Přejít na obsah

MiniMax Speech-02 HD

Integrace

ID modelu minimax/speech-02-hd
# 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-02-hd?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "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"

Tento požadavek: 0,005 $ 5 kreditů API Spustit na této stránce

Získat API klíč
MiniMax · Zvuk

Zde se zobrazí váš první výsledek

Níže sestavte požadavek a spusťte ho pomocí svého API klíče. Výstupy se kopírují do našeho úložiště a uchovávají se navždy nebo 7 dne zdarma.

Sestavit požadavek

Ovládací prvky se generují ze schématu modelu. Kód a cena se aktualizují podle provedených změn.

•povinné 50 / 5000

Textový vstup řeči s limitem 5000 znaků, který musí obsahovat alespoň 1 znak odlišný od bílého znaku.

Pokročilé output_format · language_boost · enable_safety_checker · voice_setting · audio_setting · pronunciation_dict
output_format výchozí hex

Formát obsahu výstupu; platí pouze pro nestreamované odpovědi.

Zlepšuje rozpoznávání pro vybrané jazyky a dialekty.

výchozí {"english_normalizati...

Nastavení konfigurace hlasu.

Nastavení konfigurace zvuku.

Vlastní slovník výslovnosti používaný k nahrazení textu.

POST /run/minimax/speech-02-hd?wait=20 cena → 0,005 $
# 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-02-hd?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "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"

Spustit tento požadavek

Váš klíč zůstává v tomto prohlížeči: odesílá se pouze do Doitong API a uloží se do localStorage jen tehdy, když zaškrtnete možnost Zapamatovat. Získat klíč API

O modelu MiniMax Speech-02 HD

Generuje řeč z až 5000 znaků v `text` pomocí kvalitativní varianty HD modelu Speech-02. Hlas lze upravit přes `voice_setting`, nastavit `audio_setting`, použít `pronunciation_dict` a zvolit `language_boost` z 38 možností. `output_format` může být url nebo hex. Výsledek obsahuje zvukový soubor a jeho délku v milisekundách.

Parametry

NázevTyp VýchozíPovolené Popis
enable_safety_checkervolitelné
Typboolean
Výchozítrue
Kontrolu lze uvolnit nastavením na false, pokud je volající autorizován.
textpovinné
Typstring
≤ 5 000 znaků
Textový vstup řeči s limitem 5000 znaků, který musí obsahovat alespoň 1 znak odlišný od bílého znaku.
voice_settingvolitelné
Typobject
Výchozí{"english_normalization":false,"pitch":0,"speed":1,"voice_id":"Wise_Woman","vol":1}
Nastavení konfigurace hlasu.
voice_setting.voice_idvolitelné
Typstring
VýchozíWise_Woman
≥ 1 characters
Předdefinovaný identifikátor hlasu používaný pro syntézu řeči.
voice_setting.speedvolitelné
Typnumber
Výchozí1
0,5 – 2
Rychlost mluvení v rozsahu od 0.5 do 2.0.
voice_setting.volvolitelné
Typnumber
Výchozí1
0,01 – 10
Hlasitost výstupu v rozsahu od 0 do 10.
voice_setting.pitchvolitelné
Typinteger
Výchozí0
-12 – 12
Výška hlasu v rozsahu od -12 do 12.
voice_setting.emotionvolitelné
Typenum
happysadangryfearfuldisgustedsurprisedneutral
Emoční zabarvení syntetizované řeči.
voice_setting.english_normalizationvolitelné
Typboolean
Výchozífalse
Možnost normalizace anglického textu, která za cenu mírně delší latence zlepšuje čtení čísel.
audio_settingvolitelné
Typobject
Nastavení konfigurace zvuku.
audio_setting.sample_ratevolitelné
Typenum
Výchozí32000
80001600022050240003200044100
Vzorkovací frekvence vygenerovaného zvuku.
audio_setting.bitratevolitelné
Typenum
Výchozí128000
3200064000128000256000
Bitrate vygenerovaného zvuku.
audio_setting.formatvolitelné
Typenum
Výchozímp3
mp3pcmflac
Formát zvuku.
audio_setting.channelvolitelné
Typenum
Výchozí1
12
Počet zvukových kanálů: 1 pro mono nebo 2 pro stereo.
language_boostvolitelné
Typenum
ChineseChinese,YueEnglishArabicRussianSpanishFrenchPortugueseGermanTurkishDutchUkrainianVietnameseIndonesianJapaneseItalian
+22 dalšíchKoreanThaiPolishRomanianGreekCzechFinnishHindiBulgarianDanishHebrewMalaySlovakSwedishCroatianHungarianNorwegianSlovenianCatalanNynorskAfrikaansauto
Zlepšuje rozpoznávání pro vybrané jazyky a dialekty.
output_formatvolitelné
Typenum
Výchozíhex
urlhex
Formát obsahu výstupu; platí pouze pro nestreamované odpovědi.
pronunciation_dictvolitelné
Typobject
Vlastní slovník výslovnosti používaný k nahrazení textu.
pronunciation_dict.tone_listvolitelné
Typstring[]
Seznam náhrad výslovnosti se syntaxí ['text/(výslovnost)', ...], například ['燕少飞/(yan4)(shao3)(fei1)']. Čínská čísla tónů jsou v rozsahu 1 až 5.
povinné

Výstup

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "minimax/speech-02-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": {
    "text": "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"
  }
}
Vaše soubory, vaše volbaKaždý outputs[].url je kopie v našem úložišti: uchovávaná navždy (zpoplatněná za GB-měsíc) nebo 7 dne zdarma podle nastavení účtu nebo ?storage=.
Stejná struktura u každého modelutype, url, content_type, width, height a duration pro obrázky, video i zvuk. output je vlastní objekt výsledku modelu.
Pole výstupu
audio
object {url, content_type, file_name, file_size}Zvukový soubor vytvořený generováním.
duration_ms
integerDélka zvuku měřená v milisekundách.

Další modely: Text na řeč

Pro AI agenty: tato stránka je ve formátu Markdown na adrese https://doitong.com/cs/developers/models/minimax/speech-02-hd.md. Všechny modely a návody: https://doitong.com/developers/llms.txt