MMAudio 2 文本转音频: AI Audio & Music
使用 mmAudio-v2 将文本转换为自然语音。非常适合画外音、虚拟助手和内容旁白，具有逼真的清晰度与语调。
使用 mmAudio-v2 将文本转换为自然语音。非常适合画外音、虚拟助手和内容旁白，具有逼真的清晰度与语调。
About this model
mmaudio-v2-text-to-audio 是一款尖端 AI 模型，可将书面文本转换为听起来自然的语音，非常适合画外音、虚拟助手和旁白内容等广泛应用。该模型基于先进的深度学习架构构建，并经过针对清晰度、语调和情感细腻度的微调，确保每次生成都兼具逼真品质与精确表现。
该模型不仅擅长生成高度逼真的音频，还以易于集成和可定制的选项脱颖而出。灵活的Input schema 允许用户调整 prompt 和 duration，mmaudio-v2-text-to-audio 以每次生成 $0.01 的经济成本提供高质量结果。其稳健的性能和高效的定价，使其成为开发者和内容创作者寻求可靠性与卓越音频合成能力时的首选。
Cost analysis
| Provider | Cost | Notes |
|---|---|---|
| muapiapp | $0.01 per generation | muapiapp offers this model at a significantly lower cost — between 20% to 50% cheaper — than other providers while delivering comparable or superior quality. |
| Fal.ai | $0.02 per generation | Fal.ai charges around $0.02 per generation, making muapiapp a more cost-effective option with a price that is approximately 50% lower. |
| Replicate | $0.02 per generation | Replicate also charges about $0.02 per generation. muapiapp is 20-50% more affordable while providing competitive quality and performance. |
muapiapp offers this model at a significantly lower cost — between 20% to 50% cheaper — than other providers while delivering comparable or superior quality.
Fal.ai charges around $0.02 per generation, making muapiapp a more cost-effective option with a price that is approximately 50% lower.
Replicate also charges about $0.02 per generation. muapiapp is 20-50% more affordable while providing competitive quality and performance.
** Competitor pricing is estimated based on similar model architectures and usage tiers.
Configuration schema
| Parameter | Type | Description | Default |
|---|---|---|---|
| Prompt | string | 用于生成Audio的Prompt。 | Indian holy music |
| Durata (secondi) | int | 要生成的AudioDurata。 | 8 |
用于生成Audio的Prompt。
Indian holy music要生成的AudioDurata。
8Developer documentation
准备Input
prompt 字段的 JSON 对象。你也可以指定 duration（默认为 8 秒，范围为 1-30 秒），以控制生成音频的长度。提交请求
mmaudio-v2/text-to-audio。接收并解读Output
audio 键以及指向生成音频的 URL 链接。使用该链接播放或下载音频文件。集成与迭代
Frequently asked
它接受一个 JSON 对象，其中必需包含 `prompt` 字段（字符串），以及可选的 `duration` 字段（1 到 30 之间的整数，默认值为 8）。这种简单的 schema 便于集成到各种应用中。
模型使用先进的深度学习技术和大规模语音数据集，生成具有逼真清晰度的音频，确保自然的音色、语调和情感细腻度。它针对高质量语音合成不可或缺的应用场景进行了优化。
可以。你可以在Input JSON 中提供 1 到 30 秒之间的整数值，指定音频Output时长。这种灵活性让你能够根据具体内容需求定制Output。
每次生成的费用为 $0.01，能够以实惠的价格实现高质量的文本转音频。