# MiniMax Speech 2.6 [HD] API

> Speech 2.6 HD টেক্সট-টু-স্পিচ, 10,000 অক্ষর, বিরতি মার্কার ও লাউডনেস নরমালাইজেশন সমর্থন করে

`prompt`-এ দেওয়া টেক্সট (সর্বোচ্চ 10000 অক্ষর) উচ্চস্বরে পড়ে; নিউলাইন দিয়ে প্যারাগ্রাফের বিরতি এবং `<#x#>` মার্কার ব্যবহার করে কাস্টম বিরতি যোগ করা হয়। `voice_setting`, `audio_setting`, `language_boost` (38টি অপশন) ও `pronunciation_dict`-এর পাশাপাশি লাউডনেস নিয়ন্ত্রণের জন্য `normalization_setting` রয়েছে। আউটপুট হলো অডিও এবং মিলিসেকেন্ডে এর দৈর্ঘ্য।

- Model id: `minimax/speech-2.6-hd`
- Made by: MiniMax
- Category: Text to Speech
- Output: audio
- Price: $0.10 / 1000 characters (cheapest run $0.10 (100 API credits))
- Run: `POST https://api.doitong.com/v1/run/minimax/speech-2.6-hd`
- Quote: `POST https://api.doitong.com/v1/quote/minimax/speech-2.6-hd`
- Docs page: https://doitong.com/bn/developers/models/minimax/speech-2.6-hd

## Pricing

Price: **$0.10 / 1000 characters**. Billed per character of `prompt` (the price is per 1000 characters).

The full example input below costs $0.005 = 5 API credits (50 characters × 100 API credits / 1000 characters).

Prices are the upstream price in USD, paid from the API balance in API credits (1000 API credits = 1 USD). `POST https://api.doitong.com/v1/quote/minimax/speech-2.6-hd` with the same JSON body returns the exact price for that input; the quote is exactly what a run charges. Invalid input is never charged and failed or canceled requests are refunded automatically.

## Input parameters

| Parameter | Canonical name | Type | Required | Default | Allowed values / range | Description |
|---|---|---|---|---|---|---|
| `enable_safety_checker` |  | boolean | no | `true` |  | কলকারী অনুমোদিত হলে false সেট করে স্ক্রিনিং শিথিল করা যায়। |
| `prompt` |  | string | yes |  | 1 – 10000 characters | বক্তৃতার ইনপুট টেক্সট, যেখানে নতুন লাইনগুলো অনুচ্ছেদের সীমানা নির্দেশ করে এবং ঐচ্ছিক `<#x#>` মার্কার বিরতি নিয়ন্ত্রণ করে। মার্কার শুধু কথা বলার অংশগুলোর মাঝে দিন, পরপর নয়; `x` `[0.01, 99.99]`-এর মধ্যে সেকেন্ডে বিরতির দৈর্ঘ্য নির্দেশ করে এবং সর্বাধিক দুই দশমিক স্থান ব্যবহার করা যায়। |
| `voice_setting` |  | object {voice_id, speed, vol, pitch, emotion, english_normalization} | no | `{"english_normalization":false,"pitch":0,"speed":1,"voice_id":"Wise_Woman","vol":1}` |  | কণ্ঠস্বর কনফিগার করার সেটিংস। |
| `voice_setting.voice_id` |  | string | no | `Wise_Woman` | ≥ 1 characters | Speech synthesis-এর জন্য ব্যবহৃত পূর্বনির্ধারিত voice identifier। |
| `voice_setting.speed` |  | number | no | `1` | 0.5 – 2 | কথ বলার গতি, 0.5 থেকে 2.0 পর্যন্ত। |
| `voice_setting.vol` |  | number | no | `1` | 0.01 – 10 | আউটপুট ভলিউম, 0 থেকে 10 পর্যন্ত। |
| `voice_setting.pitch` |  | integer | no | `0` | -12 – 12 | ভয়েসের পিচ, -12 থেকে 12 পর্যন্ত। |
| `voice_setting.emotion` |  | enum (string) \| null | no |  | `happy`, `sad`, `angry`, `fearful`, `disgusted`, `surprised`, `neutral` | সংশ্লেষিত বক্তৃতার আবেগের টোন। |
| `voice_setting.english_normalization` |  | boolean | no | `false` |  | ইংরেজি টেক্সট-স্বাভাবিকীকরণ অপশন, যা সংখ্যাগুলো আরও ভালোভাবে পড়ার জন্য সামান্য অতিরিক্ত লেটেন্সি গ্রহণ করে। |
| `audio_setting` |  | object {sample_rate, bitrate, format, channel} | no |  |  | অডিও কনফিগার করার সেটিংস। |
| `audio_setting.sample_rate` |  | enum (integer) | no | `32000` | `8000`, `16000`, `22050`, `24000`, `32000`, `44100` | জেনারেট করা অডিওর স্যাম্পলিং রেট। |
| `audio_setting.bitrate` |  | enum (integer) | no | `128000` | `32000`, `64000`, `128000`, `256000` | জেনারেট করা অডিওর বিটরেট। |
| `audio_setting.format` |  | enum (string) | no | `mp3` | `mp3`, `pcm`, `flac` | অডিওর ফরম্যাট। |
| `audio_setting.channel` |  | enum (integer) | no | `1` | `1`, `2` | অডিও চ্যানেলের সংখ্যা: মনোর জন্য 1 অথবা স্টেরিওর জন্য 2। |
| `language_boost` |  | enum (string) \| null | no |  | `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`, `Slovak`, `Swedish`, `Croatian`, `Hungarian`, `Norwegian`, `Slovenian`, `Catalan`, `Nynorsk`, `Afrikaans`, `auto` | নির্বাচিত ভাষা ও উপভাষার শনাক্তকরণ উন্নত করে। |
| `output_format` |  | enum (string) | no | `hex` | `url`, `hex` | আউটপুট কনটেন্টের ফরম্যাট; শুধুমাত্র নন-স্ট্রিমিং রেসপন্সে প্রযোজ্য। |
| `pronunciation_dict` |  | object {tone_list} \| null | no |  |  | টেক্সট প্রতিস্থাপনের জন্য ব্যবহৃত উচ্চারণের কাস্টম অভিধান। |
| `pronunciation_dict.tone_list` |  | array of string | no |  |  | ['text/(pronunciation)', ...] সিনট্যাক্স ব্যবহার করে উচ্চারণ প্রতিস্থাপনের তালিকা, যেমন ['燕少飞/(yan4)(shao3)(fei1)']। চীনা টোনের সংখ্যা 1 থেকে 5 পর্যন্ত। |
| `normalization_setting` |  | object {enabled, target_loudness, target_range, target_peak} | no |  |  | অডিওর শব্দমাত্রা স্বাভাবিকীকরণ নিয়ন্ত্রণকারী সেটিংস। |
| `normalization_setting.enabled` |  | boolean | no | `true` |  | অডিওর শব্দমাত্রা স্বাভাবিকীকরণ সক্ষম করে। |
| `normalization_setting.target_loudness` |  | number | no | `-18` | -70 – -10 | কাঙ্ক্ষিত শব্দমাত্রা, LUFS-এ পরিমাপ করা; ডিফল্ট -18.0। |
| `normalization_setting.target_range` |  | number | no | `8` | 0 – 20 | কাঙ্ক্ষিত শব্দমাত্রার পরিসর, LU-তে পরিমাপ করা; ডিফল্ট 8.0। |
| `normalization_setting.target_peak` |  | number | no | `-0.5` | -3 – 0 | কাঙ্ক্ষিত পিক লেভেল, dBTP-তে পরিমাপ করা; ডিফল্ট -0.5। |

## Example input

Required parameters only:

```json
{
  "prompt": "Hello from Doitong. This is a short test sentence."
}
```

A fuller example:

```json
{
  "prompt": "Hello from Doitong. This is a short test sentence."
}
```

## Run it

Set `DOITONG_API_KEY` to a key from https://doitong.com/developers/dashboard#keys. `?wait=20` returns the finished request in the same call when it is ready within 20 seconds; otherwise poll `GET /requests/{id}` (it also accepts `?wait=`), or pass `webhook_url`.

### curl

```bash
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.com/v1/run/minimax/speech-2.6-hd?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "Hello from Doitong. This is a short test sentence."
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.com/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"
```

### JavaScript

```javascript
const API = "https://api.doitong.com/v1";
const headers = {
  "Authorization": "Bearer " + process.env.DOITONG_API_KEY,
  "Content-Type": "application/json",
};

// Run the model; wait up to 20 s for the finished result in the same call
let res = await fetch(API + "/run/minimax/speech-2.6-hd?wait=20", {
  method: "POST",
  headers,
  body: JSON.stringify({
    "prompt": "Hello from Doitong. This is a short test sentence."
  }),
});
let request = await res.json();
if (!res.ok) throw new Error(request.error.code + ": " + request.error.message);

// Not finished yet: long-poll until it is
while (request.status === "queued" || request.status === "running") {
  res = await fetch(API + "/requests/" + request.id + "?wait=20", { headers });
  request = await res.json();
}
if (request.status !== "succeeded") throw new Error(JSON.stringify(request.error));
console.log(request.outputs.map((o) => o.url), request.cost.credits + " API credits ($" + request.cost.usd + ")");
```

### Python

```python
import os
import requests

API = "https://api.doitong.com/v1"
headers = {"Authorization": "Bearer " + os.environ["DOITONG_API_KEY"]}

payload = {
    "prompt": "Hello from Doitong. This is a short test sentence.",
}

# Run the model; wait up to 20 s for the finished result in the same call
r = requests.post(API + "/run/minimax/speech-2.6-hd", params={"wait": 20}, json=payload, headers=headers)
request = r.json()
if not r.ok:
    raise RuntimeError(request["error"]["code"] + ": " + request["error"]["message"])

# Not finished yet: long-poll until it is
while request["status"] in ("queued", "running"):
    request = requests.get(API + "/requests/" + request["id"], params={"wait": 20}, headers=headers).json()
if request["status"] != "succeeded":
    raise RuntimeError(request["error"])
print([o["url"] for o in request["outputs"]], request["cost"]["credits"], "API credits", "$" + request["cost"]["usd"])
```

### MCP

The MCP server at `https://api.doitong.com/v1/mcp` exposes the tools `search_models`, `get_model`, `quote`, `run`, `get_request`, `cancel_request`, `list_requests`, `create_upload` and `get_account`. A `run` call for this model:

```json
{
  "jsonrpc": "2.0",
  "id": 1,
  "method": "tools/call",
  "params": {
    "name": "run",
    "arguments": {
      "model_id": "minimax/speech-2.6-hd",
      "input": {
        "prompt": "Hello from Doitong. This is a short test sentence."
      },
      "wait_seconds": 20
    }
  }
}
```

## Response

Every call returns a request object. `status` is one of `queued`, `running`, `succeeded`, `failed`, `canceled`. `outputs` lists the generated files with URLs on our storage (kept forever, or 7 days with `?storage=temporary`; `storage` says which); `output` is the model's own result object with the same URLs.

```json
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "minimax/speech-2.6-hd",
  "status": "succeeded",
  "created_at": "2026-10-20T12:00:00Z",
  "started_at": "2026-10-20T12:00:02Z",
  "completed_at": "2026-10-20T12:00:09Z",
  "queue_position": null,
  "cost": {
    "credits": 5,
    "usd": "0.005",
    "charged": 5,
    "refunded": 0
  },
  "input": {
    "prompt": "Hello from Doitong. This is a short test sentence."
  },
  "output": {
    "audio": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp3",
      "content_type": "audio/mpeg",
      "file_name": "0-output.mp3",
      "file_size": 1843200
    },
    "duration_ms": 1
  },
  "outputs": [
    {
      "type": "audio",
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp3",
      "content_type": "audio/mpeg",
      "file_size": 1843200,
      "duration": 12,
      "stored": true
    }
  ],
  "error": null,
  "metrics": {
    "inference_seconds": 6.8
  },
  "urls": {
    "self": "https://api.doitong.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
```

### Output fields (`output`)

| Field | Type | Description |
|---|---|---|
| `audio` | object {url, content_type, file_name, file_size} | জেনারেশনের মাধ্যমে তৈরি অডিও ফাইল। |
| `duration_ms` | integer | অডিওর দৈর্ঘ্য, মিলিসেকেন্ডে পরিমাপ করা। |

## Related models

- [MiniMax Speech 2.6 \[Turbo\]](https://doitong.com/developers/models/minimax/speech-2.6-turbo.md) (`minimax/speech-2.6-turbo`): $0.06 / 1000 characters
- [MiniMax Speech 2.8 \[Turbo\]](https://doitong.com/developers/models/minimax/speech-2.8-turbo.md) (`minimax/speech-2.8-turbo`): $0.06 / 1000 characters
- [MiniMax Speech 2.8 HD](https://doitong.com/developers/models/minimax/speech-2.8-hd.md) (`minimax/speech-2.8-hd`): $0.10 / 1000 characters
- [MiniMax Speech-02 HD](https://doitong.com/developers/models/minimax/speech-02-hd.md) (`minimax/speech-02-hd`): $0.10 / 1000 characters
- [MiniMax Speech-02 Turbo](https://doitong.com/developers/models/minimax/speech-02-turbo.md) (`minimax/speech-02-turbo`): $0.06 / 1000 characters
- [MiniMax Voice Cloning](https://doitong.com/developers/models/minimax/voice-clone.md) (`minimax/voice-clone`): $1.5198 / run
- [MiniMax Voice Design](https://doitong.com/developers/models/minimax/voice-design.md) (`minimax/voice-design`): $3.00 / run
- [Eleven v4 Text to Speech](https://doitong.com/developers/models/elevenlabs/tts/eleven-v4.md) (`elevenlabs/tts/eleven-v4`): $0.08 / 1000 characters

## Links

- HTML page: https://doitong.com/developers/models/minimax/speech-2.6-hd
- All models and guides for AI agents: https://doitong.com/developers/llms.txt
- OpenAPI 3.1 with this model's typed request body: https://doitong.com/developers/openapi.json?model=minimax/speech-2.6-hd
- Errors: https://doitong.com/developers/docs/errors
- Model details as JSON: https://api.doitong.com/v1/models/minimax/speech-2.6-hd