API для проектирования ИИ-голоса полезен, когда продукту требуется больше, чем стандартный результат преобразования текста в речь. Полезная работа выполняется явно: выберите голос, задайте параметры подачи, создайте задачу и получите готовый аудиофайл. Каталог аудиомоделей и справочные материалы по моделям OdiRouter позволяют команде изучить доступный путь до начала интеграции.
Определите необходимые элементы управления
«Проектирование голоса» охватывает несколько разных задач. В производственной интеграции рассматривайте это как документированные элементы управления синтезом, а не как обещание, что каждая модель может создать, клонировать или сохранить новый голос. До разработки запроса зафиксируйте, какие элементы управления нужны продукту:
идентификатор голоса для постоянного диктора или персонажа;
настройки темпа, громкости и высоты тона для проверки по сценарию;
микширование голосов, если выбранная модель его поддерживает;
аудиоформат и понятный путь получения готового файла.
Это превращает общий запрос на функцию в API-контракт. Это также упрощает решение о том, какие настройки могут менять пользователи, а какие сервис должен сохранять неизменными.
Выберите документированный путь синтеза речи
Каталог аудиомоделей OdiRouter отображает текущие варианты воспроизведения звука. Микросхема MiniMax Speech 2.8 HD model reference является полезным примером реализации. В документации minimax-speech-2.8-hd описывается задача синтеза речи без потоковой передачи: создание запроса, проверка его статуса, а затем получение ответа.
В справочнике приводятся два способа выбора голоса. Обычный запрос содержит идентификатор голоса в настройках голоса. Запрос со смешанными голосами использует timbre_weights. Должна присутствовать как минимум одна конфигурация, и она должна быть непустой. Документированное микширование поддерживает до четырёх голосов. Проверяйте эти правила на уровне запросов, а не оставляйте интерфейсу возможность обнаруживать их самостоятельно.
Осознанно задавайте параметры управления голосом
Документированный запрос принимает speed, vol и pitch внутри voice_setting. Он также поддерживает настройки аудио, такие как частота дискретизации, битрейт, формат и количество каналов. Используйте language_boost, когда известный язык или диалект должен определять произношение.
Проведите небольшую матрицу тестов, а не используйте один общий промпт. Сохраняйте одинаковыми сценарий и ID голоса, затем сравните несколько значений темпа и высоты тона. Обращайте внимание на имена, числа, паузы и окончания предложений. Если для уведомления, урока или персонажа продукту требуется определённая подача, сохраните конфигурацию запроса вместе с полученным ресурсом, чтобы команда могла её воспроизвести.
В справочнике по модели рекомендуется url для output_format; ответ в шестнадцатеричном формате может превысить ограничение на размер ответа. Это позволяет приложению сосредоточиться на URL результата, а не помещать большой аудиоданные в обычный ответ API.
Отправьте задачу синтеза речи через OdiRouter
OdiRouter описывает эндпоинт создания задачи для этой модели, за которым следуют эндпоинты статуса и ответа. В примере используются документированный базовый URL и один ID голоса. Замените пример текста и настройки значениями, которые были проверены вашим приложением.
curl --location "https://api.odirouter.ai/model/v1/queue/minimax-speech-2.8-hd" \
--header "Authorization: Bearer $ODIROUTER_API_KEY" \
--header "Content-Type: application/json" \
--data '{
"text": "Your support appointment is confirmed.",
"output_format": "url",
"voice_setting": {
"voice_id": "female-shaonv",
"speed": 1.0,
"vol": 1,
"pitch": 0
},
"audio_setting": {
"sample_rate": 32000,
"bitrate": 128000,
"channel": 1,
"format": "mp3"
},
"language_boost": "English"
}'После того, как OdiRouter создаст запрос, проверяйте GET /v1/queue/minimax-speech-2.8-hd/requests/{request_id}/status до тех пор, пока задача не достигнет конечного состояния. Получите полный результат из GET /v1/queue/minimax-speech-2.8-hd/requests/{request_id}/response. В справочнике также описан эндпоинт отмены для задачи, которая больше не должна находиться в очереди. Сохраняйте идентификатор запроса вместе с записью о задании, чтобы повторные попытки и проверки службы поддержки указывали на одно и то же задание.
Внедрите проверки качества скрипта.
Качество синтеза речи зависит от текста, отправленного модели. Не превышайте документированное ограничение на входной текст и при необходимости разделяйте длинный сценарий на естественные разделы. Тестируйте слова, которые легко обработать неправильно: названия продуктов, сокращения, числа, даты и цитаты. В справочном документе по модели указаны маркеры пауз и словарь произношения. Используйте их только после тестирования именно того контента, который услышит ваша аудитория.
Аудиофункции также необходимы меры защиты. Не используйте запись голоса или личность без разрешения пользователя. Храните текст запросов и возвращённое аудио в соответствии с правилами хранения и доступа, применимыми к вашему сервису. Если пользователи могут выбирать голос, сделайте этот элемент управления понятным, а не создавайте впечатление, что сгенерированный результат представляет реального человека.
Переход от прототипа к интеграции
Начните с одной документированной модели, одного типа сценария и небольшого набора настроек. Для каждого теста записывайте ID модели, конфигурацию голоса, ID запроса и формат вывода. Когда рабочий процесс станет стабильным, используйте OdiRouter Каталог аудиомоделей, чтобы ознакомиться с другими аудиовозможностями и их актуальной документацией.