Gå til indhold

MiniMax Speech-02 HD

Integrer

Model-id 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"

Denne anmodning: 0,005 $ 5 API-kreditter Kør den på denne side

Hent API-nøgle
MiniMax · Lyd

Dit første resultat kommer her

Opret en anmodning nedenfor, og kør den med din API-nøgle. Output kopieres til vores lagring, gemt for altid eller 7 dage gratis.

Opret en anmodning

Kontrollerne genereres fra modellens skema. Koden og prisen opdateres, når du ændrer dem.

•påkrævet 50 / 5000

Tekstinput til tale, begrænset til 5000 tegn og kræver mindst 1 tegn, der ikke er whitespace.

Avanceret output_format · language_boost · enable_safety_checker · voice_setting · audio_setting · pronunciation_dict
output_format standard hex

Format for outputindhold; gælder kun ikke-streamede svar.

Forbedrer genkendelsen for de valgte sprog og dialekter.

standard {"english_normalizati...

Indstillinger til konfiguration af stemmen.

Indstillinger til konfiguration af lyd.

Brugerdefineret udtaleordbog, der bruges til at erstatte tekst.

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

Kør denne anmodning

Din nøgle forbliver i denne browser: Den sendes kun til Doitong API og gemmes kun i localStorage, hvis du markerer Husk. Hent en API-nøgle

Om MiniMax Speech-02 HD

Genererer tale fra op til 5000 tegn `text` med HD-kvalitetsvarianten af Speech-02. Du kan justere stemmen via `voice_setting`, indstille `audio_setting`, anvende en `pronunciation_dict` og vælge en `language_boost` blandt 38 muligheder. `output_format` kan være url eller hex. Resultatet indeholder lydfilen og dens længde i millisekunder.

Parametre

NavnType StandardTilladt Beskrivelse
enable_safety_checkervalgfri
Typeboolean
Standardtrue
Screening kan lempes ved at angive false, hvis den kaldende part er autoriseret.
textpåkrævet
Typestring
≤ 5.000 tegn
Tekstinput til tale, begrænset til 5000 tegn og kræver mindst 1 tegn, der ikke er whitespace.
voice_settingvalgfri
Typeobject
Standard{"english_normalization":false,"pitch":0,"speed":1,"voice_id":"Wise_Woman","vol":1}
Indstillinger til konfiguration af stemmen.
voice_setting.voice_idvalgfri
Typestring
StandardWise_Woman
≥ 1 characters
Foruddefineret stemmeidentifikator brugt til talesyntese.
voice_setting.speedvalgfri
Typenumber
Standard1
0,5 – 2
Talehastighed fra 0.5 til 2.0.
voice_setting.volvalgfri
Typenumber
Standard1
0,01 – 10
Outputlydstyrke fra 0 til 10.
voice_setting.pitchvalgfri
Typeinteger
Standard0
-12 – 12
Stemmens tonehøjde fra -12 til 12.
voice_setting.emotionvalgfri
Typeenum
happysadangryfearfuldisgustedsurprisedneutral
Den syntetiserede tales følelsesmæssige tone.
voice_setting.english_normalizationvalgfri
Typeboolean
Standardfalse
Indstilling til normalisering af engelsk tekst, der bruger en smule ekstra latenstid for bedre oplæsning af tal.
audio_settingvalgfri
Typeobject
Indstillinger til konfiguration af lyd.
audio_setting.sample_ratevalgfri
Typeenum
Standard32000
80001600022050240003200044100
Samplingsfrekvens for den genererede lyd.
audio_setting.bitratevalgfri
Typeenum
Standard128000
3200064000128000256000
Bitrate for den genererede lyd.
audio_setting.formatvalgfri
Typeenum
Standardmp3
mp3pcmflac
Format for lyden.
audio_setting.channelvalgfri
Typeenum
Standard1
12
Antal lydkanaler: 1 for mono eller 2 for stereo.
language_boostvalgfri
Typeenum
ChineseChinese,YueEnglishArabicRussianSpanishFrenchPortugueseGermanTurkishDutchUkrainianVietnameseIndonesianJapaneseItalian
+22 flereKoreanThaiPolishRomanianGreekCzechFinnishHindiBulgarianDanishHebrewMalaySlovakSwedishCroatianHungarianNorwegianSlovenianCatalanNynorskAfrikaansauto
Forbedrer genkendelsen for de valgte sprog og dialekter.
output_formatvalgfri
Typeenum
Standardhex
urlhex
Format for outputindhold; gælder kun ikke-streamede svar.
pronunciation_dictvalgfri
Typeobject
Brugerdefineret udtaleordbog, der bruges til at erstatte tekst.
pronunciation_dict.tone_listvalgfri
Typestring[]
Liste over udtaleerstatninger med syntaksen ['text/(pronunciation)', ...], f.eks. ['燕少飞/(yan4)(shao3)(fei1)']. Kinesiske tonenumre går fra 1 til 5.
påkrævet

Output

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"
  }
}
Dine filer, dit valgHver outputs[].url er en kopi på vores lagring: gemt for altid (betales pr. GB-måned) eller 7 dage gratis, afhængigt af din kontoindstilling eller ?storage=.
Samme struktur for alle modellertype, url, content_type, width, height og duration for billeder, video og lyd. output er modellens eget resultatobjekt.
Outputfelter
audio
object {url, content_type, file_name, file_size}Lydfil produceret af genereringen.
duration_ms
integerLydlængde målt i millisekunder.

Flere modeller: Tekst til tale

Til AI-agenter: Denne side som Markdown findes på https://doitong.com/da/developers/models/minimax/speech-02-hd.md. Alle modeller og vejledninger: https://doitong.com/developers/llms.txt