Ir al contenido

MiniMax Speech-02 HD

Integrar

Id del modelo 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"

Esta solicitud: 0,005 $ 5 créditos de API Ejecutar en esta página

Obtener clave de API
MiniMax · Audio

Tu primer resultado aparecerá aquí

Crea una solicitud abajo y ejecútala con tu clave de API. Las salidas se copian en nuestro almacenamiento, conservadas para siempre o 7 días gratis.

Crear una solicitud

Los controles se generan a partir del esquema del modelo. El código y el precio se actualizan al modificarlos.

•obligatorio 50 / 5000

Texto de entrada del habla, limitado a 5000 caracteres y que requiere al menos 1 carácter que no sea espacio en blanco.

Avanzado output_format · language_boost · enable_safety_checker · voice_setting · audio_setting · pronunciation_dict
output_format predeterminado hex

Formato del contenido de salida; se aplica solo a respuestas no transmitidas.

Mejora el reconocimiento de los idiomas y dialectos seleccionados.

predeterminado {"english_normalizati...

Configuración para configurar la voz.

Configuración para configurar el audio.

Diccionario personalizado de pronunciaciones usado para reemplazar texto.

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

Ejecutar esta solicitud

Tu clave permanece en este navegador: solo se envía a la Doitong API y se guarda (localStorage) únicamente si marcas Recordar. Obtener una clave de API

Acerca de MiniMax Speech-02 HD

Genera voz a partir de hasta 5000 caracteres de `text` con la variante de calidad HD de Speech-02. Puedes ajustar la voz mediante `voice_setting`, establecer `audio_setting`, aplicar un `pronunciation_dict` y elegir un `language_boost` entre 38 opciones. `output_format` puede ser url o hex. El resultado incluye el archivo de audio y su duración en milisegundos.

Parámetros

NombreTipo PredeterminadoPermitido Descripción
enable_safety_checkeropcional
Tipoboolean
Predeterminadotrue
La moderación puede relajarse estableciendo false, siempre que el autor de la llamada esté autorizado.
textobligatorio
Tipostring
≤ 5000 caracteres
Texto de entrada del habla, limitado a 5000 caracteres y que requiere al menos 1 carácter que no sea espacio en blanco.
voice_settingopcional
Tipoobject
Predeterminado{"english_normalization":false,"pitch":0,"speed":1,"voice_id":"Wise_Woman","vol":1}
Configuración para configurar la voz.
voice_setting.voice_idopcional
Tipostring
PredeterminadoWise_Woman
≥ 1 characters
Identificador de voz predefinida utilizado para la síntesis de voz.
voice_setting.speedopcional
Tiponumber
Predeterminado1
0,5 – 2
Velocidad del habla, de 0.5 a 2.0.
voice_setting.volopcional
Tiponumber
Predeterminado1
0,01 – 10
Volumen de salida, de 0 a 10.
voice_setting.pitchopcional
Tipointeger
Predeterminado0
-12 – 12
Tono de la voz, de -12 a 12.
voice_setting.emotionopcional
Tipoenum
happysadangryfearfuldisgustedsurprisedneutral
Tono emocional del habla sintetizada.
voice_setting.english_normalizationopcional
Tipoboolean
Predeterminadofalse
Opción de normalización de texto en inglés que intercambia una pequeña latencia adicional por una mejor lectura de los números.
audio_settingopcional
Tipoobject
Configuración para configurar el audio.
audio_setting.sample_rateopcional
Tipoenum
Predeterminado32000
80001600022050240003200044100
Frecuencia de muestreo del audio generado.
audio_setting.bitrateopcional
Tipoenum
Predeterminado128000
3200064000128000256000
Tasa de bits del audio generado.
audio_setting.formatopcional
Tipoenum
Predeterminadomp3
mp3pcmflac
Formato del audio.
audio_setting.channelopcional
Tipoenum
Predeterminado1
12
Cantidad de canales de audio: 1 para mono o 2 para estéreo.
language_boostopcional
Tipoenum
ChineseChinese,YueEnglishArabicRussianSpanishFrenchPortugueseGermanTurkishDutchUkrainianVietnameseIndonesianJapaneseItalian
+22 másKoreanThaiPolishRomanianGreekCzechFinnishHindiBulgarianDanishHebrewMalaySlovakSwedishCroatianHungarianNorwegianSlovenianCatalanNynorskAfrikaansauto
Mejora el reconocimiento de los idiomas y dialectos seleccionados.
output_formatopcional
Tipoenum
Predeterminadohex
urlhex
Formato del contenido de salida; se aplica solo a respuestas no transmitidas.
pronunciation_dictopcional
Tipoobject
Diccionario personalizado de pronunciaciones usado para reemplazar texto.
pronunciation_dict.tone_listopcional
Tipostring[]
Lista de reemplazos de pronunciación con la sintaxis ['text/(pronunciation)', ...], por ejemplo ['燕少飞/(yan4)(shao3)(fei1)']. Los números de tono chino van del 1 al 5.
obligatorio

Salida

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"
  }
}
Tus archivos, tú eligesCada outputs[].url es una copia en nuestro almacenamiento: conservada para siempre (se cobra por GB-mes) o 7 días gratis, según la configuración de tu cuenta o ?storage=.
La misma estructura en todos los modelostype, url, content_type, width, height y duration, tanto para imágenes como para vídeo y audio. output es el objeto de resultado propio del modelo.
Campos de salida
audio
object {url, content_type, file_name, file_size}Archivo de audio producido por la generación.
duration_ms
integerDuración del audio, medida en milisegundos.

Más modelos: Texto a voz

Para agentes de IA: esta página en Markdown está en https://doitong.com/es/developers/models/minimax/speech-02-hd.md. Todos los modelos y guías: https://doitong.com/developers/llms.txt