Neidio i'r cynnwys

MiniMax Speech-02 HD

Integreiddio

ID y model 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"

Y cais hwn: $0.005 5 o gredydau API Ei redeg ar y dudalen hon

Cael allwedd API
MiniMax · Sain

Mae eich canlyniad cyntaf yn mynd yma

Adeiladwch gais isod a'i redeg gyda'ch allwedd API. Mae allbynnau'n cael eu copïo i'n storio, wedi'u cadw am byth neu am 7 diwrnod am ddim.

Adeiladu cais

Cynhyrchir rheolyddion o sgema'r model. Mae'r cod a'r pris yn diweddaru wrth i chi eu newid.

•gofynnol 50 / 5000

Testun mewnbwn lleferydd, wedi'i gyfyngu i 5000 nod ac yn gofyn am o leiaf 1 nod nad yw'n ofod gwyn.

Uwch output_format · language_boost · enable_safety_checker · voice_setting · audio_setting · pronunciation_dict
output_format rhagosodedig hex

Fformat cynnwys allbwn; dim ond i ymatebion nad ydynt yn ffrydio y mae'n berthnasol.

Yn gwella adnabyddiaeth ar gyfer yr ieithoedd a'r tafodieithoedd a ddewiswyd.

rhagosodedig {"english_normalizati...

Gosodiadau ar gyfer ffurfweddu'r llais.

Gosodiadau ar gyfer ffurfweddu sain.

Geiriadur personol o ynganiadau a ddefnyddir i ddisodli testun.

POST /run/minimax/speech-02-hd?wait=20 dyfynbris → $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"

Rhedeg y cais hwn

Mae'ch allwedd yn aros yn y porwr hwn: caiff ei hanfon at Doitong API yn unig a'i chadw (localStorage) dim ond os ticiwch Cofio. Cael allwedd API

Ynglŷn â MiniMax Speech-02 HD

Yn cynhyrchu lleferydd o hyd at 5000 nod o `text` gan ddefnyddio amrywiad ansawdd HD Speech-02. Gallwch addasu'r llais drwy `voice_setting`, gosod `audio_setting`, defnyddio `pronunciation_dict`, a dewis `language_boost` o blith 38 opsiwn. Gall `output_format` fod yn url neu hex. Mae'r canlyniad yn cynnwys y ffeil sain a'i hyd mewn milieiliadau.

Paramedrau

EnwMath RhagosodedigCaniateir Disgrifiad
enable_safety_checkerdewisol
Mathboolean
Rhagosodedigtrue
Gellir llacio'r sgrinio drwy osod false, ar yr amod bod y galwr wedi'i awdurdodi.
textgofynnol
Mathstring
≤ 5,000 nod
Testun mewnbwn lleferydd, wedi'i gyfyngu i 5000 nod ac yn gofyn am o leiaf 1 nod nad yw'n ofod gwyn.
voice_settingdewisol
Mathobject
Rhagosodedig{"english_normalization":false,"pitch":0,"speed":1,"voice_id":"Wise_Woman","vol":1}
Gosodiadau ar gyfer ffurfweddu'r llais.
voice_setting.voice_iddewisol
Mathstring
RhagosodedigWise_Woman
≥ 1 characters
Dynodwr llais rhagosodedig a ddefnyddir ar gyfer synthesis lleferydd.
voice_setting.speeddewisol
Mathnumber
Rhagosodedig1
0.5 – 2
Cyfradd siarad, yn amrywio o 0.5 i 2.0.
voice_setting.voldewisol
Mathnumber
Rhagosodedig1
0.01 – 10
Cyfaint allbwn, yn amrywio o 0 i 10.
voice_setting.pitchdewisol
Mathinteger
Rhagosodedig0
-12 – 12
Traw'r llais, yn amrywio o -12 i 12.
voice_setting.emotiondewisol
Mathenum
happysadangryfearfuldisgustedsurprisedneutral
Tôn emosiynol y lleferydd wedi'i syntheseiddio.
voice_setting.english_normalizationdewisol
Mathboolean
Rhagosodedigfalse
Opsiwn normaleiddio testun Saesneg sy'n cyfnewid ychydig o hwyrni ychwanegol am ddarllen rhifau'n well.
audio_settingdewisol
Mathobject
Gosodiadau ar gyfer ffurfweddu sain.
audio_setting.sample_ratedewisol
Mathenum
Rhagosodedig32000
80001600022050240003200044100
Cyfradd samplu ar gyfer y sain a gynhyrchir.
audio_setting.bitratedewisol
Mathenum
Rhagosodedig128000
3200064000128000256000
Bitrate ar gyfer y sain a gynhyrchir.
audio_setting.formatdewisol
Mathenum
Rhagosodedigmp3
mp3pcmflac
Fformat y sain.
audio_setting.channeldewisol
Mathenum
Rhagosodedig1
12
Cyfrif sianeli sain: 1 ar gyfer mono neu 2 ar gyfer stereo.
language_boostdewisol
Mathenum
ChineseChinese,YueEnglishArabicRussianSpanishFrenchPortugueseGermanTurkishDutchUkrainianVietnameseIndonesianJapaneseItalian
+22 yn rhagorKoreanThaiPolishRomanianGreekCzechFinnishHindiBulgarianDanishHebrewMalaySlovakSwedishCroatianHungarianNorwegianSlovenianCatalanNynorskAfrikaansauto
Yn gwella adnabyddiaeth ar gyfer yr ieithoedd a'r tafodieithoedd a ddewiswyd.
output_formatdewisol
Mathenum
Rhagosodedighex
urlhex
Fformat cynnwys allbwn; dim ond i ymatebion nad ydynt yn ffrydio y mae'n berthnasol.
pronunciation_dictdewisol
Mathobject
Geiriadur personol o ynganiadau a ddefnyddir i ddisodli testun.
pronunciation_dict.tone_listdewisol
Mathstring[]
Rhestr amnewid ynganiadau gan ddefnyddio'r gystrawen ['text/(pronunciation)', ...], er enghraifft ['燕少飞/(yan4)(shao3)(fei1)']. Mae rhifau tôn Tsieineaidd yn amrywio o 1 i 5.
gofynnol

Allbwn

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"
  }
}
Eich ffeiliau, eich dewisMae pob outputs[].url yn gopi ar ein storio: wedi'i gadw am byth (telir fesul GB-mis) neu am 7 diwrnod am ddim, yn ôl gosodiad eich cyfrif neu ?storage=.
Yr un siâp ar bob modeltype, url, content_type, width, height a duration, ar gyfer delweddau, fideo a sain fel ei gilydd. Gwrthrych canlyniad y model ei hun yw output.
Meysydd yr allbwn
audio
object {url, content_type, file_name, file_size}Ffeil sain a gynhyrchir drwy gynhyrchu.
duration_ms
integerHyd sain, wedi'i fesur mewn milieiliadau.

Mwy o fodelau: Testun i Leferydd

Ar gyfer asiantau AI: mae'r dudalen hon fel Markdown ar gael yn https://doitong.com/cy/developers/models/minimax/speech-02-hd.md. Pob model a chanllaw: https://doitong.com/developers/llms.txt