sem VPN ou cartão internacional.
Na saída, você obtém uma faixa de áudio sintetizada a partir do texto enviado — você pode baixá-la imediatamente e inseri-la na edição ou enviá-la para seu aplicativo. O comprimento de uma solicitação é limitado a um contexto de 4095 tokens, portanto, é mais conveniente narrar roteiros longos em partes por blocos semânticos.
Um modo separado de raciocínio passo a passo não está indicado em nossos dados, e não é necessário para a síntese de fala: a tarefa do modelo é transformar seu texto em uma faixa sonora, não analisá-lo. Se precisar de reflexão sobre a tarefa, prepare o texto em um modelo de texto e envie o resultado para cá.
Em nossos dados, não há tais marcações para o modelo — o resultado da geração é áudio, não uma estrutura de texto. No entanto, você pode acessá-lo através da API unificada compatível com OpenAI do BotHub, então integrar a narração ao seu serviço ou pipeline multimodal não é difícil.
O recebimento de arquivos além de texto não está indicado em nossos dados: o modelo espera como entrada uma descrição textual do que deve ser dito. Se o projeto precisar de imagens, vídeos ou reconhecimento de fala, alterne para o modelo adequado na mesma interface do BotHub — não será necessário reescrever a integração.
A linha speech-02 da MiniMax é declarada como multilíngue, e o russo é suportado. A qualidade é melhor verificada com seu próprio material: narre um pequeno fragmento do roteiro, avalie o som e a dicção e, em seguida, execute o texto completo. No BotHub, você paga pelo uso real, sem assinatura.