MAI-Voice-2.1 — это модель преобразования текста в речь Microsoft AI с высочайшей точностью и наиболее выразительным звучанием. Она создаёт естественную речь студийного качества на 23 языках, с детализированной просодией, тонкой выразительностью и постоянством голоса в длинных материалах. Она подходит для аудиокниг, подкастов, лекций, закадрового текста и аудиоматериалов брендов, где важно максимальное качество голоса. Модель отдаёт приоритет естественности и выразительности, а не генерации с критически низкой задержкой.
В API ВЕГА укажите в параметре voice полный идентификатор голоса с суффиксом модели, например "en-US-Harper:MAI-Voice-2.1". Локаль голоса задаёт язык синтеза. Установите для responseformat значение "mp3" или "pcm" (24 kHz mono). Для Harper и Grant доступны стили речи агента, сотрудника колл-центра, преподавателя и рассказчика; многие голоса для разных локалей также поддерживают стили передачи эмоций, например возбуждённый, радостный, грустный и шёпот. Полный список голосов указан в поле supportedvoices в models API (открывается в новой вкладке). См. руководство по преобразованию текста в речь (открывается в новой вкладке).
API ВЕГА# Запрос к API ВЕГА через microsoft/mai-voice-2.1
curl https://api.vega.chat/api/v1/chat/completions \
-H "Content-Type: application/json" \
-H "Authorization: Bearer $VEGA_API_KEY" \
-d '{
"model": "microsoft/mai-voice-2.1",
"messages": [
{ "role": "user", "content": "Hello!" }
]
}'