APIMaster.ai

MiniMax Speech 2.8 HD / Turbo · Referência da API

Converta texto em áudio, selecione vozes e formatos e leia as respostas SSE em buffer.

Envie um pedido JSON para POST /v1/wand/minimax-tts/sync_tts com uma chave de API APIMaster no cabeçalho Authorization: Bearer. Defina model para minimax-speech-2.8-hd ou minimax-speech-2.8-turbo.

Campo Tipo Descrição
text string Necessário, menos do que caracteres 10,000. Use novas linhas para parágrafos, <#x#> para uma pausa de x segundos, e pinyin parêntese ou IPA para pronúncia. Os modelos suportam pistas como (laughs).
voice_setting object Obrigatório. Defina voice_id para uma voz do sistema ou para a referência completa retornada por design de voz ou clonagem de voz. Ao misturar vozes, deixe este ID vazio e defina timbre_weights.
voice_setting.speed, voice_setting.vol, voice_setting.pitch number Velocidade 0.5–2 (padrão 1). Volume maior que 0 e no máximo 10 (padrão 1). Lote inteiro −12 para 12 (padrão 0).
voice_setting.emotion string happy, sad, angry, fearful, disgusted, surprised, calm ou fluent. Opte por deixar o modelo escolher.
voice_setting.text_normalization, voice_setting.latex_read boolean Ambos padrão para false. Enrole equações em $$ para leitura LaTeX.
audio_setting.sample_rate integer 8000, 16000, 22050, 24000, 32000 (padrão), ou 44100 Hz.
audio_setting.bitrate integer MP3 apenas. 32000, 64000, 128000 (padrão), ou 256000 bps.
audio_setting.format string mp3 (padrão), pcm, flac, wav, pcmu_raw, pcmu_wav ou opus.
audio_setting.channel integer 1 (padrão) ou 2.
pronunciation_dict.tone string[] Entradas no formulário original/replacement. As substituições podem usar texto, pinyin, IPA ou kana japonês.
timbre_weights object[] Até quatro entradas com voice_id e weight de 1 para 100.
language_boost string Melhoria opcional da linguagem. Use auto, uma linguagem suportada, ou 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 ou robotic. Para não streaming, esses efeitos funcionam com MP3, WAV e FLAC. Para SSE, use MP3.
subtitle_enable, subtitle_type boolean, string As legendas estão desativadas por padrão. O tipo é sentence (padrão) ou word.
output_format string hex (padrão) ou url para um pedido de não streaming. As URLs de prévia ficam disponíveis por 24 horas.
aigc_watermark, stream boolean Ambos padrão para false. SSE é tamponado até a geração e faturamento completo e envia áudio hexagonal.

language_boost aceita 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.

As vozes do sistema incluem English_Graceful_Lady, English_Trustworthy_Man, male-qn-qingse, male-qn-jingying, female-shaonv e female-yujie. Use uma voz personalizada retornada por Voice Design ou Voice Clone da mesma conta.

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"}'

Em uma resposta sem streaming, verifique se base_resp.status_code é 0 e data.status é 2. data.audio contém o áudio com codificação hexadecimal ou seu URL, e data.subtitle_file pode conter um arquivo de legenda JSON. extra_info pode incluir comprimento em milissegundos, taxa de amostragem, tamanho, formato e usage_characters. Salve trace_id ou request_id se precisar de ajuda para diagnosticar uma falha.

Para SSE, data.status=1 é um segmento e 2 é a conclusão, potencialmente seguido por [DONE]. Junte-se aos segmentos hex em ordem e decodifique-os em bytes. As legendas podem conter compensações de caracteres, compensações de tempo em milissegundos e timestamped_words. Use os quadros cumulativos usage.total_tokens ou usage.total_token uma vez em vez de somar quadros cumulativos.

Veja os cartões modelo HD e Turbo para os preços atuais de APIMaster. A síntese inicial com uma voz personalizada também pode incluir uma taxa de voz.