MAI Voice 2 API — озвучка курсов и цена

Контекст: Не указантокенов
Результат: Синтез речиформат ответа
Стоимость: Тариф уточняетсяусловия — в блоке подключения

ПОДКЛЮЧЕНИЕ

От модели к первому запросу

Используйте идентификатор модели в совместимом API-клиенте. Полные параметры, ключи и ответы с ошибками описаны в документации.

const response = await client.chat.completions.create({
  model: "microsoft/mai-voice-2",
  messages: [{ role: "user", content: "Ваш запрос" }],
});

Открыть инструкцию по подключению →

ПОДРОБНЫЙ ОБЗОР

Возможности модели

Microsoft называет MAI-Voice-2 моделью с highest fidelity для long-form content, storytelling, audiobooks и podcasts. Документированы 15 языков и 18 локалей, управление эмоциями через SSML и gated voice cloning. Список доступных голосов, длина запроса и возможность асинхронной длинной генерации зависят от endpoint. Для `microsoft/mai-voice-2` Tokenmost проверяет text и SSML, voices/locales, лимит символов или токенов, аудиоформат, sample rate, streaming или job API, cloning, response metadata, usage и цену. Возможность Microsoft Speech Studio не считается возможностью прокси без контрактного ответа. Курс делится на смысловые фрагменты, но версия текста и голосовой профиль едины. Произношения терминов хранятся в словаре, а каждый аудиофайл связан с точной редакцией сценария для адресных исправлений.

Подготовьте текст для диктора

Удалите служебную разметку, раскройте неоднозначные сокращения, пропишите чтение формул и поставьте смысловые паузы. Таблицу превратите в понятное устное объяснение. Каждый фрагмент должен быть достаточно самостоятельным для повторной генерации без всей главы.

Зафиксируйте голосовой паспорт

Выберите локаль, темп, эмоциональный диапазон и произношение брендов. Создайте контрольные фразы с числами, англицизмами и именами. Если используется cloning, оформите согласие и ограничения до загрузки примера; не используйте найденную в интернете запись.

Генерируйте по смысловым блокам

Делите урок по абзацам и паузам, сохраняйте идентификатор сценария и порядок. На стыках контролируйте громкость, темп и интонацию. Не склеивайте ответ по случайной тишине: монтаж использует заранее заданные границы и небольшой запас.

Проведите слуховую редактуру

Редактор слушает весь урок в нормальном темпе и отдельно проверяет термины, отрицания, единицы измерения и ссылки. Автоматический анализ пауз помогает найти выбросы, но не заменяет прослушивание. Исправляется только проблемный фрагмент с тем же профилем.

Считайте цену опубликованного часа

Включите все символы или токены, повторные дубли, монтаж, нормализацию громкости, субтитры и редактуру. Сравнивайте стоимость часа, прошедшего приёмку, число перегенераций и время слушателя. Розничный тариф Tokenmost проверяется перед большим модулем.

Вопросы и ответы

Чем MAI Voice 2 отличается от Flash?

Voice 2 ориентирован на высокую точность длинной выразительной речи, Flash — на низкую задержку диалога.

Подходит ли модель для аудиокниги?

Microsoft относит long-form и audiobooks к целевым сценариям, но голос и лимиты нужно проверить.

Можно управлять эмоцией?

Да, документация описывает SSML, а поддерживаемые значения маршрута подтверждаются тестом.

Можно создать брендовый голос?

Только при доступной функции и подтверждённом праве на голосовые материалы.

Как оценить стоимость курса?

По всей генерации, дублям, монтажу и редактуре часа, который принят к публикации.