APIMaster.ai

MiniMax Speech 2.8 HD / Turbo · API-Referenz

Konvertieren Sie Text in Audio, wählen Sie Stimmen und Formate und lesen Sie gepufferte SSE-Antworten.

Senden Sie eine JSON Anfrage an POST /v1/wand/minimax-tts/sync_tts mit einem APIMaster API Schlüssel im Authorization: Bearer Header. Setzen Sie model auf minimax-speech-2.8-hd oder minimax-speech-2.8-turbo.

Feld Typ Beschreibung
text string Erforderlich, weniger als 10,000 Zeichen. Verwenden Sie newlines für Absätze, <#x#> für eine Pause von x Sekunden und parenthersized Pinyin oder IPA für Aussprache. Die Modelle unterstützen Queues wie (laughs).
voice_setting object Erforderlich. Setzen Sie voice_id auf eine Systemstimme oder auf die vollständige Referenz, die durch Sprachdesign oder Sprachklonen zurückgegeben wird. Beim Mischen von Stimmen lassen Sie diese ID leer und setzen timbre_weights.
voice_setting.speed, voice_setting.vol, voice_setting.pitch number Geschwindigkeit 0.5–2 (Standard 1). Volumen größer als 0 und höchstens 10 (Standard 1). Integer Pitch −12 zu 12 (Standard 0).
voice_setting.emotion string happy, sad, angry, fearful, disgusted, surprised, calm oder fluent. Lassen Sie das Modell wählen.
voice_setting.text_normalization, voice_setting.latex_read boolean Beides Standard zu false. Wrap Gleichungen in $$ für LaTeX Lesung.
audio_setting.sample_rate integer 8000, 16000, 22050, 24000, 32000 (Standard) oder 44100 Hz.
audio_setting.bitrate integer Nur MP3. 32000, 64000, 128000 (Standard) oder 256000 bps.
audio_setting.format string mp3 (Standard), pcm, flac, wav, pcmu_raw, pcmu_wav oder opus.
audio_setting.channel integer 1 (Standard) oder 2.
pronunciation_dict.tone string[] Einträge in Form von original/replacement. Ersetzungen können Text, Pinyin, IPA oder japanisches Kana verwenden.
timbre_weights object[] Bis zu vier Einträge mit voice_id und weight von 1 bis 100.
language_boost string Optionale Spracherweiterung. Verwenden Sie auto, eine unterstützte Sprache, oder weglassen.
voice_modify.pitch, voice_modify.intensity, voice_modify.timbre integer −100 auf 100.
voice_modify.sound_effects string spacious_echo, auditorium_echo, lofi_telephone oder robotic. Für das Nicht-Streaming funktionieren diese Effekte mit MP3, WAV und FLAC. Für SSE verwenden Sie MP3.
subtitle_enable, subtitle_type boolean, string Untertitel sind standardmäßig deaktiviert. Der Typ ist sentence (Standard) oder word.
output_format string hex (Standard) oder url für eine Nicht-Streaming-Anfrage. Vorschau-URLs sind 24 Stunden gültig.
aigc_watermark, stream boolean Beides Standard zu false. SSE wird bis zur Generierung und Abrechnung gepuffert und sendet Hex-Audio.

language_boost akzeptiert Chinese, Chinese,Yue, English, Arabic, Russian, Spanish, French, Portuguese, German, Turkish, Dutch, Ukrainian, Vietnamese, Indonesian, Japanese, Italian, Korean, Thai, Polish, Romanian, Greek, Czech, Finnish, Hindi, Bulgarian, Danish, Hebrew, Malay, Persian, Slovak, Swedish, Croatian, Filipino, Hungarian, Norwegian, Slovenian, Catalan, Nynorsk, Tamil, und Afrikaans.

Systemstimmen sind English_Graceful_Lady, English_Trustworthy_Man, male-qn-qingse, male-qn-jingying, female-shaonv und female-yujie. Verwenden Sie eine benutzerdefinierte Stimme, die von Voice Design oder Voice Clone aus demselben Konto zurückgegeben wird.

curl -X POST "https://apimaster.ai/v1/wand/minimax-tts/sync_tts" \
  -H "Authorization: Bearer $APIMASTER_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"minimax-speech-2.8-hd","text":"Welcome to the program.","voice_setting":{"voice_id":"English_Graceful_Lady"},"output_format":"url"}'

In einer nicht-Streaming-Antwort überprüfen, ob base_resp.status_code 0 und data.status 2 ist. data.audio enthält das Hex-kodierte Audio oder seine URL, und data.subtitle_file kann eine JSON Untertiteldatei enthalten. extra_info kann Länge in Millisekunden, Abtastrate, Größe, Format und usage_characters umfassen. Speichern Sie trace_id oder request_id, wenn Sie Hilfe bei der Diagnose eines Fehlers benötigen.

Für SSE ist data.status=1 ein Segment und 2 ist fertig, möglicherweise gefolgt von [DONE]. Schließen Sie sich Hex-Segmente in Ordnung und dekodieren Sie sie zu Bytes. Untertitel können Zeichenoffsets, Zeitoffsets in Millisekunden und timestamped_words enthalten. Verwenden Sie das kumulative usage.total_tokens oder usage.total_token einmal anstatt kumulative Frames zu summieren.

Siehe HD und Turbo Modellkarten zu aktuellen APIMaster Preisen. Die erste Synthese mit einer benutzerdefinierten Stimme kann auch eine Sprachgebühr enthalten.