Zum Inhalt springen

MiniMax Speech 2.8 HD

Integrieren

Modell-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"

Diese Anfrage: 0,019 $ 19 API-Credits Auf dieser Seite ausführen

API-Schlüssel abrufen
MiniMax Text zu Sprache #voiceover#multilingual#hd

MiniMaxs hochauflösendes Text-to-Speech in über 30 Sprachen mit Pausen-, Emotions- und Aussprachekontrolle.

Beispiele

Ausgabe · ~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-Credits

Anfrage erstellen

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

•erforderlich 182 / 10000

Text für Sprachsynthese mit Pausen, angegeben durch `<#x#>`, wobei x zwischen 0.01 und 99.99 Sekunden liegt. Verfügbare Interjektionstags sind `(laughs)`, `(sighs)`, `(coughs)`, `(clears throat)`, `(gasps)`, `(sniffs)`, `(groans)` und `(yawns)`.

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

Einstellungen zur Normalisierung der Audiolautstärke.

Einstellungen zum Ändern von Tonhöhe, Intensität und Klangfarbe der Stimme.

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

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 2.8 HD

MiniMax Speech 2.8 HD vertont Text in mehr als 30 Sprachen mit präziser Steuerung: Inline-Pausenmarkierungen, Stimmgeschwindigkeit, Tonhöhe und Lautstärke, benutzerdefinierte Aussprachedictionaries und Stimmeffekte. Wählen Sie aus den integrierten Stimmen sowie Abtastrate und Format der Ausgabe.

Parameter

NameTyp StandardZulässig Beschreibung
prompterforderlich
Typstring
≤ 10.000 Zeichen
Text für Sprachsynthese mit Pausen, angegeben durch `<#x#>`, wobei x zwischen 0.01 und 99.99 Sekunden liegt. Verfügbare Interjektionstags sind `(laughs)`, `(sighs)`, `(coughs)`, `(clears throat)`, `(gasps)`, `(sniffs)`, `(groans)` und `(yawns)`.
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.
normalization_settingoptional
Typobject
Einstellungen zur Normalisierung der Audiolautstärke.
normalization_setting.enabledoptional
Typboolean
Standardtrue
Aktiviert die Normalisierung der Audiolautstärke.
normalization_setting.target_loudnessoptional
Typnumber
Standard-18
-70 – -10
Gewünschte Lautheit, gemessen in LUFS; Standard ist -18.0.
normalization_setting.target_rangeoptional
Typnumber
Standard8
0 – 20
Gewünschter Lautheitsbereich, gemessen in LU; Standard ist 8.0.
normalization_setting.target_peakoptional
Typnumber
Standard-0.5
-3 – 0
Gewünschter Spitzenpegel, gemessen in dBTP; Standard ist -0.5.
voice_modifyoptional
Typobject
Einstellungen zum Ändern von Tonhöhe, Intensität und Klangfarbe der Stimme.
voice_modify.pitchoptional
Typinteger
Standard0
-100 – 100
Tonhöhensteuerung in Halbtonschritten: Einen negativen Wert zum Absenken und einen positiven Wert zum Anheben der Stimme verwenden. Zulässige Werte reichen von -100 bis 100.
voice_modify.intensityoptional
Typinteger
Standard0
-100 – 100
Steuerung der Stimmenergie, durch die Sprache bei höheren Einstellungen dynamischer wird. Der zulässige Bereich ist -100 bis 100.
voice_modify.timbreoptional
Typinteger
Standard0
-100 – 100
Anpassung der Klangfarbe von -100 bis 100 zur Steuerung des tonalen Charakters.
erforderlich

Ausgabe

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"
  }
}
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-2.8-hd.md. Alle Modelle und Anleitungen: https://doitong.com/developers/llms.txt