MiniMax Speech 2.8 HD / Turbo · Referencia de la API
Convierta el texto en audio, seleccione voces y formatos y lea las respuestas SSE.
Enviar una solicitud de JSON a POST /v1/wand/minimax-tts/sync_tts con una clave de API APIMaster en el encabezado Authorization: Bearer. Ajuste model a minimax-speech-2.8-hd o minimax-speech-2.8-turbo.
| Campo | Tipo | Descripción |
|---|---|---|
text |
string | Requerido, menos de 10,000 caracteres. Utilice nuevas líneas para párrafos, <#x#> para una pausa de x segundos, y entre paréntesis pinyin o IPA para la pronunciación. Los modelos soportan señales como (laughs). |
voice_setting |
object | Obligatorio. Establecer voice_id a una voz del sistema o a la referencia completa devuelta por el diseño de voz o clonación de voz. Al mezclar voces, deje este ID vacío y establezca timbre_weights. |
voice_setting.speed, voice_setting.vol, voice_setting.pitch |
number | Velocidad 0.5–2 (por defecto 1). Volumen mayor que 0 y como máximo 10 (por defecto 1). Parcela interior −12 a 12 (por defecto 0). |
voice_setting.emotion |
string | happy, sad, angry, fearful, disgusted, surprised, calm o fluent. Omita dejar que el modelo elija. |
voice_setting.text_normalization, voice_setting.latex_read |
boolean | Ambos por defecto a false. Envolver ecuaciones en $$ para lectura LaTeX. |
audio_setting.sample_rate |
integer | 8000, 16000, 22050, 24000, 32000 (por defecto), o 44100 Hz. |
audio_setting.bitrate |
integer | Sólo MP3. 32000, 64000, 128000 (por defecto), o 256000 bps. |
audio_setting.format |
string | mp3 (predeterminado), pcm, flac, wav, pcmu_raw, pcmu_wav, o opus. |
audio_setting.channel |
integer | 1 (por defecto) o 2. |
pronunciation_dict.tone |
string[] | Entradas en el formulario original/replacement. Los reemplazos pueden usar texto, pinyin, IPA, o kana japonés. |
timbre_weights |
object[] | Hasta cuatro entradas con voice_id y weight desde 1 hasta 100. |
language_boost |
string | Mejora de lenguaje opcional. Utilice auto, un idioma soportado, u omitir. |
voice_modify.pitch, voice_modify.intensity, voice_modify.timbre |
integer | −100 a 100. |
voice_modify.sound_effects |
string | spacious_echo, auditorium_echo, lofi_telephone, o robotic. Para la no transmisión, estos efectos funcionan con MP3, WAV y FLAC. Para SSE, utilice MP3. |
subtitle_enable, subtitle_type |
boolean, string | Los subtítulos se desactivan por defecto. El tipo es sentence (predeterminado) o word. |
output_format |
string | hex (por defecto) o url para una solicitud de no transmisión. Las URLs de vista previa caducan después de 24 horas. |
aigc_watermark, stream |
boolean | Ambos por defecto a false. SSE se almacena hasta la generación y facturación completa y envía audio hexadecimal. |
language_boost acepta 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, Tamily Afrikaans.
Las voces del sistema incluyen English_Graceful_Lady, English_Trustworthy_Man, male-qn-qingse, male-qn-jingying, female-shaonv y female-yujie. Utilice una voz personalizada devuelta por Voice Design o Voice Clone desde la misma cuenta.
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"}'
En una respuesta no de transmisión, compruebe que base_resp.status_code es 0 y data.status es 2. data.audio contiene el audio codificado hexagonal o su URL, y data.subtitle_file puede contener un archivo de subtítulos JSON. extra_info puede incluir longitud en milisegundos, frecuencia de muestreo, tamaño, formato y usage_characters. Guardar trace_id o request_id si necesita ayuda para diagnosticar un fallo.
Para SSE, data.status=1 es un segmento y 2 está terminado, potencialmente seguido por [DONE]. Unir segmentos hexagonales en orden y decodificarlos a bytes. Los subtítulos pueden contener offsets de caracteres, offsets de tiempo en milisegundos y timestamped_words. Utilice el acumulado usage.total_tokens o usage.total_token una vez en lugar de sumar marcos acumulativos.
Consulte las tarjetas modelo HD y Turbo para los precios actuales de APIMaster. La síntesis inicial con una voz personalizada también puede incluir una cuota de voz.
