Zum Inhalt springen

MiniMax Voice Cloning

Integrieren

Modell-ID minimax/voice-clone
# 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/voice-clone?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  }'

# 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"

Dateien wie das Beispiel: 1,52 $ 1.520 API-Credits Deine Dateien werden vor der Ausführung gemessen Auf dieser Seite ausführen

API-Schlüssel abrufen
MiniMax Text zu Sprache #speech

Klont eine Stimme aus einer Beispielaufnahme und liefert eine wiederverwendbare Voice-ID sowie optional einen Vorschauclip

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.

0 / 1000

Optionaler Text zum Erzeugen einer Vorschau mit der geklonten Stimme.

•erforderlich audio_url
Datei ablegen oder

URL einer Aufnahme zum Klonen einer Stimme. Eine Stimme wird nach ihrer ersten Verwendung mit einer Text-to-Speech-Route (TTS) dauerhaft; dies muss innerhalb von 7 Tagen geschehen, um die automatische Löschung zu vermeiden. Die Aufnahme sollte mindestens 10 Sekunden lang sein.

Erweitert model · accuracy · enable_safety_checker · noise_reduction · need_volume_normalization
model Standard speech-02-hd

Sprachsynthesemodell für die Vorschau: speech-02-hd, speech-02-turbo, speech-01-hd oder speech-01-turbo.

Genauigkeitsschwelle für die Textvalidierung im Bereich von 0 bis 1.

POST /run/minimax/voice-clone?wait=20 Preis → 1,52 $
# 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/voice-clone?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  }'

# 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 Voice Cloning

Nimmt eine Beispielaufnahme über `audio_url` entgegen, die mindestens 10 Sekunden lang sein sollte, und erstellt eine benutzerdefinierte Stimme. Die Antwort enthält `custom_voice_id` für die spätere TTS-Nutzung. Eine Vorschau wird aus `text` (bis zu 1000 Zeichen) mit einer `model`-Auswahl aus speech-02-hd, speech-02-turbo, speech-01-hd und speech-01-turbo gesprochen. Zu den Optionen gehören `noise_reduction` und `need_volume_normalization`.

Parameter

Sende entweder den kanonischen Namen oder den nativen Namen, nicht beide. Kanonische Namen

NameTyp StandardZulässig Beschreibung
enable_safety_checkeroptional
Typboolean
Standardtrue
Die Prüfung kann durch Setzen auf false gelockert werden, sofern der Aufrufer dazu berechtigt ist.
audio_urlerforderlich audio
Typurl · audio
URL einer Aufnahme zum Klonen einer Stimme. Eine Stimme wird nach ihrer ersten Verwendung mit einer Text-to-Speech-Route (TTS) dauerhaft; dies muss innerhalb von 7 Tagen geschehen, um die automatische Löschung zu vermeiden. Die Aufnahme sollte mindestens 10 Sekunden lang sein.
noise_reductionoptional
Typboolean
Standardfalse
Wendet Rauschunterdrückung auf die geklonte Stimme an.
need_volume_normalizationoptional
Typboolean
Standardfalse
Wendet Lautstärkenormalisierung auf die geklonte Stimme an.
accuracyoptional
Typnumber | null
0 – 1
Genauigkeitsschwelle für die Textvalidierung im Bereich von 0 bis 1.
textoptional
Typstring | null
StandardHello, this is a preview of your cloned voice! I hope you like it!
≤ 1.000 Zeichen
Optionaler Text zum Erzeugen einer Vorschau mit der geklonten Stimme.
modeloptional
Typenum
Standardspeech-02-hd
speech-02-hdspeech-02-turbospeech-01-hdspeech-01-turbo
Sprachsynthesemodell für die Vorschau: speech-02-hd, speech-02-turbo, speech-01-hd oder speech-01-turbo.
erforderlich Kanonischer Name, ebenfalls akzeptiert

Dateiparameter akzeptieren eine öffentliche https://-URL, eine data:-URI bis 10 MB oder die file_url eines Uploads. Dateien

Ausgabe

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "minimax/voice-clone",
  "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": 1520,
    "usd": "1.52",
    "charged": 1520,
    "refunded": 0
  },
  "input": {
    "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  },
  "output": {
    "custom_voice_id": "string",
    "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
    }
  },
  "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
custom_voice_id
stringKennung zur Verwendung der geklonten Stimme in TTS.
audio
object {url, content_type, file_name, file_size} | nullMit der geklonten Stimme synthetisierte Audiovorschau, sofern angefordert.

Weitere Modelle: Text zu Sprache

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