هوش مصنوعی هرمزهرمزورود

Microsoft AI: MAI-Voice-2.1: مدل صوتی

MAI-Voice-2.1 باکیفیت‌ترین مدلِ متن-به-گفتارِ Microsoft AI است، با گفتاری در سطحِ استودیو در ۲۳ زبان برای کتابِ صوتی، پادکست و روایت. از داخل ایران و از طریق هرمز.

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

MAI-Voice-2.1 باکیفیت‌ترین و گویاترین مدلِ متن-به-گفتارِ Microsoft AI است. در ۲۳ زبان گفتاری در سطحِ استودیو تولید می‌کند، با آهنگِ دقیقِ کلام و صدایی یکدست در محتوای طولانی.

نامِ هر صدا شاملِ زبان-منطقه و نامِ مدل است و همان زبان-منطقه، زبانِ گفتار را تعیین می‌کند. طبیعی بودن را بر سرعت مقدم می‌دارد؛ به همین دلیل برای کتابِ صوتی، پادکست، درس‌گفتار و صدای برند انتخابِ بهتری است تا گفت‌وگوی زنده. هرمز MAI-Voice-2.1 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-2.1») 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-2.1 is Microsoft AI's highest-fidelity, most expressive text-to-speech model. It produces natural, studio-grade speech across 23 languages, with detailed prosody, nuanced expressiveness, and speaker consistency over long-form content. It is...

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-2.1","voice":"cs-CZ-Grant:MAI-Voice-2.1","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-2.1","voice":"cs-CZ-Grant:MAI-Voice-2.1","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-2.1",
    voice="cs-CZ-Grant:MAI-Voice-2.1",
    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-2.1",
  voice: "cs-CZ-Grant:MAI-Voice-2.1",
  input: "Hello from Hormouz.",
  response_format: "mp3",
});
await writeFile("speech.mp3", Buffer.from(await speech.arrayBuffer()));

خرید API Microsoft AI: MAI-Voice-2.1 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-2.1 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-2.1 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-2.1 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-2.1 را فراخوانی کنم؟
هرمز MAI-Voice-2.1 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-2.1») و response_format را mp3 یا pcm تعیین کنید.
MAI-Voice-2.1 را انتخاب کنم یا MAI-Voice-2.1-Flash؟
برای بهترین کیفیتِ صدا در محتوای طولانی MAI-Voice-2.1 و وقتی پاسخ باید سریع باشد، مثلِ عامل‌های صوتی، MAI-Voice-2.1-Flash را به کار ببرید.

به‌روزرسانی: 2026-10-13