Μετάβαση στο περιεχόμενο

MiniMax Speech 2.8 HD

Ενσωμάτωση

id μοντέλου 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"

Αυτό το αίτημα: 0,019 $ 19 πιστώσεις API Εκτέλεση σε αυτήν τη σελίδα

Λήψη κλειδιού API
MiniMax Κείμενο σε ομιλία #voiceover#multilingual#hd

Text-to-speech υψηλής ευκρίνειας της MiniMax σε 30+ γλώσσες, με έλεγχο παύσεων, συναισθήματος και προφοράς.

Παραδείγματα

Έξοδος · ~10 s

ΠροτροπήWelcome 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 πιστώσεις API

Δημιουργία αιτήματος

Τα στοιχεία ελέγχου δημιουργούνται από το σχήμα του μοντέλου. Ο κώδικας και η τιμή ενημερώνονται καθώς τα αλλάζετε.

•απαιτείται 182 / 10000

Κείμενο για σύνθεση ομιλίας, με παύσεις που καθορίζονται από το `<#x#>`, όπου το x κυμαίνεται από 0.01 έως 99.99 δευτερόλεπτα. Οι διαθέσιμες ετικέτες επιφωνημάτων είναι `(laughs)`, `(sighs)`, `(coughs)`, `(clears throat)`, `(gasps)`, `(sniffs)`, `(groans)` και `(yawns)`.

Για προχωρημένους output_format · language_boost · voice_setting · audio_setting · pronunciation_dict · normalization_setting · voice_modify
output_format προεπιλογή hex

Μορφή περιεχομένου εξόδου· ισχύει μόνο για αποκρίσεις χωρίς ροή.

Βελτιώνει την αναγνώριση για τις επιλεγμένες γλώσσες και διαλέκτους.

προεπιλογή {"english_normalizati...

Ρυθμίσεις για τη διαμόρφωση της φωνής.

Ρυθμίσεις διαμόρφωσης ήχου.

Προσαρμοσμένο λεξικό προφορών που χρησιμοποιείται για την αντικατάσταση κειμένου.

Ρυθμίσεις που ελέγχουν την κανονικοποίηση της έντασης του ήχου.

Ρυθμίσεις για την τροποποίηση του τονικού ύψους, της έντασης και του ηχοχρώματος της φωνής.

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

Εκτέλεση αυτού του αιτήματος

Το κλειδί σας παραμένει σε αυτό το πρόγραμμα περιήγησης: αποστέλλεται μόνο στο Doitong API και αποθηκεύεται (localStorage) μόνο αν ενεργοποιήσετε την επιλογή «Να απομνημονεύεται». Λήψη κλειδιού API

Σχετικά με το MiniMax Speech 2.8 HD

Το MiniMax Speech 2.8 HD εκφωνεί κείμενο σε περισσότερες από 30 γλώσσες με λεπτομερή έλεγχο: ενσωματωμένες σημάνσεις παύσης, ταχύτητα φωνής, τόνο και ένταση, προσαρμοσμένα λεξικά προφοράς και εφέ φωνής. Επιλέξτε από τις ενσωματωμένες φωνές και τον ρυθμό δειγματοληψίας και τη μορφή εξόδου.

Παράμετροι

ΌνομαΤύπος ΠροεπιλογήΕπιτρεπόμενο Περιγραφή
promptαπαιτείται
Τύποςstring
≤ 10.000 χαρακτήρες
Κείμενο για σύνθεση ομιλίας, με παύσεις που καθορίζονται από το `<#x#>`, όπου το x κυμαίνεται από 0.01 έως 99.99 δευτερόλεπτα. Οι διαθέσιμες ετικέτες επιφωνημάτων είναι `(laughs)`, `(sighs)`, `(coughs)`, `(clears throat)`, `(gasps)`, `(sniffs)`, `(groans)` και `(yawns)`.
voice_settingπροαιρετικό
Τύποςobject
Προεπιλογή{"english_normalization":false,"pitch":0,"speed":1,"voice_id":"Wise_Woman","vol":1}
Ρυθμίσεις για τη διαμόρφωση της φωνής.
voice_setting.voice_idπροαιρετικό
Τύποςstring
ΠροεπιλογήWise_Woman
≥ 1 characters
Προκαθορισμένο αναγνωριστικό φωνής που χρησιμοποιείται για σύνθεση ομιλίας.
voice_setting.speedπροαιρετικό
Τύποςnumber
Προεπιλογή1
0,5 – 2
Ρυθμός ομιλίας, από 0.5 έως 2.0.
voice_setting.volπροαιρετικό
Τύποςnumber
Προεπιλογή1
0,01 – 10
Ένταση εξόδου, από 0 έως 10.
voice_setting.pitchπροαιρετικό
Τύποςinteger
Προεπιλογή0
-12 – 12
Τονικό ύψος της φωνής, από -12 έως 12.
voice_setting.emotionπροαιρετικό
Τύποςenum
happysadangryfearfuldisgustedsurprisedneutral
Συναισθηματικός τόνος της συνθετικής ομιλίας.
voice_setting.english_normalizationπροαιρετικό
Τύποςboolean
Προεπιλογήfalse
Επιλογή κανονικοποίησης αγγλικού κειμένου που ανταλλάσσει μικρή πρόσθετη καθυστέρηση με καλύτερη ανάγνωση αριθμών.
audio_settingπροαιρετικό
Τύποςobject
Ρυθμίσεις διαμόρφωσης ήχου.
audio_setting.sample_rateπροαιρετικό
Τύποςenum
Προεπιλογή32000
80001600022050240003200044100
Ρυθμός δειγματοληψίας του παραγόμενου ήχου.
audio_setting.bitrateπροαιρετικό
Τύποςenum
Προεπιλογή128000
3200064000128000256000
Bitrate του παραγόμενου ήχου.
audio_setting.formatπροαιρετικό
Τύποςenum
Προεπιλογήmp3
mp3pcmflac
Μορφή του ήχου.
audio_setting.channelπροαιρετικό
Τύποςenum
Προεπιλογή1
12
Αριθμός καναλιών ήχου: 1 για mono ή 2 για stereo.
language_boostπροαιρετικό
Τύποςenum
ChineseChinese,YueEnglishArabicRussianSpanishFrenchPortugueseGermanTurkishDutchUkrainianVietnameseIndonesianJapaneseItalian
+22 ακόμηKoreanThaiPolishRomanianGreekCzechFinnishHindiBulgarianDanishHebrewMalaySlovakSwedishCroatianHungarianNorwegianSlovenianCatalanNynorskAfrikaansauto
Βελτιώνει την αναγνώριση για τις επιλεγμένες γλώσσες και διαλέκτους.
output_formatπροαιρετικό
Τύποςenum
Προεπιλογήhex
urlhex
Μορφή περιεχομένου εξόδου· ισχύει μόνο για αποκρίσεις χωρίς ροή.
pronunciation_dictπροαιρετικό
Τύποςobject
Προσαρμοσμένο λεξικό προφορών που χρησιμοποιείται για την αντικατάσταση κειμένου.
pronunciation_dict.tone_listπροαιρετικό
Τύποςstring[]
Λίστα αντικατάστασης προφορών με τη σύνταξη ['text/(pronunciation)', ...], για παράδειγμα ['燕少飞/(yan4)(shao3)(fei1)']. Οι αριθμοί κινεζικών τόνων κυμαίνονται από 1 έως 5.
normalization_settingπροαιρετικό
Τύποςobject
Ρυθμίσεις που ελέγχουν την κανονικοποίηση της έντασης του ήχου.
normalization_setting.enabledπροαιρετικό
Τύποςboolean
Προεπιλογήtrue
Ενεργοποιεί την κανονικοποίηση της έντασης του ήχου.
normalization_setting.target_loudnessπροαιρετικό
Τύποςnumber
Προεπιλογή-18
-70 – -10
Επιθυμητή ένταση ήχου, σε LUFS· προεπιλογή -18.0.
normalization_setting.target_rangeπροαιρετικό
Τύποςnumber
Προεπιλογή8
0 – 20
Επιθυμητό εύρος έντασης ήχου, σε LU· προεπιλογή 8.0.
normalization_setting.target_peakπροαιρετικό
Τύποςnumber
Προεπιλογή-0.5
-3 – 0
Επιθυμητή μέγιστη στάθμη, σε dBTP· προεπιλογή -0.5.
voice_modifyπροαιρετικό
Τύποςobject
Ρυθμίσεις για την τροποποίηση του τονικού ύψους, της έντασης και του ηχοχρώματος της φωνής.
voice_modify.pitchπροαιρετικό
Τύποςinteger
Προεπιλογή0
-100 – 100
Έλεγχος τονικού ύψους σε ημιτόνια: χρησιμοποιήστε αρνητική τιμή για χαμηλότερη φωνή ή θετική για υψηλότερη. Οι επιτρεπόμενες τιμές κυμαίνονται από -100 έως 100.
voice_modify.intensityπροαιρετικό
Τύποςinteger
Προεπιλογή0
-100 – 100
Έλεγχος της ενέργειας της φωνής, ώστε η ομιλία να γίνεται πιο δυναμική όσο αυξάνεται η ρύθμιση. Το επιτρεπόμενο εύρος είναι από -100 έως 100.
voice_modify.timbreπροαιρετικό
Τύποςinteger
Προεπιλογή0
-100 – 100
Ρύθμιση ηχοχρώματος φωνής από -100 έως 100, που ελέγχει τον τονικό χαρακτήρα της.
απαιτείται

Έξοδος

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"
  }
}
Τα αρχεία σας, η επιλογή σαςΚάθε outputs[].url είναι ένα αντίγραφο στην αποθήκευσή μας: διατηρείται για πάντα (χρέωση ανά GB-μήνα) ή 7 ημέρες δωρεάν, σύμφωνα με τη ρύθμιση του λογαριασμού σας ή ?storage=.
Ίδια μορφή σε κάθε μοντέλοtype, url, content_type, width, height και duration, τόσο για εικόνες όσο και για βίντεο και ήχο. Το output είναι το αντικείμενο αποτελέσματος του ίδιου του μοντέλου.
Πεδία εξόδου
audio
object {url, content_type, file_name, file_size}Αρχείο ήχου που παράγεται από την παραγωγή.
duration_ms
integerΔιάρκεια ήχου, σε χιλιοστά του δευτερολέπτου.

Περισσότερα μοντέλα: Κείμενο σε ομιλία

Για πράκτορες AI: αυτή η σελίδα σε Markdown βρίσκεται στη διεύθυνση https://doitong.com/el/developers/models/minimax/speech-2.8-hd.md. Όλα τα μοντέλα και οι οδηγοί: https://doitong.com/developers/llms.txt