Přejít na obsah

MiniMax Speech 2.8 HD

Integrace

ID modelu minimax/speech-2.8-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-2.8-hd?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "Welcome aboard. Tonight we cruise along the northern coast, where the lighthouse has guided sailors home for two hundred years. Find a warm seat on the upper deck and enjoy the view."
  }'

# 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: 0,019 $ 19 kreditů API Spustit na této stránce

Získat API klíč
MiniMax Text na řeč #voiceover#multilingual#hd

MiniMax převádí text na řeč ve vysokém rozlišení ve více než 30 jazycích s pauzami, emocemi a řízením výslovnosti.

Příklady

Výstup · ~10 s

PromptWelcome aboard. Tonight we cruise along the northern coast, where the lighthouse has guided sailors home for two hundred years. Find a warm seat on the upper deck and enjoy the view.

0,019 $ · 19 kreditů API

Sestavit požadavek

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

•povinné 182 / 10000

Text pro syntézu řeči s pauzami určenými pomocí `<#x#>`, kde x je v rozsahu 0.01 až 99.99 sekundy. Dostupné značky citoslovcí jsou `(laughs)`, `(sighs)`, `(coughs)`, `(clears throat)`, `(gasps)`, `(sniffs)`, `(groans)` a `(yawns)`.

Pokročilé output_format · language_boost · voice_setting · audio_setting · pronunciation_dict · normalization_setting · voice_modify
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.

Nastavení řízení normalizace hlasitosti zvuku.

Nastavení úprav výšky, intenzity a barvy hlasu.

POST /run/minimax/speech-2.8-hd?wait=20 cena → 0,019 $
# 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-2.8-hd?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "Welcome aboard. Tonight we cruise along the northern coast, where the lighthouse has guided sailors home for two hundred years. Find a warm seat on the upper deck and enjoy the view."
  }'

# 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 2.8 HD

MiniMax Speech 2.8 HD převádí text na řeč ve více než 30 jazycích s podrobným řízením: vložené značky pauz, rychlost hlasu, výška a hlasitost, vlastní slovníky výslovnosti a hlasové efekty. Vyberte vestavěné hlasy frekvenci vzorkování a formát výstupu.

Parametry

NázevTyp VýchozíPovolené Popis
promptpovinné
Typstring
≤ 10 000 znaků
Text pro syntézu řeči s pauzami určenými pomocí `<#x#>`, kde x je v rozsahu 0.01 až 99.99 sekundy. Dostupné značky citoslovcí jsou `(laughs)`, `(sighs)`, `(coughs)`, `(clears throat)`, `(gasps)`, `(sniffs)`, `(groans)` a `(yawns)`.
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.
normalization_settingvolitelné
Typobject
Nastavení řízení normalizace hlasitosti zvuku.
normalization_setting.enabledvolitelné
Typboolean
Výchozítrue
Povolí normalizaci hlasitosti zvuku.
normalization_setting.target_loudnessvolitelné
Typnumber
Výchozí-18
-70 – -10
Požadovaná hlasitost měřená v LUFS; výchozí hodnota je -18.0.
normalization_setting.target_rangevolitelné
Typnumber
Výchozí8
0 – 20
Požadovaný rozsah hlasitosti měřený v LU; výchozí hodnota je 8.0.
normalization_setting.target_peakvolitelné
Typnumber
Výchozí-0.5
-3 – 0
Požadovaná špičková úroveň měřená v dBTP; výchozí hodnota je -0.5.
voice_modifyvolitelné
Typobject
Nastavení úprav výšky, intenzity a barvy hlasu.
voice_modify.pitchvolitelné
Typinteger
Výchozí0
-100 – 100
Řízení výšky hlasu měřené v půltónech: záporná hodnota hlas sníží, kladná jej zvýší. Povolené hodnoty jsou v rozsahu -100 až 100.
voice_modify.intensityvolitelné
Typinteger
Výchozí0
-100 – 100
Řízení energie hlasu, díky němuž je řeč při vyšším nastavení energičtější. Povolený rozsah je -100 až 100.
voice_modify.timbrevolitelné
Typinteger
Výchozí0
-100 – 100
Úprava barvy hlasu v rozsahu -100 až 100, která řídí jeho tónový charakter.
povinné

Výstup

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "minimax/speech-2.8-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": 19,
    "usd": "0.019",
    "charged": 19,
    "refunded": 0
  },
  "input": {
    "prompt": "Hello! Welcome to our new studio. <#0.5#> Let's make something wonderful today."
  },
  "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-2.8-hd.md. Všechny modely a návody: https://doitong.com/developers/llms.txt