هوش مصنوعی هرمزهرمزورود

Microsoft AI: MAI-Voice-2: مدل صوتی

MAI-Voice-2 مدلِ متن-به-گفتارِ گویای Microsoft AI برای روایتِ طولانی و دستیارهاست، در ۱۵ زبان و با تولیدِ چندگوینده. از داخل ایران و از طریق هرمز.

قیمت:
$22/M characters
نوع:
audio
  • صوت

MAI-Voice-2 یک مدلِ متن-به-گفتارِ گویا از Microsoft AI است. از ۱۵ زبان در ۱۸ زبان-منطقه، کنترلِ دقیقِ لحن و شیوه‌ی بیان و تولیدِ چندگوینده پشتیبانی می‌کند.

طبیعی بودن را بر سرعت مقدم می‌دارد و برای دستیارهای گفت‌وگومحور، روایتِ رسانه‌ای، دسترس‌پذیری و آموزش مناسب است. هرمز MAI-Voice-2 را روی دو مسیر ارائه می‌دهد: مسیرِ سازگار با OpenAI یعنی /v1/audio/speech که صدا را در همان پاسخ برمی‌گرداند، و /v1/predictions برای کارهای پس‌زمینه. مقدارِ voice را یکی از صداهای خودِ مدل بگذارید (برای نمونه «en-US-Harper:MAI-Voice-2») و response_format را mp3 یا pcm تعیین کنید.

هزینه به ازای هر نویسه‌ی متنِ ورودی محاسبه می‌شود؛ نرخِ روز در جدولِ قیمتِ همین صفحه آمده و فقط بابت مصرفِ واقعی پرداخت می‌کنید. هرمز دسترسیِ پایدار به آن را از داخل ایران فراهم می‌کند، بدون نیاز به کارت اعتباری خارجی یا ابزارهای دور زدن تحریم.

MAI-Voice-2 is an expressive text-to-speech model from Microsoft AI. It is suited for conversational assistants, media narration, accessibility, education, and other long-form voice applications. It supports 15 languages across 18...

شروع سریع

curl https://api.hormouz.net/v1/audio/speech \
  -H "Authorization: Bearer ng-YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"microsoft/mai-voice-2","voice":"en-US-Harper:MAI-Voice-2","input":"Hello from Hormouz.","response_format":"mp3"}' \
  --output speech.mp3

مشخصات

سازندهMicrosoft
نوعصدا
پنجره زمینه—
قیمت$22/M characters
نوع APIspeech

نمونه کد

cURL
curl https://api.hormouz.net/v1/audio/speech \
  -H "Authorization: Bearer ng-YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"microsoft/mai-voice-2","voice":"en-US-Harper:MAI-Voice-2","input":"Hello from Hormouz.","response_format":"mp3"}' \
  --output speech.mp3
Python
from openai import OpenAI
client = OpenAI(api_key="ng-YOUR_API_KEY", base_url="https://api.hormouz.net/v1")
with client.audio.speech.with_streaming_response.create(
    model="microsoft/mai-voice-2",
    voice="en-US-Harper:MAI-Voice-2",
    input="Hello from Hormouz.",
    response_format="mp3",
) as resp:
    resp.stream_to_file("speech.mp3")
JavaScript
import OpenAI from "openai";
import { writeFile } from "node:fs/promises";
const client = new OpenAI({ apiKey: "ng-YOUR_API_KEY", baseURL: "https://api.hormouz.net/v1" });
const speech = await client.audio.speech.create({
  model: "microsoft/mai-voice-2",
  voice: "en-US-Harper:MAI-Voice-2",
  input: "Hello from Hormouz.",
  response_format: "mp3",
});
await writeFile("speech.mp3", Buffer.from(await speech.arrayBuffer()));

خرید API Microsoft AI: MAI-Voice-2 با پرداخت ریالی

  • با کارت بانکی ایرانی اعتبار بخرید؛ کارت ارزی و حساب خارجی لازم نیست.
  • با یک کلید هرمز به Microsoft AI: MAI-Voice-2 و بیش از ۶۰۰ مدل دیگر دسترسی دارید و فقط به اندازه‌ی مصرف می‌پردازید.
  • بدون فیلترشکن و بدون خطر بن شدن حساب؛ کافی است آدرس پایه را به api.hormouz.net/v1 تغییر دهید.
ساخت حساب

استفاده از طریق هرمز

با یک کلید API به این مدل و بیش از ۶۰۰ مدل دیگر وصل شوید و مصرف هر مدل را تا سطح هر درخواست ببینید.

درخواست دسترسی شرکتی

سوالات متداول

هزینه‌ی استفاده از MAI-Voice-2 چقدر است؟
هزینه به ازای هر نویسه‌ی متنِ ورودی محاسبه می‌شود؛ نرخِ روز در جدولِ قیمتِ همین صفحه آمده و فقط بابت مصرفِ واقعی پرداخت می‌کنید.
چطور از داخل ایران به MAI-Voice-2 دسترسی داشته باشم؟
کافی است در هرمز حساب بسازید و یک کلید API بگیرید. هرمز مسیرِ دسترسیِ پایدار به این مدل را از داخل ایران فراهم می‌کند و نیازی به کارت اعتباری خارجی یا ابزارِ دور زدنِ تحریم ندارید.
چطور MAI-Voice-2 را فراخوانی کنم؟
هرمز MAI-Voice-2 را روی دو مسیر ارائه می‌دهد: مسیرِ سازگار با OpenAI یعنی /v1/audio/speech که صدا را در همان پاسخ برمی‌گرداند، و /v1/predictions برای کارهای پس‌زمینه. مقدارِ voice را یکی از صداهای خودِ مدل بگذارید (برای نمونه «en-US-Harper:MAI-Voice-2») و response_format را mp3 یا pcm تعیین کنید.
تفاوتِ MAI-Voice-2 با MAI-Voice-2-Flash چیست؟
زبان‌ها و صداهایشان یکی است. MAI-Voice-2 برای محتوای طولانی طبیعی بودن را مقدم می‌دارد و MAI-Voice-2-Flash برای کاربردِ تعاملی سریع‌تر پاسخ می‌دهد و قیمتش به ازای هر نویسه کمتر است.

به‌روزرسانی: 2026-10-13