APIMaster.ai

MiniMax Speech 2.8 HD / Turbo · API リファレンス

テキストをオーディオに変換し、音声やフォーマットを選択し、SSEのバッファレートの回答を読み取ります。

JSONのリクエストを POST /v1/wand/minimax-tts/sync_ttsに APIMaster API キーで Authorization: Bearer ヘッダーに送信します。 model を minimax-speech-2.8-hd または minimax-speech-2.8-turbo に設定します。

フィールド 型 説明
text string 10,000 より少ない文字が必要です。 段落のためのニュースライン、X秒間の休憩のための<#x#>、および発音のためのパレンテシズムピニンまたはIPAを使用します。 モデルは(laughs)などのサポートカウンターです。
voice_setting object 必須。 voice_id をシステム音声または音声デザインまたは音声クローニングによって返信された完全な参照に設定します。 音を混ぜるとき、このIDを空に置き、timbre_weights を設定します。
voice_setting.speed, voice_setting.vol, voice_setting.pitch number スピード 0.5–2 (デフォルト 1) サイズは 0 より大きく、ほとんどの場合 10 (デフォルト 1) です。 −12 から 12 (デフォルト 0) まで インテーガー フィッチ
voice_setting.emotion string happy, sad, angry, fearful, disgusted, surprised, calmあるいは fluent. モデルを選ぶことを許さない。
voice_setting.text_normalization, voice_setting.latex_read boolean false に既定の両方です。 $$ でラテックス 読書の方程式を振り回します。
audio_setting.sample_rate integer 8000、16000、22050、24000、32000(デフォルト)、または44100Hz。
audio_setting.bitrate integer MP3だけ。 32000、64000、128000(デフォルト)、または256000 bps。
audio_setting.format string mp3(デフォルト)、pcm、flac、wav、pcmu_raw、pcmu_wav、またはopus。
audio_setting.channel integer 1 (デフォルト) または 2.
pronunciation_dict.tone string[] original/replacement形式の入力。 代替品は、テキスト、ピニン、IPA、または日本語のカナを使用することができます。
timbre_weights object[] 1から 100まで4つのエントリーをvoice_idとweightで入力します。
language_boost string 言語改善の選択肢 auto、サポートされている言語、またはオミットを使用します。
voice_modify.pitch, voice_modify.intensity, voice_modify.timbre integer −100 から 100 まで。
voice_modify.sound_effects string spacious_echo、auditorium_echo、lofi_telephone、またはrobotic。 非ストリーミングでは、これらの効果はMP3、WAV、およびFLACで動作します。 SSE では MP3 を使用します。
subtitle_enable, subtitle_type boolean, string サブタイトルはデフォルトでオフになります。 sentence (デフォルト) または word のタイプです。
output_format string hex (デフォルト) または url 非ストリーミング リクエストの場合。 プレビューの URLs の有効期間は 24 時間です。
aigc_watermark, stream boolean false に既定の両方です。 SSE は、生成と請求が完了するまでバッファーされ、ヘックスオーディオを送信します。

language_boost 受け入れる 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そして、 Afrikaans.

システムの音は English_Graceful_Lady、English_Trustworthy_Man、male-qn-qingse、male-qn-jingying、female-shaonv、およびfemale-yujieを含みます。 同じアカウントから Voice Designまたは Voice Cloneによって返信されたカスタマイズされた音声を使用します。

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"}'

無ストリーミングの回答では、base_resp.status_code が 0 と data.status が 2 であることを確認してください。 data.audioにはヘックスコードオーディオまたはそのURLが含まれ、data.subtitle_fileにはJSONサブタイトルファイルが含まれます。 extra_info は、ミリ秒の長さ、サンプル速度、サイズ、フォーマット、および usage_characters を含むことができます。 trace_id または request_id を保存するには、故障を診断するのに役立つ必要があります。

SSEの場合、data.status=1はセグメントであり、2は完了しており、潜在的に[DONE]に続きます。 ヘックスセグメントに加わり、バイトに分解します。 サブタイトルには、キャラクターのオフセット、ミリ秒のタイムオフセット、timestamped_wordsが含まれます。 usage.total_tokensまたはusage.total_tokenを1回使用して、合計フレームの代わりに使用します。

HDとTurboモデルカードを現在のAPIMaster価格でご覧ください。 カスタマイズされた音声の初期合成には、音声料金も含まれる可能性があります。