APIMaster.ai

MiniMax Speech 2.8 HD / Turbo · Riferimento API

Convertire testo in audio, selezionare voci e formati e leggere le risposte SSE buffered.

Invia una richiesta JSON a POST /v1/wand/minimax-tts/sync_tts con una chiave API APIMaster nell'intestazione Authorization: Bearer. Impostare model su minimax-speech-2.8-hd o minimax-speech-2.8-turbo.

Campo Tipo Descrizione
text string Richiesto, meno di caratteri 10,000. Utilizzare newlines per i paragrafi, <#x#> per una pausa di x secondi e pinyin o IPA per la pronuncia. I modelli supportano segnali come (laughs).
voice_setting object Obbligatorio. Impostare voice_id su una voce di sistema o sul riferimento completo restituito dalla progettazione vocale o dalla clonazione vocale. Quando si mescolano le voci, lasciare vuoto questo ID e impostare timbre_weights.
voice_setting.speed, voice_setting.vol, voice_setting.pitch number Velocità 0.5–2 (predefinito 1). Volume maggiore di 0 e al massimo 10 (default 1). Integer pitch −12 a 12 (predefinito 0).
voice_setting.emotion string happy, sad, angry, fearful, disgusted, surprised, calm o fluent. Omettere di lasciare che il modello scegliere.
voice_setting.text_normalization, voice_setting.latex_read boolean Entrambi di default a false. Equazioni Wrap in $$ per la lettura LaTeX.
audio_setting.sample_rate integer 8000, 16000, 22050, 24000, 32000 (default) o 44100 Hz.
audio_setting.bitrate integer Solo MP3. 32000, 64000, 128000 (predefinito) o 256000 bps.
audio_setting.format string mp3 (impostazione predefinita), pcm, flac, wav, pcmu_raw, pcmu_wav o opus.
audio_setting.channel integer 1 (default) o 2.
pronunciation_dict.tone string[] Voci nel modulo original/replacement. Le sostituzioni possono utilizzare testo, pinyin, IPA o kana giapponese.
timbre_weights object[] Fino a quattro voci con voice_id e weight da 1 a 100.
language_boost string Miglioramento del linguaggio opzionale. Utilizzare auto, una lingua supportata o omettere.
voice_modify.pitch, voice_modify.intensity, voice_modify.timbre integer Da −100 a 100.
voice_modify.sound_effects string spacious_echo, auditorium_echo, lofi_telephone o robotic. Per il non streaming, questi effetti funzionano con MP3, WAV e FLAC. Per SSE, utilizzare MP3.
subtitle_enable, subtitle_type boolean, string I sottotitoli sono disattivati per impostazione predefinita. Il tipo è sentence (predefinito) o word.
output_format string hex (predefinito) o url per una richiesta non in streaming. Le URLs di anteprima sono valide per 24 ore.
aigc_watermark, stream boolean Entrambi di default a false. SSE è buffered fino alla generazione e fatturazione completa e invia l'audio esadecimale.

language_boost accetta 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, Tamile Afrikaans.

Le voci di sistema includono English_Graceful_Lady, English_Trustworthy_Man, male-qn-qingse, male-qn-jingying, female-shaonv e female-yujie. Usa una voce personalizzata restituita da Progettazione vocale oppure Clone vocale dallo stesso account.

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 una risposta non in streaming, verificare che base_resp.status_code sia 0 e data.status sia 2. data.audio contiene l'audio codificato in esadecimale o il suo URL e data.subtitle_file può contenere un file di sottotitoli JSON. extra_info può includere lunghezza in millisecondi, frequenza di campionamento, dimensioni, formato e usage_characters. Salva trace_id o request_id se hai bisogno di aiuto per diagnosticare un guasto.

Per SSE, data.status=1 è un segmento e 2 è il completamento, potenzialmente seguito da [DONE]. Unisciti ai segmenti hex in ordine e decodificali in byte. I sottotitoli possono contenere offset di caratteri, offset di tempo in millisecondi e timestamped_words. Utilizzare il cumulativo usage.total_tokens o usage.total_token una volta invece di sommare i fotogrammi cumulativi.

Vedi il HD e Turbo Schede modello per corrente APIMaster prezzi. La sintesi iniziale con una voce personalizzata può anche includere una commissione vocale.