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.
