MiniMax Speech 2.8 HD / Turbo · Référence de l’API
Convertissez du texte en audio, sélectionnez des voix et des formats, et lisez les réponses SSE tamponnées.
Envoyez une requête JSON à POST /v1/wand/minimax-tts/sync_tts avec une clé API APIMaster dans l'en-tête Authorization: Bearer. Définissez model sur minimax-speech-2.8-hd ou minimax-speech-2.8-turbo.
| Champ | Type | Description |
|---|---|---|
text |
string | Requis, moins de caractères 10,000. Utilisez newlines pour les paragraphes, <#x#> pour une pause de x secondes, et pinyin entre parenthèses ou IPA pour la prononciation. Les modèles prennent en charge des indices tels que (laughs). |
voice_setting |
object | Obligatoire. Définissez voice_id sur une voix système ou sur la référence complète renvoyée par la conception vocale ou le clonage vocal. Lorsque vous mélangez des voix, laissez cet identifiant vide et définissez timbre_weights. |
voice_setting.speed, voice_setting.vol, voice_setting.pitch |
number | Vitesse 0.5–2 (par défaut 1). Volume supérieur à 0 et au plus 10 (1 par défaut). Emplacement entier −12 à 12 (par défaut 0). |
voice_setting.emotion |
string | happy, sad, angry, fearful, disgusted, surprised, calm ou fluent. Omettre de laisser le modèle choisir. |
voice_setting.text_normalization, voice_setting.latex_read |
boolean | Les deux par défaut à false. Enveloppez les équations dans $$ pour la lecture LaTeX. |
audio_setting.sample_rate |
integer | 8000, 16000, 22050, 24000, 32000 (par défaut) ou 44100 Hz. |
audio_setting.bitrate |
integer | MP3 uniquement. 32000, 64000, 128000 (par défaut) ou 256000 bps. |
audio_setting.format |
string | mp3 (par défaut), pcm, flac, wav, pcmu_raw, pcmu_wav ou opus. |
audio_setting.channel |
integer | 1 (par défaut) ou 2. |
pronunciation_dict.tone |
string[] | Entrées dans le formulaire original/replacement. Les remplacements peuvent utiliser du texte, du pinyin, de l'IPA ou du kana japonais. |
timbre_weights |
object[] | Jusqu'à quatre entrées avec voice_id et weight de 1 à 100. |
language_boost |
string | Amélioration de la langue facultative. Utilisez auto, une langue prise en charge, ou omettez. |
voice_modify.pitch, voice_modify.intensity, voice_modify.timbre |
integer | −100 à 100. |
voice_modify.sound_effects |
string | spacious_echo, auditorium_echo, lofi_telephone ou robotic. Pour le non-streaming, ces effets fonctionnent avec MP3, WAV et FLAC. Pour SSE, utilisez MP3. |
subtitle_enable, subtitle_type |
boolean, string | Sous-titres sont désactivés par défaut. Le type est sentence (par défaut) ou word. |
output_format |
string | hex (par défaut) ou url pour une requête non-streaming. Les URLs d’aperçu sont valides pendant 24 heures. |
aigc_watermark, stream |
boolean | Les deux par défaut à false. SSE est mis en mémoire tampon jusqu'à ce que la génération et la facturation soient terminées et envoie l'audio hexadécimal. |
language_boost accepte 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, Tamilet Afrikaans.
Les voix du système incluent English_Graceful_Lady, English_Trustworthy_Man, male-qn-qingse, male-qn-jingying, female-shaonv et female-yujie. Utilisez une voix personnalisée renvoyée par Voice Design ou Voice Clone à partir du même compte.
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"}'
Dans une réponse non-streaming, vérifiez que base_resp.status_code est 0 et data.status est 2. data.audio contient l'audio codé en hexadécimal ou son URL, et data.subtitle_file peut contenir un fichier de sous-titres JSON. extra_info peut inclure la longueur en millisecondes, la fréquence d'échantillonnage, la taille, le format et usage_characters. Enregistrez trace_id ou request_id si vous avez besoin d'aide pour diagnostiquer une défaillance.
Pour SSE, data.status=1 est un segment et 2 est terminé, potentiellement suivi par [DONE]. Joignez les segments hexadécimaux dans l'ordre et décodez-les en octets. Les sous-titres peuvent contenir des décalages de caractères, des décalages temporels en millisecondes et timestamped_words. Utilisez une seule fois les valeurs cumulatives usage.total_tokens ou usage.total_token au lieu de additionner les trames cumulatives.
Voir la HD et Turbo cartes modèles pour actuel APIMaster prix. La synthèse initiale avec une voix personnalisée peut également inclure des frais de voix.
