Zum Inhalt springen

MiniMax Speech-02 HD

Integrieren

Modell-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"

Diese Anfrage: 0,005 $ 5 API-Credits Auf dieser Seite ausführen

API-Schlüssel abrufen
MiniMax · Audio

Dein erstes Ergebnis erscheint hier

Erstelle unten eine Anfrage und führe sie mit deinem API-Schlüssel aus. Ausgaben werden in unseren Speicher kopiert und dauerhaft oder 7 Tage kostenlos aufbewahrt.

Anfrage erstellen

Die Steuerelemente werden aus dem Modellschema generiert. Code und Preis werden aktualisiert, während du sie änderst.

•erforderlich 50 / 5000

Text der Spracheingabe, auf 5000 Zeichen begrenzt und mit mindestens 1 Nicht-Leerzeichen erforderlich.

Erweitert output_format · language_boost · enable_safety_checker · voice_setting · audio_setting · pronunciation_dict
output_format Standard hex

Ausgabeinhaltsformat; gilt nur für nicht gestreamte Antworten.

Verbessert die Erkennung für die ausgewählten Sprachen und Dialekte.

Standard {"english_normalizati...

Einstellungen zur Konfiguration der Stimme.

Einstellungen zur Konfiguration des Audios.

Benutzerdefiniertes Aussprachewörterbuch zum Ersetzen von Text.

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

Diese Anfrage ausführen

Dein Schlüssel bleibt in diesem Browser: Er wird nur an die Doitong API gesendet und nur gespeichert (localStorage), wenn du „Merken“ aktivierst. API-Schlüssel abrufen

Über MiniMax Speech-02 HD

Erzeugt aus bis zu 5000 Zeichen in `text` Sprache mit der HD-Qualitätsvariante von Speech-02. Sie können die Stimme über `voice_setting` anpassen, `audio_setting` festlegen, ein `pronunciation_dict` anwenden und `language_boost` aus 38 Optionen auswählen. `output_format` kann url oder hex sein. Das Ergebnis enthält die Audiodatei und ihre Länge in Millisekunden.

Parameter

NameTyp StandardZulässig Beschreibung
enable_safety_checkeroptional
Typboolean
Standardtrue
Die Prüfung kann durch Setzen auf false gelockert werden, sofern der Aufrufer dazu berechtigt ist.
texterforderlich
Typstring
≤ 5.000 Zeichen
Text der Spracheingabe, auf 5000 Zeichen begrenzt und mit mindestens 1 Nicht-Leerzeichen erforderlich.
voice_settingoptional
Typobject
Standard{"english_normalization":false,"pitch":0,"speed":1,"voice_id":"Wise_Woman","vol":1}
Einstellungen zur Konfiguration der Stimme.
voice_setting.voice_idoptional
Typstring
StandardWise_Woman
≥ 1 characters
Vordefinierte Sprachkennung für die Sprachsynthese.
voice_setting.speedoptional
Typnumber
Standard1
0,5 – 2
Sprechgeschwindigkeit im Bereich von 0.5 bis 2.0.
voice_setting.voloptional
Typnumber
Standard1
0,01 – 10
Ausgabelautstärke im Bereich von 0 bis 10.
voice_setting.pitchoptional
Typinteger
Standard0
-12 – 12
Tonhöhe der Stimme im Bereich von -12 bis 12.
voice_setting.emotionoptional
Typenum
happysadangryfearfuldisgustedsurprisedneutral
Emotionale Färbung der synthetisierten Sprache.
voice_setting.english_normalizationoptional
Typboolean
Standardfalse
Option zur englischen Textnormalisierung, die eine geringfügig höhere Latenz gegen eine bessere Lesbarkeit von Zahlen eintauscht.
audio_settingoptional
Typobject
Einstellungen zur Konfiguration des Audios.
audio_setting.sample_rateoptional
Typenum
Standard32000
80001600022050240003200044100
Samplingrate für das generierte Audio.
audio_setting.bitrateoptional
Typenum
Standard128000
3200064000128000256000
Bitrate für das generierte Audio.
audio_setting.formatoptional
Typenum
Standardmp3
mp3pcmflac
Format des Audios.
audio_setting.channeloptional
Typenum
Standard1
12
Anzahl der Audiokanäle: 1 für Mono oder 2 für Stereo.
language_boostoptional
Typenum
ChineseChinese,YueEnglishArabicRussianSpanishFrenchPortugueseGermanTurkishDutchUkrainianVietnameseIndonesianJapaneseItalian
+22 weitereKoreanThaiPolishRomanianGreekCzechFinnishHindiBulgarianDanishHebrewMalaySlovakSwedishCroatianHungarianNorwegianSlovenianCatalanNynorskAfrikaansauto
Verbessert die Erkennung für die ausgewählten Sprachen und Dialekte.
output_formatoptional
Typenum
Standardhex
urlhex
Ausgabeinhaltsformat; gilt nur für nicht gestreamte Antworten.
pronunciation_dictoptional
Typobject
Benutzerdefiniertes Aussprachewörterbuch zum Ersetzen von Text.
pronunciation_dict.tone_listoptional
Typstring[]
Liste für Ausspracheersetzungen mit der Syntax ['text/(pronunciation)', ...], zum Beispiel ['燕少飞/(yan4)(shao3)(fei1)']. Chinesische Tonzahlen reichen von 1 bis 5.
erforderlich

Ausgabe

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"
  }
}
Deine Dateien, deine EntscheidungJede outputs[].url ist eine Kopie in unserem Speicher: dauerhaft aufbewahrt (Abrechnung pro GB-Monat) oder 7 Tage kostenlos – je nach Kontoeinstellung oder ?storage=.
Gleiche Struktur bei jedem Modelltype, url, content_type, width, height und duration – für Bilder, Video und Audio gleichermaßen. output ist das Ergebnisobjekt des Modells.
Ausgabefelder
audio
object {url, content_type, file_name, file_size}Durch die Generierung erzeugte Audiodatei.
duration_ms
integerAudiolänge, gemessen in Millisekunden.

Weitere Modelle: Text zu Sprache

Für KI-Agenten: Diese Seite ist als Markdown verfügbar unter https://doitong.com/de/developers/models/minimax/speech-02-hd.md. Alle Modelle und Anleitungen: https://doitong.com/developers/llms.txt