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.
