Gå til indhold

MiniMax Speech 2.8 HD

Integrer

Model-id 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"

Denne anmodning: 0,019 $ 19 API-kreditter Kør den på denne side

Hent API-nøgle
MiniMax Tekst til tale #voiceover#multilingual#hd

MiniMax' high-definition tekst-til-tale på over 30 sprog med pauser, følelser og udtalestyring.

Eksempler

Output · ~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 API-kreditter

Opret en anmodning

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

•påkrævet 182 / 10000

Tekst til talesyntese med pauser angivet af `<#x#>`, hvor x går fra 0.01 til 99.99 sekunder. Tilgængelige indskudstags er `(laughs)`, `(sighs)`, `(coughs)`, `(clears throat)`, `(gasps)`, `(sniffs)`, `(groans)` og `(yawns)`.

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

Indstillinger, der styrer normalisering af lydstyrke.

Indstillinger til ændring af stemmens tonehøjde, intensitet og klang.

POST /run/minimax/speech-2.8-hd?wait=20 pris → 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"

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 2.8 HD

MiniMax Speech 2.8 HD læser tekst op på over 30 sprog med fin kontrol: inline-pausemarkører, stemme hastighed, tonehøjde og lydstyrke, brugerdefinerede udtaleordbøger og stemmeeffekter. Vælg blandt de indbyggede stemmer samt outputtets samplingsfrekvens og format.

Parametre

NavnType StandardTilladt Beskrivelse
promptpåkrævet
Typestring
≤ 10.000 tegn
Tekst til talesyntese med pauser angivet af `<#x#>`, hvor x går fra 0.01 til 99.99 sekunder. Tilgængelige indskudstags er `(laughs)`, `(sighs)`, `(coughs)`, `(clears throat)`, `(gasps)`, `(sniffs)`, `(groans)` og `(yawns)`.
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.
normalization_settingvalgfri
Typeobject
Indstillinger, der styrer normalisering af lydstyrke.
normalization_setting.enabledvalgfri
Typeboolean
Standardtrue
Aktiverer normalisering af lydstyrke.
normalization_setting.target_loudnessvalgfri
Typenumber
Standard-18
-70 – -10
Ønsket lydstyrke målt i LUFS; standard er -18.0.
normalization_setting.target_rangevalgfri
Typenumber
Standard8
0 – 20
Ønsket lydstyrkeområde målt i LU; standard er 8.0.
normalization_setting.target_peakvalgfri
Typenumber
Standard-0.5
-3 – 0
Ønsket spidsniveau målt i dBTP; standard er -0.5.
voice_modifyvalgfri
Typeobject
Indstillinger til ændring af stemmens tonehøjde, intensitet og klang.
voice_modify.pitchvalgfri
Typeinteger
Standard0
-100 – 100
Tonehøjde målt i halvtoner: brug en negativ værdi til at sænke stemmen eller en positiv værdi til at hæve den. Tilladte værdier går fra -100 til 100.
voice_modify.intensityvalgfri
Typeinteger
Standard0
-100 – 100
Styring af stemmens energi, som gør talen mere energisk ved højere værdier. Det tilladte område er -100 til 100.
voice_modify.timbrevalgfri
Typeinteger
Standard0
-100 – 100
Justering af stemmens klang fra -100 til 100, som styrer dens tonale karakter.
påkrævet

Output

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"
  }
}
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-2.8-hd.md. Alle modeller og vejledninger: https://doitong.com/developers/llms.txt